E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 PERHITUNGAN NILAI BETA DARI BEBERAPA SAHAM UNGGULAN DI INDONESIA DENGAN MENGGUNAKAN METODE Ni Kadek Puspitayanti 1, Komang Dharmawan 2, I Putu Eka N. Kencana 3 1 Jurusan Matematika, Fakultas MIPA Universitas Udayana [Email: adex_math5@yahoo.com] 2 Jurusan Matematika, Fakultas MIPA Universitas Udayana [Email: dharmawan.komang@gmail.com] 3 Jurusan Matematika, Fakultas MIPA Universitas Udayana [Email: i.putu.enk@gmail.com] Corresponding Author ABSTRACT The objective of investment in the capital market is to acquire dividends and capital gain. The fact proves that the advantage of investation risky assets is uncertain. This is because of the difficulty in analyzing and predicting Return and stock losses due to factors that affect the movement of the stock price, such as economic factors, political, social, and security. The model can be used by investors in predicting stock returns expected that Generalized Autoregressive Conditional Heteroscedaticity (). In this study calculations beta value of some leading stocks in Indonesia by using Generalized Autoregressive Conditional Heteroscedaticity () are presented. The data used this search is secondary data covering daily data sampled 5 shares of PT Unilever Indonesia Tbk, PT Indosat Tbk, PT Indofood Sukses Makmur Tbk, PT Telkom Indonesia Tbk, PT Holcim Indonesia Tbk. From the results described fifth beta value of these shares using the method beta greater than the market in the period from 23 September 213 until 24 September 214. Keywords: Beta, Capital Gain, Dividen,, return 1. PENDAHULUAN Investasi dibedakan menjadi dua yaitu investasi riil (gedung, kendaraan, mesin, tanah) dan investasi finansial (saham pada pasar modal). Tingkat pendapatan yang diharapkan dari investasi saham tergantung dari bagaimana sikap investor dalam menghadapi risiko. Pada umumnya investor bersifat menghindari risiko, walaupun sebagian ada yang berani mengambil risiko. Investor akan mempertimbangkan tingkat penghasilan yang diharapkan (expeted return) atas investasinya untuk tertentu pada masa yang akan datang terhadap risiko (risk) yang akan mungkin ditanggung. Pasar modal menyediakan banyak sekali informasi yang tersedia bagi para investor. Informasi merupakan kebutuhan yang mendasar bagi para investor dalam mengambil keputusan. Seorang investor harus memiliki perencanaan investasi yang efektif agar memperoleh keuntungan di pasar modal. Perencanaan ini meliputi pertimbangan keputusan yang diambil untuk mengalokasikan dana yang dimiliki dalam bentuk aktiva tertentu dengan harapan mendapat keuntungan ekonomis di masa mendatang. Salah satu bentuk investasi yang dilakukan investor adalah membeli saham, dengan harapan akan memperoleh return baik berupa dividen maupun capital gain. Dalam pelaksanaan investasi, para pemilik modal (investor) sangat membutuhkan informasi yang jelas, wajar, dan tepat waktu sebagai dasar pertimbangan dalam proses pengambilan keputusan. Salah satu informasi yang dibutuhkan oleh investor (baik investor ritel maupun investor institusional) adalah informasi tentang tingkat pengembalian (return) dan risiko investasi. Metode yang digunakan untuk mengestimasi beta dengan varians adalah metode Generalized Autoregressive Conditional Heteroscedaticity (). Nilai beta yang telah diperoleh dengan metode dapat digunakan untuk estimasi sensivitas pengembalian saham beta yang akan 67
