HERDING BEHAVIOR: MENGEKSPLORASI SISI ANALISIS BROKER SUMMARY

Transkripsi

1 Media Riset Akuntansi, Auditing & Informasi ` ISSN : (Online) Vol. 21 No. 2 September 2021 : ISSN : (Print) Doi: HERDING BEHAVIOR: MENGEKSPLORASI SISI ANALISIS BROKER SUMMARY Ainun Naim 1 I Made Dwi Hita Darmawan 2 Nurafifah Wulandari 3 1,2,3 Universitas Gadjah Mada *ainunnaim30@mail.ugm.ac.id Abstract Our research focuses on herding behavior and broker summary analysis in the Covid- 19 time frame in Indonesia. Herding behavior in the retail exchange community or the general public is considered detrimental due to the irrationality of analysis and promoting euphoria which results in very large losses. Answering the research gap, we offer a broad exploration concept to avoid and create positive returns by utilizing the herding behavior of the retail market community. We tested using multiple methods to ensure the existence of herding behavior in a regression setting of two and took advantage of positive opportunistic returns for exchange play. The first method shows that the research sample detected herding behavior during March 11, 2020 March 11, 202 and we ensure the resilience of existence through two models. The second method, to get a positive return, we offer bandarmology analysis adopted from Dow theory for trading in a market maker style. Analyzing the movement and following market makers, we can conclude that it creates positive returns and prevents the stock exchange community from the impact of sustainable auto rejects. This study has limitations, for future research we expect the use of empirical models that are simpler and more efficient in revealing herding behavior. Furthermore, for the exploratory method, further research can be carried out in disclosing bandarmology analysis based on stock categorization (blue chip, second liner, and third liner), time horizon of market makers, and detailed analysis of camouflage behavior of market makers using retail securities. Keywords: Bandarmology; Brokers Summary; Herding Behavior; Market Makers. Abstrak Penelitian kami berfokus pada perilaku herding dan analisis ringkasan broker dalam kerangka waktu Covid-19 di Indonesia. Perilaku menggiring di komunitas bursa ritel atau masyarakat umum dianggap merugikan karena irasionalitas analisis dan euforia yang menimbulkan kerugian yang sangat besar. Menjawab kesenjangan penelitian, kami menawarkan konsep eksplorasi yang luas untuk menghindari dan menciptakan pengembalian positif dengan memanfaatkan perilaku menggiring komunitas pasar ritel. Kami menguji menggunakan beberapa metode untuk memastikan keberadaan perilaku menggiring dalam pengaturan regresi dua dan memanfaatkan pengembalian oportunistik positif untuk permainan pertukaran. Metode pertama menunjukkan bahwa sampel penelitian mendeteksi perilaku penggembalaan selama 11 Maret

2 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 Maret 202 dan kami memastikan ketahanan keberadaan melalui dua model. Metode kedua, untuk mendapatkan pengembalian positif, kami menawarkan analisis bandarmologi yang diadopsi dari teori Dow untuk perdagangan dalam gaya pembuat pasar. Menganalisis pergerakan dan mengikuti pembuat pasar, kita dapat menyimpulkan bahwa itu menciptakan pengembalian positif dan mencegah komunitas bursa dari dampak penolakan mobil berkelanjutan. Penelitian ini memiliki keterbatasan, untuk penelitian selanjutnya diharapkan penggunaan model empiris yang lebih sederhana dan efisien dalam mengungkap perilaku penggembalaan. Selanjutnya untuk metode eksplorasi dapat dilakukan penelitian lebih lanjut dalam mengungkap analisis bandarmologi berdasarkan kategorisasi saham (blue chip, second liner, dan third liner), time horizon market makers, dan analisis detail perilaku kamuflase market makers dengan menggunakan retail sekuritas. Kata Kunci: Bandarmologi; Pembuat Pasar; Perilaku Menggembala; Ringkasan Pialang. JEL Classification : D53, D70, D80, D90 Submission date: June 2021 Accepted date: September 2021 *Corresponden Author PENDAHULUAN Penelitian perilaku pasar terkait pengambilan keputusan investasi dikaitkan dengan asumsi rasionalitas yang berdasar pada efficient market hypothesis (EMH) yang mengasumsikan bahwa investor adalah pelaku pasar yang rasional (Shah, et al., 2017). Namun, asumsi tersebut sering terbantahkan dengan adanya herding behavior atau perilaku kawanan yang terjadi di banyak pasar saham yang menyebabkan investor membuat keputusan mereka tidak mengacu pada aturan fundamental tetapi berdasarkan keputusan investor lain (Bekiros, et al., 2017). Herding behavior dapat dikatakan sebagai bentuk kecenderungan sekelompok pelaku pasar yang mengikuti konsensus pasar dalam mengambil keputusan investasi tanpa memperhatikan keyakinan dan informasi pribadi mereka. Financial behavioral menunjukkan herding behavior timbul di kalangan investor terutama dalam periode pasar tertekan, seperti kondisi pandemi Covid-19 yang berlangsung saat ini, investor dinilai akan lebih cenderung mengikuti keputusan kerumunan (Mnif dan Jarboui, 2021). Fenomena tersebut juga berkaitan dengan heuristik sebagai rule of thumb (Kahneman et al., 1982) dalam pengambilan keputusan yang pada gilirannya menghasilkan keputusan investasi yang tidak rasional (Soofi et al., 2020). Data PT Kustodian Efek Indonesia (KSEI) per akhir April 2021 mencatat total Single Investor Identification (SID) di pasar modal sebanyak juta investor yang mengalami pertumbuhan sebesar 31,11 persen dari jumlah SID di tahun sebelumnya sebesar juta inventor (IDX, 2020). Peningkatan jumlah investor di pasar modal Indonesia merupakan deretan dampak peralihan pendapatan oleh masyarakat dalam bentuk investasi selama masa pandemi Covid-19 (Wareza, 2021). Saat peningkatan investor tidak selaras dengan peningkatan kemampuan analisis fundamental dan teknikal, memunculkan dorongan perilaku herding di kalangan 208

3 Herding Behavior: Mengeksplorasi Sisi Analisis Broker Summary investor baru. Berdasarkan informasi dari berita Kontan investasi yang membahas dampak peningkatan jumlah investor ritel baru tanpa diimbangi edukasi terkait pasar modal, akan menyebabkan kecenderungan investor baru terjebak di harga saham atas euforia dan terlibat dalam herding behavior (Rahmawati, 2021). Sehingga banyak investor baru di masa pandemi Covid-19 yang mengalami kerugian setelah harga saham yang mereka beli terjadi penurunan drastis setelah IHSG mulai terkoreksi. Beberapa penelitian sebelumnya mengaitkan peningkatan jumlah investor dengan herding behavior. Misalnya, Mendez dan Jose (2021) menemukan bahwa herding behavior terwujud selama Covid-19 di pasar saham Australia, konsisten dengan hasil yang ditemukan Shah et al. (2017), dan Nath dan Brooks (2020) dengan temuan kemunculan herding behavior selama periode krisis yang ekstrim. Kemudian, Dhall dan Bhanwar (2020) mengungkapkan selama kondisi pasar naik dan turun, peneliti menemukan bukti herding behavior selama periode pasca wabah Covid-19. Artinya, temuan ini menunjukkan bahwa pandemi Covid-19 menyebabkan terbentuknya herding behavior. Kami tertarik mendeteksi eksistensi herding behavior di pasar saham Indonesia, dikaitkan dengan seiring bertambahnya jumlah investor di masa pandemi Covid-19. Telah diketahui bahwa herding behavior menimbulkan konfrontasi negatif. Disinyalir regulator bursa Indonesia memberikan statement serupa bahwa Bursa Efek Indonesia berencana membuat kebijakan baru dengan menghapus kode broker dalam running trade pada sistem perdagangan saham (Forddanta, 2021). Mengingat rencana pemberlakuan pembatasan informasi broker summary tersebut, sebagai salah satu upaya BEI untuk mengurangi potensi herding behavior yang dinilai merugikan investor saham, kami tertarik memberikan rekomendasi hasil penelitian atas kesesuaian tindakan tersebut. Hal ini didasari bahwa herding behavior merupakan salah satu faktor penyebab terjadinya inefisiensi pasar dan menyebabkan harga saham menyimpang dari nilai fundamentalnya (Komalasari, 2016). Herding behavior muncul karena investor tidak bertindak sesuai dengan informasi pribadinya, tetapi berdasarkan tindakan yang dilakukan oleh investor lain, yang mengacu pada kecenderungan investor untuk meniru perilaku kelompok investor lain (Banerjee, dalam Mnif dan Jarboui, 2021) yang dianggap lebih informatif dan memberikan keuntuntungan. Penelitian sebelumnya mencoba menjelaskan herding behavior dinilai menggunakan konsep-konsep analisis teknikal yang diturunkan dalam proxy return dispersion seperti yang dijelaskan Christie dan Huang (1995). Serta, Chang et al. (2000) dengan mengedepankan standar deviasi dan selisih return realisasian yang merupakan modifikasi dari model Christie dan Huang (1995) dengan menyarankan penggunaan model Cross Sectional Absolute Deviation (CSAD). Kemudian, untuk melengkapi konsep herding behavior sebelumnya, kami menggunakan metode dari penelitian Komalasari (2016) yang menambahkan konsep baru yaitu informasi asimetri berupa error disetiap model return realisasian portofolio. Kami menerjemahkan konsep ini dengan mengusung teknikal analisis melalui adopsi technical tools data berupa pembentukan candlestick dan moving average yang mewakili harga penutupan, volume transaksi, standar deviasi return, dan rentang volume bid-ask. Disamping analisis fundamental dan teknikal, terdapat analisis bandarmology yaitu analisis yang memanfaatkan informasi pada broker summary. Analisis ini tidak hanya berfokus pada pergerakan harga saham, tetapi memprediksi aktivitas pembelian dan penjualan para pemain besar di bursa dengan menggunakan prinsip Follow The Giant. Teori Dow diturunkan dalam analisis bandarmology menyatakan bahwa 209

4 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 pergerakan harga saham dikendalikan oleh peran big player yang dipercaya memiliki informasi yang paling baik dan strategi yang paling terencana dan kekuatan untuk menggerakkan harga saham (Karo-karo, 2012). Seperti diketahui harga terbentuk atas permintaan dan penawaran (Hartono, 2017), dengan data ini akan diketahui pihak yang mengendalikan pembentukan harga melalui volume transaksi terbesar. Namun, konsep ini masih jarang ditemukan dalam penelitian yang terkait. Kami melengkapi kekosongan penelitian sebelumnya, penelitian kami merupakan upaya melakukan eksplorasi lebih lanjut terkait herding behavior yang terjadi di pasar saham. Diketahui bahwa penelitian-penelitian sebelumnya terbatas pada pendeteksian keberadaan herding behavior, sehingga kami melakukan analisis lebih lanjut dengan menggunakan analisis bandarmology untuk memunculkan herding behavior positif dengan mengikuti pergerakan market maker. Penelitian kami menguji keakuratan dari kedua model yang banyak digunakan penelitian sebelumnya yaitu CSSD (Christie dan Huang, 1995) dan CSAD (Chang et al., 2000) dalam mendeteksi herding behavior. Penelitian kami dilakukan dengan masa penelitian 11 Maret 2020 (pers release pandemic Covid-19) sampai 10 Maret 2021 (setahun pemulihan bursa) pada perusahaan-perusahaan yang terdaftar di BEI. Terutama fokus pada sektor yang mendapatkan tekanan auto reject bawah (batas bawah negatif bursa harian) selama berturut-turut yang menyebabkan harga saham turun secara drastis. Seperti, pada sektor farmasi, BUMN Karya, perusahaan nikel, bank syariah, dan rencana bank digital, sehingga kami menetapkan industri-industri tersebut sebagai sampel dalam penelitian ini. Penelitian ini memberikan beberapa kontribusi dalam menggambarkan herding behavior dan analisis broker summary. Pertama, menguji eksistensi herding behavior di BEI selama periode krisis dan pemulihan Covid-19 baik menggunakan model dari Christie dan Huang (1995), Chang et al. (2000), Komalasari (2016), dan analisis broker summary. Kedua, mengeksplorasi herding behavior melalui pemanfaatan data broker summary. Ketiga, kami menawarkan metode tambahan dalam melakukan trading harian melalui data real time dari broker summary. Terakhir, memberikan pemahaman secara komprehensif mengenai metode broker summary untuk pengambilan keuntungan di BEI atas terjadinya herding behavior. Hasil penelitian kami juga memiliki implikasi bagi para praktisi dengan memberikan pengetahuan tentang herding behavior positif yang akan membantu investor individu dalam membuat keputusan investasi yang efisien dan rasional dalam dimensi analisis bandarmology selama masa pandemi Covid-19. Kami juga memberikan kontribusi pertimbangan kepada regulator bursa Indonesia untuk tidak menutup broker summary pada running trade, mengingat prinsip transparansi dan pentingnya data tersebut dalam analisis yang kami tawarkan. REVIU LITERATUR DAN HIPOTESIS Heuristik dan Herding Behavior Kahneman et al. (1982) mendefinisikan heuristik sebagai seperangkat prinsip terbatas yang mengubah penilaian probabilistik menjadi proses evaluasi yang sangat mendasar dalam menghadapi ketidakpastian. Heuristik memiliki tiga aspek, menurut penelitian sebelumnya: keterwakilan, ketersediaan, dan retensi dan penyesuaian. Christie dan Huang (1995) mendukung bagian ketersediaan heuristik Kang dan Park (2019), dan Chang et al. (2000) menggambarkan perilaku menggiring dalam menilai keberadaan suatu peristiwa yang dapat diingat menggunakan perasaan intuitif. Herding 210