Puspitayanti, N.K., K. Dharmawan, I P.E.N. Kencana Perhitungan Nilai Beta Dari Beberapa Saham Unggulan datang sehingga dapat digunakan oleh investor sebagai bahan pertimbangan untuk membuat keputusan investasi. 2. METODE PENELITIAN Data yang digunakan dalam penelitian ini adalah data sekunder yang bersifat kuantitatif. Data sekunder adalah data yang diambil tidak dari sumber langsung dan merupakan pengumpulan dari pihak lain. Sedangkan data yang bersifat kuantitatif adalah data yang berupa angka yang bisa dihitung atau dioperasikan. Data dalam penelitian ini diakses melalui internet. A. Mencari Tingkat Pengembalian (Return) Return saham adalah keuntungan yang di peroleh dari kepemilikan saham investasi yang dilakukan. Perhitungan return saham menggunakan metode konvensional sebagai berikut: dengan adalah return saham pada, adalah indeks saham pada, dan adalah indeks saham pada. Pada analisis sekuritas umumnya menggunakan metode natural logarithm ratio, dimana hasil dari keuntungan yang diharapkan tidak terlalu besar dibandingkan metode konvensional. Metode natural logarithm ratio di formulasikan sebagai (Husnan [5]) ln ( ) ) Penggunaan metode natural logarithm ratio digunakan agar dalam analisis statistika perhitungan return tidak bisa. B. Fungsi ACF dan PACF Fungsi autokorelasi digunakan untuk meng ukur ketergantungan bersama (mutual dependen) antara nilai-nilai suatu runtun waktu yang sama pada waktu yang berlainan. dengan nilai berkisar antara -1 sampai 1. Untuk fungsi PACF diberikan sebagai berikut dengan untuk. C. Uji Ljung Box Pada Uji Ljung Box akan dilakukan pengujian terhadap data apakah mempunyai unsur autokorelasi atau tidak. a. Menetapkan hipotesis : data tidak berautokorelasi : data memiliki autokorelasi b. Menghitung uji statistik Ljung-Box ( ) dengan LB menyatakan statistik Ljung Box, menyatakan banyaknya data pengamatan, merupakan taksiran autokorelasi, dan adalah panjang lag. c. Daerah penolakan Kriteria uji dilakukan jika ditolak jika LB > atau p-value <. Apabila ditolak maka akan dipilih yang berarti data berautokorelasi. D. Uji ARCH LM Uji ARCH LM dilakukan untuk melihat kehadiran unsur heteroscedasticity atau efek. a. Menetapkan hipotesis : homoscedasticity, tidak ada efek ARCH- : heteroscedasticity, terdapat efek ARCH- b. Menghitung nilai statistik uji ARCH LM 68
Return Return E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 merupakan koefisien determinasi, banyaknya data dan panjang lag. c. Daerah penolakan Kriteria uji dilakukan apabila tolak jika > atau -value <, maka akan dipilih yang berarti ada efek ARCH- pada data E. Peramalan dengan model Generalized Autoregressive Conditional Heteroskedasticity () ARCH pada umumnya digunakan untuk memperkirakan volatilitas yang diperkenalkan oleh Engle pada tahun 1982 di mana tidak