5 Herding Behavior: Mengeksplorasi Sisi Analisis Broker Summary behavior dapat disebabkan oleh emosi atas ketersediaan pengetahuan yang beredar atau pengaruh orang lain, yang mengarah ke tindakan irasional oleh mereka yang tidak memiliki kemampuan kognitif, waktu, atau sumber daya keuangan untuk memprioritaskan euforia di atas memenangkan pertempuran pasar saham. Perilaku ini dianggap sangat berbahaya karena sampel penelitian memiliki banyak kejadian ARB berturut-turut, tetapi ini baik untuk individu yang mendapat keuntungan dari herding behavior investor lain. Herding behavior telah diteliti secara ekstensif di pasar modal di Amerika Serikat, Inggris, Prancis, Spanyol, dan Portugal, serta di negara-negara Asia seperti Jepang, Cina, dan Korea Selatan (Almeida et al., 2012). Lebih lanjut, Kraus dan Stoll (1972) mengungkapkan keprihatinan tentang bentuk herding behavior ini, mengklaim bahwa hal itu dapat mendatangkan malapetaka di pasar modal dengan menyebabkan masalah likuiditas dan kemungkinan meningkatkan volatilitas harga saham. Hal ini juga dapat menyebabkan volatilitas harga, yang diperparah oleh herding behavior, yang terjadi ketika sejumlah besar investor mencoba untuk membeli atau menjual saham pada saat yang sama (Lakonishok et al., 1992). Individu lebih cenderung untuk menekan keyakinan mereka sendiri untuk mendukung konsensus pasar ketika ada herding behavior yang disengaja, menurut Christie dan Huang (1995), dan sebagai hasilnya, pengembalian saham individu lebih dekat dengan pengembalian pasar. Sehingga, seperti yang dikatakan Komalasari (2016) bahwa herding behavior terjadi ketika investor mempelajari keputusan investasi investor lain dan mengalihkan keputusan investasinya dari tidak berinvestasi menjadi berinvestasi, atau sebaliknya. Volatilitas Return Pasar sebagai Prediktor Herding Behaviour Herding behavior didefinisikan oleh Christie dan Huang (1995) sebagai penilaian intuitif pengaruh dispersi kembali yang dievaluasi dengan metode Cross Sectional Standard Deviation (CSSD). Pengembalian yang diprediksi atas aset individu dibandingkan dengan rata-rata pengembalian pasar menggunakan metode ini. Ketika pasar sangat fluktuatif, seperti ketika terjadi fluktuasi harga yang besar, dispersi kemungkinan akan muncul dalam perilaku ini. Herding behavior lebih tersebar luas, menurut penelitian empiris, terutama ketika pasar sedang mengalami penurunan yang signifikan. Christie dan Huang (1995) mengklaim bahwa dengan menganalisis perilaku CSSD dalam berbagai situasi pasar, mereka merancang pengujian herding behavior dengan menggunakan standar deviasi pengembalian (CSSD) sebagai ukuran rata-rata kedekatan pengembalian aset individu dengan realisasi. rata-rata pasar. Pengembalian aset individu tidak akan menyimpang secara signifikan dari pengembalian pasar secara keseluruhan, menghasilkan pengembalian yang lebih kecil daripada CSSD Normal, jika pelaku pasar menekan prediksi harga aset mereka sendiri selama periode pergerakan pasar yang besar dan mendasarkan keputusan investasi mereka hanya pada perilaku pasar agregat. Pelaku pasar cenderung mengikuti perilaku pasar secara agregat dan menolak kognitif mereka sendiri selama periode volatilitas tinggi, menurut metode Cross Sectional Absolute Deviation (CSAD), yang menyatakan bahwa selama periode volatilitas tinggi, pelaku pasar cenderung mengikuti perilaku pasar dalam agregat dan menolak kognitif mereka sendiri. Karena tidak ada hubungan linier antara dispersi dan pengembalian pasar, tidak ada linieritas apakah itu tumbuh atau turun (Chang et al., 2000). CSAD diciptakan untuk melengkapi keadaan pengembalian pasar naik dan turun 211

6 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 baik tinggi maupun rendah. Meskipun pendekatan ini tidak dapat mengukur herding behavior, pendekatan ini dapat mengidentifikasi keberadaannya. Chang et al. (2000) menyelidiki herding behavior dalam konteks global karena perbedaan dalam faktor-faktor seperti kepentingan relatif investor institusional versus individu, kualitas dan tingkat pengungkapan informasi, kecanggihan pasar derivatif, dan lainnya dapat mempengaruhi perilaku investor di pasar ini. Temuan menunjukkan bahwa penyebaran pengembalian ekuitas di AS dan Hong Kong meningkat secara linear selama periode fluktuasi pasar yang parah, menunjukkan prevalensi herding behavior. Temuan Chang et al. (2000) konsisten dengan temuan Christie dan Huang (1995). Sehingga pemaparan tersebut memberikan argumen mengenai keberadaan herding behavior pada saat pandemi Covid-19 di Indonesia. H 1 : Terdapat herding behavior di BEI selama periode krisis dan pemulihan Covid-19 menggunakan volatilitas return pasar. Model Informasi Asimetri Sebagai Prediktor Herding Behaviour Menurut efficient market hypothesis, harga saham akan mewakili keseluruhan informasi di pasar, meskipun harga saham tertentu akan naik atau turun karena ketersediaan informasi yang tidak tersedia untuk umum (Komalasari, 2016). Model Komalasari (2016) mengungkapkan bahwa herding behavior tidak ada di pasar Indonesia selama krisis 2008, tetapi ketika memperkenalkan faktor informasi asimetri pada model Komalasari dan Baridwan (2001), mereka menemukan herding behavior dari kisaran permintaan dan penawaran yang terjadi. Penelitian terkait informasi asimetri dan herding behavior telah terdokumentasikan dengan baik. Misalnya, munculnya herding behavior menurut Bikhchandani dan Sharma (2001), disebabkan oleh perbedaan pengetahuan informasi yang dimiliki oleh masing-masing investor. Kemudian, Easley dan Kleinberg (2010) mengartikan sebagai hal tersebut sebagai informasi yang terjadi ketika investor mempelajari perilaku investor lain dan mengambil keputusan yang sama sambil mengabaikan informasi sinyal mereka. Ketika investor mengabaikan informasi pribadi mereka dan menyalin tindakan investor lain maka herding behaviour akan terjadi. Kemudian, jika sejumlah besar investor memilih untuk mengabaikan informasi pribadi mereka untuk menunggangi investor lain, sehingga memperlambat proses agregasi informasi dalam harga sekuritas (Banerjee 1992; Bikhchandani et al., 1992). Informasi asimetri akan menyebabkan pergeseran pengetahuan antara pemilik informasi dan seluruh anggota bursa tidak terkecuali investor ritel. Komalasari (2016), informasi asimetri berkembang ketika investor memiliki akses informasi yang tidak setara. Ketika satu pihak mengetahui informasi yang pihak lain tidak, terjadi informasi asimetri. Masalah seleksi yang dialami oleh pelaku pasar (dealer) ketika berhadapan dengan investor yang lebih berpengetahuan menunjukkan informasi asimetri di pasar modal. Ketika seorang investor memilih untuk tidak berinvestasi pada saham tertentu, ia meniru investor lain, tetapi setelah melihat investor lain memperoleh saham itu, ia berubah pikiran dan memutuskan untuk berinvestasi. Sehingga, penelitian ini tertarik untuk mengeksplorasi model Komalasari (2016) untuk diuji kembali apakah efektif jika dihubungkan dengan adanya herding behavior di pasar saham disaat situasi pandemi Covid-19 dan pasca pemulihannya dengan rumusan hipotesis: H 2 a: Informasi asimetri berpengaruh positif terhadap return dispertion. 212