saling berkorelasi. Residual ( ) mengikuti model ARCH yang dimodelkan sebagai terhadap perubahan pengembalian pasar. Perhitungan beta sangat penting dilakukan untuk mengetahui berapa besar risiko saham tersebut. Saham dengan nilai >1 memiliki risiko lebih tinggi dari risiko pasar, sebaliknya saham dengan nilai < 1 memiliki risiko lebih rendah dari risiko pasardan sedangkan saham dengan nilai =1 menunjukkan bahwa risiko saham sama dengan risiko pasar. Risiko sistematis merupakan risiko yang berasal dari kondisi ekonomi dan kondisi pasar secara umum, dimana risiko ini tercermin dari nilai betanya. G. Perbandingan Nilai Beta saham Unggulan. Melakukan perbandingan nilai beta pasar saham unggulan. 3. HASIL PENELITIAN DAN DISKUSI dengan, dan merupakan parameter konstan. Bollerslev mengembangkan model ARCH menjadi model di mana residual ( ) mengikuti model dengan merupakan orde ARCH dan merupakan orde dari yang dapat dimodelkan sebagai A. Tingkat Pengembalian (Return) Menentukan nilai return dari data historis penutupan tiap-tiap saham dengan menggunakan metode Metode natural logarithm ratio di formulasikan sebagai (Husnan [5]). ( ) Berikut adalah plot data return tiap-tiap saham.8 Return Data Harian IHSG.6.4.2 Untuk variansnya dapat dirumuskan sebagai berikut: -.2 -.4 -.6 -.8 Okt 213 Jan 214 April 214 Juli 214 Sept 214 dengan dari dan nilai varians ke. adalah nilai parameter ke adalah.8.6.4.2 Return Data Harian HOLCIM F. Perhitungan Nilai Beta Saham Unggulan Menghitung Nilai Beta tiap-tiap saham menggunakan. Beta merupakan ukuran sensitivitas pengembalian saham -.2 -.4 -.6 -.8 Okt 213 Jan 214 April 214 Juli 214 Sept 214 69
Return Return Return Return Puspitayanti, N.K., K. Dharmawan, I P.E.N. Kencana Perhitungan Nilai Beta Dari Beberapa Saham Unggulan.6.4 Return Data Harian INDOFOOD akan dilihat bahwa data berautokorelasi atau tidak stasioner pada Tabel 3.1.2 -.2 -.4 -.6 Okt 213 Jan 214 April 214 Juli 214 Sept 214.6.4.2 -.2 -.4 -.6 Okt 213 Jan 214 April 214 Juli 214 Sept 214.8.6.4.2 -.2 -.4 Return Data Harian TELKOM -.6 Okt 213 Jan 214 April 214 Juli 214 Sept 214.6.4.2 -.2 -.4 -.6 Return Data Harian INDOSAT Return Data Harian UNILEVER -.8 Okt 213 Jan 214 April 214 Juli 214 Sept 214 B. Generalized Autoregressive Conditional Heteroskedasticity () Penggunaan model yang digunakan dalam meramalkan model data yang bersifat acak dan volatilitasnya tidak konstan perlu memerhatikan langkah-langkah sebagai berikut, yaitu tahap pra-estimasi dengan melakukan uji terhadap autokorelasi data. Dengan melihat residual kuadratpada data Uji Ljung Box Residual Kuadrat.892.191 3.8415.4882 4.4382 11.75.5478 7.8649 16.919.615 1.954 22.362.4553 16.9866 27.5871.2917 24.278 32.676.1474 2.987 3.8415.6533 3.335 11.75.249 11.5335 16.919.489 22.4399 22.362.27 29.9122 27.5871.249 35.4959 32.676.42 8.258 3.8415.36 17.558 11.75. 29.653 16.919.25 31.9264 22.362.129 32.5277 27.5871.443 33.181 32.676.29 8.8761 3.8415. 