7 Herding Behavior: Mengeksplorasi Sisi Analisis Broker Summary Masyarakat bursa sadar terjadinya kenaikan pergerakan saham secara signifikan merupakan sebuah kejanggalan, namun jika herding behavior terjadi mereka akan melupakan rasionalitas dan cenderung bergerak serentak untuk melakukan pembelian, sehingga informasi asimetri dapat memediasi keterjadian ini disebabkan kekurangan informasi dan penekanan informasi yang terjadi. Komalasari (2016) menjelaskan dalam penelitiannya dengan memproksikan model CSAD dan Gamma memperoleh hasil signifikan saat menggunakan informasi asimetri sebagai pemediasi volatilitas return pasar. Informasi yang lebih baik dihadapkan kepada dealer, tingginya dispertion of return akan terjadi sehingga hal ini mengindikasikan aksi spekulatif para investor yang cenderung meningkatkan pembelian ketika informasi asimetri tinggi. Komalasari (2016) menjelaskan bahwa efek mediasi ini akan dapat memprediksi keterjadian herding behaviour disaat koefisien mediasi menunjukkan hasil negatif signifikan. Sehingga peneliti menentukan hipotesis mediasi seperti dibawah ini: H 2 b: Herding behavior dapat dideteksi melalui volatilitas return pasar dengan mediasi informasi asimetri. Broker Summary Analysis Bursa Efek Indonesia sebagai penyedia dan pengelola Jakarta Automated Trading System memberikan informasi yang mendetail mengenai perdagangan bursa. Informasi atas terdaftarnya sebuah emiten di BEI berupa laporan tahunan yang menjadi basis analisis fundamental, data pembentukan harga dan volume harian yang menjadi basis analisis teknikal, dan terakhir data broker summary yang berisi pemakaian broker penjual-pembeli, total transaksi, volume transaksi, jenis investor (individual dan institusi), dan investor dalam atau luar negeri, sehingga pembentukan suatu harga akan digiring oleh pemain dengan jumlah dana terbesar dengan pemberian dampak pembelian atau penjualan besar-besaran yang menggeser harga dengan sebutan market maker (Filbert, 2020). Analisis teknikal merupakan posisi yang sangat krusial untuk dijadikan acuan dalam membuat penilaian oleh investor dalam transaksi pasar saham. Analisis ini melihat perilaku pasar dan bagaimana menerjemahkannya ke dalam grafik harga historis untuk memperkirakan harga di masa depan. Harga dalam grafik mewakili harga transaksi penawaran dan permintaan. Fluktuasi harga cenderung mengikuti suatu pola (trend), dan pola tertentu dari masa lalu akan terulang kembali di masa yang akan datang. Analisis teknikal lebih memperhatikan pada apa yang telah terjadi di pasar, dibandingkan dengan apa yang seharusnya terjadi. Menurut Tandelilin (2010), asumsi penting dari analisis teknis dipengaruhi oleh elemen rasional dan irasional dan didasarkan pada hubungan penawaran dan permintaan. Selanjutnya, teori Dow sebagai prinsip dasar yang harus diperhitungkan sebelum melakukan analisis teknikal. Teori ini pertama kali dikemukakan oleh Charles H. Dow melalui Wall Street Journal pada tahun Pandangan Dow tentang bagaimana pasar berperilaku dan bagaimana mereka dapat diterapkan pada dunia bisnis. Dow percaya bahwa pasar saham secara keseluruhan berfungsi sebagai barometer kondisi ekonomi. Seseorang dapat dengan tepat memprediksi kondisi ekonomi dan mendeteksi perubahan pasar dengan menganalisis pasar secara menyeluruh. Teori ini dinilai penting untuk mengetahui perubahan harga saham yang biasanya disebabkan oleh seorang player sebagai pemain kunci perubahan harga di pasar saham. 213

8 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 Kemudian, teori Dow lebih lanjut diterjemahkan melalui suatu analisis yang diberi nama analisis bandarmology (Karo-Karo, 2012). Analisis ini memperhatikan aliran uang market maker dalam perhitungan kuantitatif dengan penekanan prinsip akumulasi dan distribusi. Akumulasi dijelaskan saat keadaan suatu saham dibeli besarbesaran oleh market maker, sedangkan fase distribusi merupakan saat dimana market maker menjual besar-besar kepemilikan sahamnya. Ketika harga berada pada titik tertinggi dan permintaan saham berada pada titik tertinggi, fase distribusi akan berguna dalam mendorong minat saham setelah akumulasi. Market maker memanfaatkan media, analis saham, influencer, dan media sosial untuk terlibat dalam lingkungan euforia kenaikan saham (kondisi saham terangkat atau diakuisisi setelah akumulasi harga) di bawah, menyebabkan banyak investor individu terjebak dalam harga tinggi (Filbert, 2020). Analisis bandarmology memberikan beberapa keuntungan dibandingkan analisis fundamental, termasuk kemampuan untuk menganalisis data ringkasan broker secara real time, berbeda dengan analisis fundamental berdasarkan pengajuan keuangan emiten, yang mungkin memakan waktu. Premis bandarmology, menurut Filbert (2020), adalah follow the giant, yang berarti bahwa mereka yang menggunakan analisis bandarmology berpikir bahwa pemain utama atau dealer saham mempengaruhi perubahan harga saham. Maka, yang perlu dilakukan investor hanyalah mengikuti tindakan bandar saham karena mereka memiliki pengetahuan terbesar, strategi terencana terbaik, dan kekuatan paling besar untuk mempengaruhi harga. Sehingga, penelitian ini membahas bagaimana analisis broker summary dapat menghasilkan return positif dengan sikap oportunis terhadap herding behavior pemain bursa lain? METODE PENELITIAN Kami menggunakan pendekatan multi metode dalam penelitian ini. Regresi berulang dilakukan untuk memperoleh nilai informasi asimetri sebagai predictor yang akan diregresi dalam model inti kami. Regresi pada model inti dijalankan untuk pengujian hipotesis penelitian. Sebelumnya pengujian asumsi klasik akan dijalankan untuk memastikan bahwa regresi layak dilakukan (Ghozali, 2018). Kedua, kami melakukan studi eksploratif untuk menjawab pertanyaan penelitian yang kami ajukan untuk memberikan pemahaman komprehensif mengenai analisis menggunakan data broker summary. Sampel dan Data Sampel penelitian kami ditetapkan berdasarkan kategorisasi kedalam 5 kelompok saham sub-industri selama periode pengumuman pandemi Covid-19 sampai setahun setelahnya yaitu pada 11 Maret 2020 sampai dengan 10 Maret Pemilihan kelompok saham yang memiliki kenaikan signifikan seperti dinyatakan Christie dan Huang (1995) saat menentukan kelompok saham, didukung pemberitaan yang sangat masif terkait rekomendasi pembelian (influencer, youtuber, berita, media sosial, dan grup saham masyarakat ritel), serta diakhiri dengan auto reject bawah (ARB, batas terbawah fluktuasi minus saham harian) berturut-turut sebagai berikut: 1. Industri farmasi Pemilihan ini berdasarkan pemberitaan masif saat distribusi vaksin, pengelola vaksin, dan proses pembuatan industri vaksin di Indonesia sebagai fokus impuls yang dikabarkan di seluruh media. 214