16.7279 11.75.6 23.2624 16.919.178 25.8593 22.362.175 31.4599 27.5871.314 34.5793 32.676.364.8363 3.8415.5933 3.74 11.75.839 5.338 16.919.959 5.8658 22.362.9684 7.913 27.5871.9579 11.24 32.676.181 1.7965 3.8415.933 9.423 11.75.1932 12.3718 16.919.4219 13.344 22.362.4126 17.6286 27.5871.559 19.472 32.676 Saham IHSG Holcim Indofood Indosat Unilever Telkom UJI ARCH Residual Kuadrat.8893.194 3.8415.6545 3.2959 11.75.5554 7.798 16.919.6177 1.9175 22.362.378 18.29 27.5871.4755 2.731 32.676.156 2.66 3.8415.6461 3.359 11.75.1794 12.644 16.919.133 18.7741 22.362.1141 24.214 27.5871.1949 26.386 32.676.45 8.71 3.8415.14 19.7588 11.75.7 28.749 16.919. 43.42 22.362.159 31.822 27.5871.267 35.225 32.676.31 8.7417 3.8415.349 11.9923 11.75.794 15.4465 16.919.2293 16.3781 22.362.3581 18.4982 27.5871.469 2.8368 32.676.3624.8296 3.8415.6282 3.4682 11.75.6991 6.42 16.919.978 6.8877 22.362.937 9.122 27.5871.997 12.974 32.676.1811 1.7883 3.8415.1224 8.6826 11.75.1391 13.5552 16.919.2821 15.4161 22.362.241 21.5155 27.5871.2649 24.5991 32.676 Dari Tabel 3.1 dapat dilihat bahwa berdasarkan Uji Ljung-box residual kuadrat dan uji ARCH LM terhadap nilai dugaan residual kuadratnya diperoleh bahwa nilai Q lebih besar dari Critical Value (CV) atau nilai P lebih kecil dari yang mengindikasikan tolak atau terima yang artinya nilai dugaan residual kuadrat IHSG berautokorelasi atau 7
Sample Partial Autocorrelations Sample Autocorrelation E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 tidak stasioner dan terdapat efek ARCH- pada data return IHSG sehingga memungkinkan peramalan menggunakan model. Penentuan model dapat dilihat dari plot ACF dan PACF residual kuadrat pada Gambar berikut menggunakan model paling baik dibanding model yang lainnya. Hal ini dapat dilihat dari uji AIC dan BIC yang memberikan nilai minimum pada peramalan model. Sehingga model pada IHSG adalah ACF Kuadrat Return HOLCIM.8.6.4.2 Peramalan dengan model akan dilakukan dengan mengestimasi parameterparameter model untuk memperoleh model yang terbaik. Beberapa model yang dapat dibentuk berdasarkan plot ACF dan PACF residual kuadrat IHSG dapat dilihat pada Tabel 3.2 -.2 2 4 6 8 1 12 14 16 18 2 Lag.8.6.4.2 Tabel 3.2. K 2e-7 [.155],978 [27,578]*,23387 [1.347] PACF Kuadrat Return HOLCIM -.2 2 4 6 8 1 12 14 16 18 2 Lag 2e-7 [.183].96969 [28.325]*.24336 [.3641] 2e-7 [.14].9733 [.345].48781 [.2].23371 [.3581] 2e-7 [.62].8152 [.5776].86447 [5.7269] AIC -1.5792-1.5776-1.5772-1.5772 BIC -1.5654-1.563-1.5599 1.5564 diketahui hasil estimasi koefisien model IHSG, dimana peramalan, adalah nilai residual, dan adalah nilai variansi. Tabel 3.3. Estimasi Parameter pada Holcim K 1.714e- [1.5564].89166 [22.832]*.69975 [2.6688]* 1.6979e- [1.2872].89176 [17.2216]*.69968 [1.8117]* 2.583e- [1.4442].84879 [.7989].7443 [6.4438]*.11548 [3.235]* 2.58e- [1.3279].84899 [.678].7441 [5.9838]*.11548 [2.8273]* AIC -1.1838-1.1818-1.1842-1.1822 BIC -1.17-1.1645-1.1669-1.1615 Berdasarkan Tabel 3.3 diketahui hasil estimasi koefisien model IHSG, dimana peramalan menggunakan model paling baik dibanding model yang lainnya. Hal ini dapat dilihat dari uji AIC dan BIC yang memberikan nilai minimum pada peramalan model. Sehingga model pada Holcim adalah,1714, adalah nilai residual, dan adalah nilai variansi. Tabel 3.4 menunjukkan hasil estimasi koefisien model IHSG, dimana peramalan menggunakan model paling baik dibanding model yang lainnya. Hal ini dapat dilihat dari uji AIC dan BIC yang memberikan nilai minimum pada peramalan model. Sehingga model pada Indofood adalah 71