9 Herding Behavior: Mengeksplorasi Sisi Analisis Broker Summary 2. Industri karya Pemberitaan program pemerintah atas dibentuknya SWF (sovereign wealth fund) untuk pendanaan berupa investasi kepada proyek-proyek BUMN Karya, sehingga sahamnya naik secara signifikan sebagai impuls dan optimis atas kinerja masa depan. 3. Industri nikel dan baterai Maraknya mobil listrik serta kemungkinan kontrak kerjasama Tesla dan LG di Indonesia untuk membuat pabrik secara hulu ke hilir dan menjadikan Indonesia produsen raksasa baterai sebagai penyedia nikel yang melimpah 4. Bank Syariah Rencana merger bank-bank syariah BUMN kedalam satu induk yang dapat menyaingi bank buku IV sehingga saham sektor ini naik secara signifikan 5. Bank Digital Menyasar kepada kaum milenial untuk menyediakan sarana perbankan digital atas keseluruhan transaksi membuat euforia market tinggi atas masa depan tanpa melihat kondisi fundamental perbankan yang akan dibuat ke ranah digital. Pemberitaan besar rencana ini sebagai impuls. Data penelitian untuk pengujian empiris kami didapatkan dari Yahoo Finance untuk kategorisasi open price, closing price, high price, lower price, dan volume transaksi. Sedangkan analisis broker summary menggunakan pengambilan data broker summary pada program sekuritas saham. Sekuritas untuk masyarakat bursa ritel memberikan fitur broker summary yang memudahkan dan diunduh berdasarkan kebutuhan. Data ini divalidasi ketersediaannya oleh BEI dan PT. Kustodian Sentral Efek Indonesia. Kami mengolah dan menginterpretasikan data ini dalam pembahasan eksplorasi herding behavior bagian analisis bandarmology. Metode Analisis Metode pertama, peneliti akan melakukan pengujian empiris untuk menemukan variabel independen yaitu informasi asimetri berdasarkan model yang dinyatakan oleh Komalasari dan Baridwan (2001) sebagai berikut: E(Spread)/Informasi asimetri = α0 + α1*harga,t + α2*volume transaksi,t + α3*rata-rata harga,t + α4 kedalaman,t + e (1) Kami melakukan regresi berulang untuk menemukan informasi asimetri terhadap pembentukan harga saham harian portofolio 5 sektor yang ditentukan dalam sampel dan data. informasi asimetri dinyatakan sebagai nilai e (error) dalam pengujian portofolio setiap hari sampel (11 Maret Maret 2021), yaitu nilai yang tidak dapat diprediksi dalam model penelitian pertama (Komalasari, 2016). Selanjutnya kami akan mengadopsi model Komalasari (2016) yang menguji keberadaan herding behavior dalam bursa Indonesia selama periode penelitian dijalankan. Kami dapat mengetahui keberadaan herding secara empiris eksistensinya, namun tidak menilai besaran herding (Christie dan Huang, 1995; Komalasari, 2016). Dispersion of return = α0 + α1* R m.t + α2*r m.t 2 + α3*ia + α4 IA* R m.t 2 + e (2) Christie dan Huang (1995) menjelaskan mengenai dispersion of return sebagai dampak intuitif atas sebaran return. Hal ini merupakan perhitungan kuantitatif perkiraan rata-rata return individual ke return portofolio, persebaran ini disebabkan 215

10 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 individual kemungkinan mempercayai keyakinan daripada konsensus pasar selama perpindahan pasar yang tidak normal. Hasil penelitian akan menyatakan dukungan hipotesis penelitian jika ditemukan nilai α2 (H 1 ) dan α4 (H 4 ) bernilai negatif signifikan mengindikasikan terjadinya herding behavior. Asumsi ini dinyatakan oleh Christie dan Huang (1995); Komalasari (2016) dengan manipulasi market terjadi lonjakan atau volatilitas tinggi melalui akar kuadrat yang diberikan dalam α2 dan α4 seperti dinyatakan dalam persamaan 2. Pengukuran Variabel Penelitian Memenuhi model penelitian kami, maka setiap variabel akan didefinisikan cara pengukurannya sebagai berikut: a. Hasil dari regresi khusus bagian error yang menunjukkan informasi asimetri (Komalasari dan Baridwan, 2001; Komalasari, 2016). E(Spread) = α0 +α1*harga i,t +α2*volume i,t + α3*varian i,t + α4 kedalaman i,t + e Sedangkan untuk menentukan nilai spread sebagai berikut: Spread i,t = E (Spread) i, t = ekspektasian rentang saham i saat ke t Harga = harga penutupan saham i saat ke t Volume = logn transaksi saham i saat ke t Varian = varian invidual saham i saat ke t dibandingkan portofolio sampel Kedalaman = logn rata-rata volume penawaran, permintaan saham i saat ke t Penawaran = harga tertinggi yang terjadi pada saham i saat ke t Permintaan = harga terendah yang terjadi pada saham i saat ke t b. Dispersion of return dengan metode CSSD (Christie dan Huang, 1995) R i,t = pengembalian saham i pada periode ke t Rt = pengembalian rata-rata seluruh portofolio pada periode ke t Nt = jumlah keseluruhan portofolio pada periode ke t c. Dispersion of return dengan metode CSAD (Chang et al., 2000) CSAD = d. Pengembalian pasar secara keseluruhan yang diambil dari indeks harga saham gabungan (Hartono, 2017). Rm = pengembalian pasar IHSG = indeks harga saham gabungan di BEI ke t atau t-1 Metode kedua pendekatan eksplorasi dengan berusaha menggali keseluruhan pengetahuan mengenai suatu kejadian mengenai informasi, gambaran, dan eksplorasi 216

11 Herding Behavior: Mengeksplorasi Sisi Analisis Broker Summary mendalam terhadap analisis broker summary analysis (Arikunto, 2010), maka kami mengkomparasi perbedaan atau kenaikan pada broker summary dengan mengkategorisasikan investor individual dan institusi atau top 5-10 broker (Karo Karo, 2019; dan Filbert, 2020). Kami akan menjabarkan mengenai market maker, analisis bandarmology, strategi penggunaan dan melihat impuls untuk mengetahui terjadinya perbedaan antara sebelum dan setelah kejadian pola price maker. Tujuan kami adalah mengungkap keterjadian herding behavior saat market mengalami volatilitas kenaikan sangat tinggi selama setahun periode market recovery selama pandemi Covid-19. Analisis bandarmology dapat berlangsung secara maksimal saat masyarakat bursa berperilaku secara kawanan (herding) mengikuti intuisi tanpa mengedepankan rasionalitas analisis secara mendalam seperti analisis teknikal atau fundamental perusahaan. Pendekatan eksplorasi dijalankan setelah dugaan herding behavior terbukti secara empiris dalam sampel kami seperti beberapa literatur sebelumnya dan teknik analisis bandarmology dijalankan untuk mengakomodir pertanyaan-pertanyaan penelitian kami. HASIL DAN PEMBAHASAN Statistik Deskriptif Statistik deskriptif variabel penelitian kami disajikan pada tabel 1. Data yang tersaji telah lolos asumsi multikolinearitas menunjukkan prediktor kami tidak memiliki korelasi kuat satu dengan lainnya, namun bagian pengujian autokorelasi mengalami permasalahan. Kami melakukan serangkaian metode Cochrane Orcutt (Komalasari, 2016; Ghozali, 2018:125). Data final menunjukkan nilai rata-rata return market yang diabsolutkan sebesar 0,0076 persen. Standar deviasi informasi asimetri menunjukkan adanya volatilitas data yang sangat tinggi. Informasi asimetri yang tinggi selama 238 hari menunjukkan bahwa terdapat informasi yang tidak diketahui publik, kami berasumsi bahwa penggiringan opini oleh market maker terjadi dan akan diujikan dalam penelitian ini. Kemudian return dispersi yang diukur dengan CSSD dan CSAD, menunjukkan bahwa nilai CSAD memiliki nilai rata-rata yang lebih tinggi dibandingkan dengan nilai CSSD. Hal ini menunjukkan bahwa CSAD memberikan ukuran return dispersi yang lebih luas. Tabel. 1 Statistik deskriptif N Minimum Maximum Mean Std. Deviation Statistic Statistic Statistic Statistic Statistic CSSD 238-0,01 0,03 0,0021 0,00400 CSAD 238 0,00 0,08 0,0219 0,01486 RM 238-0,01 0,10 0,0076 0,01144 RM² 238 0,00 0,01 0,0002 0,00079 AI , , , ,07 AI*RM² ,00 158,48-1, ,10850 Valid N (listwise) 238 Sumber: Ouput SPPS 25 diolah peneliti,

12 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 Pembahasan Bagian pertama kami akan menjabarkan melalui pengujian empiris eksistensi herding behavior pada pengujian regresi. Pada pokok pembahasan berikutnya kami menjabarkan lebih mendetail mengenai maket maker berdasarkan kajian literatur dan penelitian empiris sebelumnya. Terakhir kami menjabarkan dengan skema sampel penelitian untuk menunjukkan herding behavior menuntun pada arah return positif. Sistematika penyusunan pembahasan dibuat pertama secara empiris untuk membuktikan adanya herding behavior sebagai syarat utama efektivitas analisis bandarmology. Eksistensi Herding Behavior Kami menguji kelayakan model penelitian dengan melihat nilai dari Adjusted R Square, untuk mengetahui besarnya variasi variabel dependen yang dapat dijelaskan oleh variasi variabel independen. tabel 2 menunjukkan bahwa nilai Adjusted R Square untuk model 1 sebesar 0,115 dan model 2 sebesar 0.194, Artinya secara keseluruhan, variabel independen penelitian menjelaskan sebesar 11,5 % dari modal 1 dan 19,4% dari modal 2 terhadap variasi variabel dependen penelitian ini. Model R R Square Tabel 2 Uji Model Penelitian Adjusted R Square Durbin- Watson 1,361 a 0,130 0,115 2,227 8, ** 2,456 a 0,208 0,194 1,744 15, ** a. Predictors: (Constant), RM, RM², AI, AI*RM² b. Dependent Variable: CSSD (1) and CSAD (2) c. * (5%), ** (1%) Sumber: Ouput SPPS 25 diolah peneliti, 2021 Model kami dijelaskan berdasarkan tabel 2 menunjukkan signifikansi (1%) baik dalam model menggunakan CSSD atau CSAD sebagai proksi variabel dependen. Kami menggunakan kedua model tersebut mengacu Christie dan Huang (1995), Chang et al. (2000), dan Komalasari (2016) untuk mengetahui keberadaan herding behavior pada masa krisis Covid-19 di Indonesia. Interpretasi hasil dapat menjelaskan bahwa model kami layak untuk dilanjutkan dalam pengujian interpretasi hipotesis. Independent Tabel 3 Hasil Pengujian Hipotesis Dispersion of return testing with two model Dependent CSSD METHOD F CSAD METHOD Coefficients t Sig. Coefficient t Sig. (Constant) 0, , , , , ,00000 RM 0, , , , , ,27895 RM² -0, , , , , ,94164 AI 0, , ,00000** 0, , ,00000** AI*RM² -0, , ,026890* -0, , ,00045** * (5%), **(1%) Sumber: Ouput SPPS 25 diolah peneliti, 2021 Sig 218