Puspitayanti, N.K., K. Dharmawan, I P.E.N. Kencana Perhitungan Nilai Beta Dari Beberapa Saham Unggulan, adalah nilai residual, dan adalah nilai variansi. Tabel 3.4. Estimasi Parameter pada Indofood K 1.9365e- [1.8892]*.76183 [7.4772]*.1268 [2.2788]* 1.9376e- [1.6658]*.76187 [6.3123]*.1267 [1.8563]* 5.5137e- 7 [.3238].93618 [29.8967]*.5126 [2.7831]* 5.4817e- 7 [.316].93622 [27.843]*.5115 [2.6557]* AIC -1.4122-1.412-1.422-1.4182 BIC -1.3984-1.3929-1.429-1.3975 Tabel 3.5 Estimasi Parameter pada Indosat K 1.7467e- [3.13]*.76615 [21.124]*.18938 [4.6456]* 1.7527e- [2.439]*.76538 [14.916]*.18823 [3.18]*.17844.267 1.745e- [2.9998]*.76632 [2.4319]*.18925 [3.1159]* 3.2945e- [3.31]*.54682 [4.766]*.1689 [3.757]*.21993 3.1189* AIC -1.3358-1.3338-1.3338-1.3325 BIC -1.3219-1.3165-1.3165-1.3117 dengan melihat Tabel 3.5 diketahui hasil estimasi koefisien model IHSG, dimana peramalan menggunakan model paling baik dibanding model yang lainnya. Hal ini dapat dilihat dari uji AIC dan BIC yang memberikan nilai minimum pada peramalan model. Sehingga model pada Indosat adalah, adalah nilai residual, dan adalah nilai variansi. Tabel 3.6. Estimasi Parameter pada Unilever K 2e-7 [.62].98736 [4.2778]*.88373 [.8683] 2e-7 [.588].98733 [39.5789]*.88629 [.2168] 2e-7 [.365].5822 [.3352].91594 [5.5444]*.19531 [1.2163] 2e-7 [.291].6979 [.2575].19494 [1.1531] AIC -1.335-1.3285-1.3293-1.3273 BIC -1.3167-1.3112-1.312-1.365 dengan melihat Tabel 3.6 diketahui hasil estimasi koefisien model IHSG, dimana peramalan menggunakan model paling baik dibanding model yang lainnya. Hal ini dapat dilihat dari uji AIC dan BIC yang memberikan nilai minimum pada peramalan model. Sehingga model pada Unilever adalah,2, adalah nilai residual, dan adalah nilai variansi. Tabel 3.7. Estimasi Parameter pada Telkom K 5.5684e- [1.4115].7715 [3.9479]*.9165 [1.8646]*.1346 [2.4351]*.2813 [1.1288].57514 [.934].19186 [2.518]* 5.5735e- [1.1287].7696 [.994].91648 [1.747].15687 [2.1471]*.16534 [.7245].66124 [1.1147].21945 [2.8288]* AIC -1.2848-1.2869-1.2828-1.2857 BIC -1.271-1.2696-1.2655-1.2649 72
E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 Berdasarkan Tabel 3.7 diketahui hasil estimasi koefisien model Telkom, dimana peramalan menggunakan model paling baik dibanding model yang lainnya. Hal ini dapat dilihat dari uji AIC dan BIC yang memberikan nilai minimum pada peramalan model. Sehingga model pada Telkom adalah,5684, adalah nilai residual, dan adalah nilai variansi. Tahap selanjutnya dalam peramalan menggunakan model setelah dilakukan estimasi dan diperoleh model terbaik adalah melakukan uji Ljung-Box terhadap residual kuadrat yang distandarisasi dan uji ARCH terhadap residual yang distandarisasi dari model yang diperoleh. Tabel 3.8 Uji Ljung-Box Residual IHSG Setelah Estimasi Uji Ljung Box.643.2184 3.8415.4525 4.782 11.75.745 5.9942 16.919.7448 9.3659 22.362.7453 12.8633 27.5871.522 19.9888 