13 Herding Behavior: Mengeksplorasi Sisi Analisis Broker Summary Hasil pengujian seluruh hipotesis dapat dilihat pada Tabel 3. Pengujian H 1 dapat dilihat dari nilai variabel return market kuadrat terhadap return dispersion yang diukur dengan metode CSSD dan CSAD (nilai p-value= 0,51) dan CSAD (p-value: 0,94) keduanya menunjukkan bahwa hasil H1a secara statistik tidak signifikan pada tingkat signifikansi 0,05 (atau α= 5%). Artinya, ini menunjukkan bahwa tidak adanya herding behavior yang terdeteksi di pasar modal Indonesia selama periode pengujian penelitian saat menggunakan prediktor RM². Hal ini berbeda dengan pernyataan oleh Christie dan Huang (1995), bahwa koefisien RM² harus negatif dan signifikan secara statistik menyiratkan bahwa terdapat herding behavior, dengan mempertimbangkan dalam hubungan linier antara return market dan dispersi pengembalian pasar. Hasil kami konsisten dengan penelitian Almeida et al. (2012) bahwa tidak ada hasil yang terdeteksi untuk mendukung hipotesis herding behavior di pasar yang dianalisis ketika menggunakan metodologi Christie dan Huang (1995) dan Chang et al. (2000). Kami memaparkan hasil pengujian H 2 a menunjukkan bahwa volatilitas return pasar memiliki nilai yang signifikan dengan nilai p-value sebesar 0,0000 pada tingkat signifikansi 1% untuk kedua metode CSSD dan CSAD yang mendukung hipotesis kedua kami. Hal ini menunjukkan bahwa variabel informasi asimetri (IA) bisa digunakan sebagai prediktor yang handal untuk menguji return dispersion. Seperti prediksi Komalasari (2016) informasi asimetri menunjukkan hasil yang konsisten dalam model CSSD, kami melengkapi ketahanan hasil menggunakan model CSAD (Chang et al., 2000) menunjukkan hasil signifikan. Informasi asimetri terdapat informasi yang tidak diketahui oleh pihak luar, mengacu pada price maker sebagai penentu volatilitas pasar dalam mengendalikan harga maka masyarakat bursa diharapkan memahami dan mengumpulkan informasi tersirat untuk memberikan return dispersion maksimal. Menggunakan variabel informasi asimetri yang memediasi dengan return pasar yang dikuadratkan yang menggambarkan tingkat volatilitas market, karena dispersion diperkirakan muncul dalam herding behavior ini ketika pasar sangat volatil, sehingga perubahan harga secara masif terjadi. Yang mana hasilnya juga menunjukkan secara statistik signifikan dengan nilai p-value: untuk metode CSSD dan CSAD (pvalue: ). Artinya, H 2 b dapat diterima sesuai dengan prediksi peneliti bahwa herding behavior dapat dideteksi melalui return market dengan mediasi informasi asimetri. Jadi dapat disimpulkan bahwa di pasar bursa efek Indonesia memang terjadi herding behavior karena dengan menggunakan dua model Christie dan Huang (1995) dan Cheng (2000) keduanya signifikan. Hal ini konsisten dengan hasil yang ditemukan oleh Komalasari (2016) menemukan bahwa informasi asimetri menguat kemungkinan perilaku penggembalaan yang menyiratkan bahwa informasi asimetri adalah suatu keharusan syarat untuk adanya perilaku penggembalaan. Hasil kami konsisten dengan penelitian Dhall dan Bhanwar (2020) yang menunjukkan bahwa selama periode post- Covid-19 adanya herding behavior dalam kondisi pasar bull selama wabah pasca- Covid-19 dan juga dalam kondisi pasar bearish, yang artinya dengan adanya pandemi Covid-19 menyebabkan perilaku herding muncul di industri pengamatan peneliti. Ketahanan model yang kami ajukan telah teruji dalam formulasi CSSD dan CSAD. Asumsi utama dalam bandarmology dapat berjalan efektif saat kondisi bursa mengikuti konsensus berita dan tidak menghiraukan rasionalitas analisis. Kami menemukan secara signifikan dalam periode sampel yang menyatakan bahwa herding behavior terjadi sehingga dapat disimpulkan analisis bandarmology efektif dijalankan untuk memberikan return positif. Herding behavior menjadi poin penting dalam analisa 219

14 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 bandarmology, saat masyarakat bursa melakukan perilaku mengikuti impuls berita yang disediakan dan dibuat oleh market maker. Eksplorasi Market Maker Penggunaan metode eksplorasi mengarah pada pengungkapan dimensi keseluruhan pada market maker. Mereka memiliki dampak yang signifikan terhadap pergerakan harga pasar untuk mengatur penjualan, pembelian, hingga detail keputusan pihak yang boleh membeli dan kuantitasnya (Filbert, 2020). Penelitian sebelumnya tentang market maker yang telah didokumentasikan secara luas. Misalnya, Zhu et al. (2009) melihat dua kategori investor yaitu investor spekulatif (yang sangat rasional dan fundamentalis) dan investor yang mengikuti tren, untuk melihat bagaimana pembuat pasar mempengaruhi stabilitas pasar. Temuan menunjukkan bahwa pembuat pasar memainkan peran penting dalam penciptaan harga, bahkan jika perilaku dan pengaruh mereka terhadap stabilitas pasar belum diketahui, terutama di pasar spekulatif yang mengandalkan perilaku spekulan. Keuntungan para market maker di bursa saham London diselidiki oleh Neuberger (1992). Peneliti menguji pengaruh pengetahuan asimetris dan penghindaran risiko market maker terhadap ukuran profit market maker menggunakan data transaksi. Hasilnya mengungkapkan bahwa rata-rata Spread Bid-Ask di 14 ekuitas dalam sampel berada dalam kisaran 1-5 persen, menyiratkan bahwa dengan tidak adanya informasi asimetri dan penghindaran risiko, pembuat pasar dapat mengharapkan untuk mendapatkan setengah dari spread. Pada kenyataannya, untuk semua saham dalam sampel, keuntungannya kurang dari setengahnya, dan untuk setengahnya, sebenarnya negatif. Hal ini menunjukkan harga sewaktu-waktu dapat berubah yang dipengaruhi oleh market maker. Hendershott dan Seasholes (2007), di sisi lain, mendefinisikan market maker sebagai ahli. Para ahli ini beroperasi sebagai bandar, mengakomodasi permintaan beli dan jual untuk memiliki dampak signifikan pada harga pasar saham. Sementara itu, studi terbaru Yagi et al. (2020) menggarisbawahi dampak biaya dari market maker. Menurut laporan ini, biaya maker-taker digunakan oleh sebagian besar bursa saham di Amerika Serikat. Biaya maker-taker memberi insentif kepada pedagang untuk mengirimkan banyak pesanan, yang membantu pertukaran menawarkan likuiditas pasar. Namun, tidak jelas bagaimana biaya pembuat-pengambil berdampak pada keseluruhan biaya pesanan, yang mencakup semua biaya dan dampak pasar. Peneliti menyimpulkan bahwa biaya maker-taker mendorong efisiensi pasar yang secara bersamaan meningkatkan total biaya menerima pesanan. Studi Silber (1984), menekankan fungsi calo sebagai market maker dalam kompetisi lelang pasar berjangka. Untuk mengetahui sumber pendapatan calo, peneliti menggunakan data transaksi yang representatif dari calo. Calo menyediakan layanan likuiditas untuk pesanan pasar yang masuk, menurut para peneliti, membuat lindung nilai komersial. Kami dapat menyimpulkan bahwa harga saham dikendalikan oleh market maker berdasarkan penelitian sebelumnya. Market maker memiliki kebebasan dalam menentukan terbentuknya sebuah harga, namun keuntungan market maker harus dipastikan saat masyarakat bursa ritel atau awam mengikuti impuls yang dibuat oleh para market maker (Filbert, 2020:60). Keberhasilan mendeteksi pergerakan market maker dan mengikuti pola mereka akan memberikan return positif saat analisis bandarmology diterapkan. 220

15 Herding Behavior: Mengeksplorasi Sisi Analisis Broker Summary Melengkapi penelitian yang sudah dijalankan sebelumnya, penelitian kami menunjukkan eksistensi herding behavior di bursa Indonesia. Berdasarkan kedua metode yang kami gunakan, hasil menunjukkan negatif signifikan yang kuat pada model CSSD dan CSAD dalam pengaturan mediasi informasi asimetri. Herding behavior terjadi pada bursa saat volatilitas yang tinggi, sehingga pemain mengesampingkan rasionalitas (Christie dan Huang, 1996; Chang et al., 2000; dan Komalasari, 2016), dan teknik analisis yang tersedia serta mengarahkan pijakan keputusan pada impuls pasar. Keterjadian perilaku kawanan (herding behavior) sangat kental terjadi dalam fase ini. Analisis Broker Summary dan Teknik Bandarmology Terdapat sebuah metode yang dapat menjawab herding behavior yang dinilai bias dan merugikan investor, analisis ini didasarkan pada pergerakan market maker atau big player yang mengendalikan harga saham di bursa Indonesia melalui metode bandarmology (Filbert, 2020; dan Karo-Karo, 2012). Teknik ini mirip dengan peran pemain utama atau bandar saham, yang dianggap memiliki pengetahuan paling mutakhir, taktik yang dipikirkan dengan matang, dan kemampuan untuk mempengaruhi harga. Filbert (2020) bahwa bandarmology dimulai dari analisis kuantitatif yang memecah dalam kedua alokasi yaitu akumulasi dan distribusi. Fase pertama menjelaskan keadaan market maker saat mengumpulkan atau membeli dalam jumlah masif sebuah saham, sedangkan fase distribusi saat market maker menjual atau mendistribusikan sebagian besar (keseluruhan) kepemilikan saham ketika harga dinilai menguntungkan. Distribusi dikatakan berhasil saat peminat sebuah saham tinggi, sehingga diperlukan sebuah impuls berupa berita, seruan, ajakan, dan persuasif untuk membeli sebuah saham. Kondisi ini berhasil saat masyarakat bursa berperilaku kawanan dan mempercayai impuls yang diberikan, kami menemukan secara empiris bahwa selama periode 11 Maret Maret 2021 perilaku ini terdeteksi terjadi. Asumsi utama dalam teknik bandarmology terpenuhi dalam perusahaan (industri) sampel kami dengan hasil signifikan dan konsisten, saat masyarakat bursa mengikuti impuls pasar sehingga analisa ini memungkinkan dilakukan sehingga menjadi keunggulan. Filbert (2020) menjelaskan cara membuat bandarmology: 1. Pengambilan data broker summary Mempersiapkan data top 5-10 broker buy dan top 5-10 broker sell dalam data harian pada saham. 2. Mengolah data broker summary Mengambil top 5-10 dari buy volume dan sell volume, pengolahan data variatif yang dapat dijalankan oleh pemain bursa (contoh: excel, spreadsheet). 3. Hasil data olahan Selisih dari top buy 5-10 volume dan jumlah top 5-10 sell volume akan diinput pada kolom transaksi. Angka negatif berarti jumlah top 5-10 dari sell volume lebih besar daripada jumlah top 5-10 dari buy volume. 4. Bandarmology dalam olahan Pada tahap ini, terdapat data berupa urutan tanggal, volume bandarmology (yang sudah dihitung hari ke hari), harga (rata-rata akumulasi pembelian dan penjualan market maker). 5. Hasil akhir bandarmology Pengambilan keputusan untuk posisi buy atau sell oleh masyarakat bursa. 221

16 Media Riset Akuntansi, Auditing & Informasi Vol. 21 No.2 September 2021 Karo-karo (2012) juga mengumpulkan data kuantitatif pada fase akumulasi dan distribusi yang diambil melalui data broker summary untuk mengikuti pergerakan bandar. Berdasarkan metode tersebut kami akan menginterpretasikan alur bandarmology sesuai perusahaan sampel yang ditentukan. Bro ker Tabel 4 Pola akumulasi dan distribusi analisa bandarmology KAEF (Farmasi) Akumulasi (1-10 Jan 21) Distribusi (11-12 Jan 21) Transaksi Harga Sell Transaksi Harga Buy Transaksi Harga YB OK ( ) YP YP YB ( ) CC MG AR ( ) NI CC MG ( ) XC GR GR ( ) SQ BK CP ( ) PD AZ BK ( ) BQ XC XA ( ) EP BQ KI ( ) DR LS KK ( ) BS Sumber: Data broker summary KAEF diolah peneliti, 2021 Dua digit kode tersebut merupakan kode broker yang digunakan dalam melakukan transaksi dalam bursa Indonesia. Seperti diketahui pada tanggal 1-10 Januari 2021 (tanggal sampel penelitian) terjadi pemberitaan sangat masif mengenai vaksinasi Covid-19 di Indonesia. Sebelumnya para market maker telah melakukan akumulasi secara yang dapat dideteksi dalam bandarmology seperti broker YB, MG, GR, BK sebagai kategori akumulasi. Kami menentukan beberapa kode broker tersebut sebagai price maker berdasarkan Karo-Karo (2019) dan memvalidasi ketersediaan yang tidak membuka fitur pembukaan rekening dana investasi (RDI) untuk nasabah ritel. Pengumuman penyuntikan vaksin pertama kali di Indonesia oleh presiden Republik Indonesia pada 13 Januari 2021, sedangkan para market maker telah memanfaatkan euforia dan optimisme masyarakat melakukan penjualan masif pada tanggal Januari 2021 dengan rata-rata keuntungan didapat 12-28% selama pemanfaatan waktu 12 hari. Herding behavior sangat jelas terjadi dalam fase distribusi bagian buy. Disitu terlihat masyarakat bursa ritel menempati pembelian hingga 10 terbesar saat market maker mendistribusikan kepemilikannya. Broker yang dipakai oleh masyarakat ritel dan dikategorikan sebagai ritel adalah YP, CC, NI, XC, SQ, PD, EP, dan DR (Karokaro, 2019). Klasifikasi ini telah kami validasi ke masing-masing ketersediaan sekuritas dalam membuka RDI dan telah diklasifikasikan oleh PT. KSEI sebagai sekuritas ritel. Herding behavior positif dapat terjadi saat mengikuti pergerakan market maker sehingga memunculkan return positif tanpa terpengaruh impuls berita yang diberikan. Hal ini berkaitan dengan teori Dow untuk mengikuti konsensus market maker. Kami dapat menyimpulkan herding behavior dinilai positif saat mengikuti market maker dan memanfaatkan momentum tidak terpengaruh seperti perilaku masyarakat ritel lainnya. Bagian akhir setelah pengambilan keputusan keluar saat 13 Januari setelah market maker mendistribusikan kepemilikan sahamnya terjadi auto reject bawah berkelanjutan hingga Januari 2021 dan dilanjutkan sampai 1 Februari Masyarakat bursa 222