32.676 Saham IHSG Holcim p Qstat CV.428.6998 3.8415.7425 2.7238 11.75.2749 11.116 16.919.4845 12.5334 22.362.2785 19.9177 27.5871.343 23.19 32.676 Indofood.9654.19 3.8415.7755 2.564 11.75.7646 5.755 16.919.9198 6.6379 22.362.9796 7.2788 27.5871.9914 8.6974 32.676.9453.47 3.8415.883 1.7677 11.75.97 4.1586 16.919.9649 5.4156 22.362.9755 7.5368 27.5871.9938 8.295 32.676 Indosat Uji ARCH LM.5686.325 3.8415.7462 2.6992 11.75.929 3.8514 16.919.9689 5.2649 22.362.9829 7.463 27.5871.4331 21.4276 32.676 p Qstat CV.3571.8481 3.8415.8591 1.9271 11.75.4521 8.849 16.919.6879 1.742 22.362.7698 12.4877 27.5871.947 13.115 32.676.8629.298 3.8415.9973.3167 11.75 1..4884 16.919 1..6235 22.362 1..6771 27.5871 1..844 32.676.8651.289 3.8415.9978.299 11.75.9999.5631 16.919 1..841 22.362 1. 1.35 27.5871 1. 1.3315 32.676.4731.5146 3.8415.938 1.273 11.75.9824 2.4434 16.919.9953 3.5152 22.362.9945 5.7876 27.5871.9934 8.372 32.676.5588.3418 3.8415.485 4.4616 11.75.482 8.5278 16.919.6921 1.229 22.362.6575 14.1348 27.5871.7435 16.4557 32.676 Unilever Telkom.992.1 3.8415.8499 1.9946 11.75.9793 2.5583 16.919.9975 3.1171 22.362.9997 3.6389 27.5871.9994 6.715 32.676.6534.216 3.8415.247 7.229 11.75.2216 11.8544 16.919.4975 12.3711 22.362.793 13.3963 27.5871.835 14.8476 32.676 dengan melihat Tabel 3.8 dapat dilihat bahwa berdasarkan Uji Ljung-box residual kuadrat yang distandarisasi dan uji ARCH LM terhadap nilai dugaan residual kuadratnya diperoleh bahwa nilai Q lebih kecil dari Critical Value (CV) atau nilai P lebih besar dari yang mengindikasikan tolak atau terima yang artinya nilai dugaan residual kuadrat IHSG sudah tidak berautokorelasi atau stasioner dan sudah tidak terdapat efek ARCH- dalam residual. C. Perhitungan Nilai Beta Saham Unggulan Tabel 3.9. Nilai beta pasar dari saham unggulan. Nama Saham Nilai Beta Variansi Saham IHSG.92 8.3931e- HOLCIM.28 4.3457e-4 INDOFOOD.133 1.7749e-4 INDOSAT.161 2.583e-4 UNILEVER.153 2.3389e-4 TELKOM.169 2.842e-4 Berdasarkan Tabel 3.9 terlihat bahwa perhitungan beta pasar berada dalam kelompok dimana saham unggulan memiliki risiko lebih rendah dari risiko pasar. Nilai beta tertinggi dimiliki oleh saham HOLCIM dengan =.28 dengan risiko saham sebesar 4.3457e-4. Hal ini sesuai dengan asumsi bahwa semakin besar nilai beta suatu saham maka semakin tinggi tingkat risiko saham tersebut dan semakin besar pula pengembalian yang diberikan saham tersebut. 73
Puspitayanti, N.K., K. Dharmawan, I P.E.N. Kencana Perhitungan Nilai Beta Dari Beberapa Saham Unggulan Tabel 3.1. Nilai Beta Pasar dari Saham Unggulan Menggunakan. Nama Saham Nilai Beta Variansi Saham HOLCIM.317.965 INDOFOOD.188.327 INDOSAT.2881.83 UNILEVER.141.18 TELKOM.286.435 Berdasarkan Tabel 3.1 terlihat bahwa perhitungan beta pasar berada dalam kelompok dimana saham unggulan memiliki risiko lebih rendah dari risiko pasar. Nilai beta tertinggi dimiliki oleh saham HOLCIM dengan =.317 dengan risiko saham yang ditanggung sebesar.965. Hal ini sesuai dengan asumsi bahwa semakin besar nilai betasuatu saham maka semakin tinggi tingkat risiko saham tersebut dan semakin besar pula pengembalian yang diberikan saham tersebut. D. Perbandingan Nilai Beta Saham Unggulan Beta Pasar Saham Unggulan Nama Saham Nilai Beta Variansi HOLCIM.28 4.3457e-4 INDOFOOD.133 1.7749e-4 INDOSAT.161 2.583e-4 UNILEVER.153 2.3389e-4 TELKOM.169 2.842e-4 Beta Pasar Saham Nama Saham Nilai Beta Variansi HOLCIM.317.965 INDOFOOD.188.327 INDOSAT.2881.83 UNILEVER.141.18 TELKOM.286.435 Pada tabel di atas terlihat bahwa nilai beta menggunakan model lebih besar dibandingkan beta pasar saham unggulan. Semakin besar nilai beta yang diperoleh maka saham tersebut semakin baik digunakan dalam berinvestasi. Selain beta nilai variansi atau risiko juga sangat penting dalam melakukan investasi saham. Terlihat bahwa variansi model lebih besar dibandingkan beta pasar saham unggulan. Semakin besar risiko yang dihadapi oleh investor maka semakin besar keuntungan yang diperoleh. 4. KESIMPULAN DAN SARAN Berdasarkan uraian dan analisisnya, dapat diambil kesimpulan saham-saham unggulan pada 23 September 213 sampai 24 September 214 memperoleh dimana saham unggulan memiliki risiko lebih rendah dari risiko pasar. Dan berdasarkan perhitungan beta pasar saham unggulan dan diperoleh nilai beta menggunakan model lebih besar dibandingkan dibandingkan nilai beta pasar. Dari penelitian di atas maka saran yang dapat penulis berikan adalah untuk investor yang berminat untuk melakukan investasi dengan menanam modalnya di bursa saham namun bukan bertujuan untuk spekulasi semata, sangat penting untuk melakukan analisa terhadap kinerja saham tersebut terlebih dahulu sehingga dapat mengetahui tingkat risiko dan tingkat pengembalian dari masing-masing saham dan untuk penelitian selanjutnya selain model dapat digunakan metode lain dalam pehitungan beta saham seperti metode CAPM dan juga lebih banyak lagi jenis saham yang dibandingkan nilai, misalnya indeks sektoral atau indeks LQ45. DAFTAR PUSTAKA [1] Agus Sartono. 1999. Manajemen Keuangan.edisi 3. BPFE UGM. [2] Ang, R. 1997. Pasar Modal Indonesia. Media SoftIndonesia. Jakarta. [3] Bollerslev, T.et all. 1986. Glosary to ARCH (). Volatility and Time Series 8,137-164. [4] Francis, Jack Clark. Wiley Finance, Volume 795. Modern Portofolio Theory+WS. Foundations, Analysis, and New Developments. Wiley, p. 311. [5] Husnan, Suad. 1998. Dasar-dasar Teori Portofolio. UPP AMP YKPM. Yogyakarta. [6] Hwang. SY., Basawa, I.V. Stationarity and Moment Structure for Box Coxtransformed Threshold Processes. Journal Statistics and Probability Letters, 68 (24, 29) A, S22. [7] Jogiyanto, Hartono 1998. Teori Portofolio dan Analisis Sekuritas.edisi ketiga. BPFE. Yogyakarta. 74
E-Jurnal Matematika Vol. 5 (2), Mei 216, pp. 67-75 ISSN: 233-1751 [8] Jogiyanto, Hartono 2. Teori Portofolio dan Analisis Investasi. edisi keempat. BPFE. Yogyakarta. [9] Luenberger, D.G. 1998. Investment Science.Oxford University Press. New York. [1] Riyanto, B. 1999. Dasar-dasar Pembelanjaan Perusahaan. BPFE. Yogyakarta. [11] Sawidji, Widoatmojo. 1996. Cara Sehat Investasi di Pasar Modal. Jakarta: Jurnalindo Aksan Grafika. [12] Weston, J. Fred dan Thomas E. Copeland. 1995. Manajeman Keuangan Jilid I, Edisi Keempat, Bina Aksara- Jakarta. 75