DAFTAR ISI HALAMAN JUDUL... I HALAMAN PENGESAHAN... II HALAMAN PERNYATAAN... III HALAMAN PERNYATAAN KEASLIAN... IV HALAMAN PERSEMBAHAN... V KATA PENGANTAR... VIII DAFTAR ISI... IX DAFTAR TABEL... XII DAFTAR GRAFIK... XIII DAFTAR LAMPIRAN... XIV ABSTRAKSI... XV ABSTRACT... XVI BAB I. PENDAHULUAN... 1 1.1. LATAR BELAKANG... 1 1.2. RUMUSAN MASALAH... 4 1.3. TUJUAN PENELITIAN... 4 1.4. MANFAAT PENELITIAN... 5 1.5. SISTEMATIKA PENULISAN... 5 BAB II. TINJAUAN LITERATUR... 7 2.1. PASAR MODAL YANG EFISIEN... 7 2.2. EFEK DAY OF THE WEEK... 10 2.3. PENELITIAN SEBELUMNYA... 11 2.4. PASAR MODAL INDONESIA... 15 2.5. PENGEMBANGAN HIPOTESIS... 19 IX
2.5.1. KETERKAITAN EFEK DAY OF THE WEEK DENGAN IMBAL HASIL... 19 2.5.2. KETERKAITAN EFEK DAY OF THE WEEK DENGAN VOLATILITAS IMBAL HASIL... 19 BAB III. METODOLOGI PENELITIAN... 21 3.1. JENIS DAN SUMBER DATA... 21 3.2. METODE PENGAMBILAN SAMPEL... 22 3.3. VARIABEL PENELITIAN DAN DEFINISI OPERASIONAL... 22 3.3.1. VARIABEL DEPENDEN... 22 3.3.2. VARIABEL INDEPENDEN... 23 3.4. METODE ANALISIS DATA... 24 3.5. METODE PENGUJIAN HIPOTESIS... 27 BAB IV. ANALISIS DATA DAN PEMBAHASAN... 31 4.1. DESKRIPSI OBJEK PENELITIAN... 31 4.2. STATISTIK DESKRIPTIF... 31 4.3. PENGUJIAN ASUMSI KLASIK... 34 4.3.1. UJI NORMALITAS... 34 4.3.2. UJI STASIONERITAS... 35 4.3.3. UJI MULTIKOLINEARITAS... 35 4.3.4. UJI HETEROSKEDASTISITAS... 36 4.3.5. UJI OTOKORELASI... 37 4.3.6. UJI EFEK ARCH-LM... 38 4.4. PENGUJIAN HIPOTESIS... 41 4.4.1. PENGUJIAN HIPOTESIS HUBUNGAN IMBAL HASIL DAN HARI PERDAGANGAN... 44 X
4.4.2. PENGUJIAN HIPOTESIS HUBUNGAN VOLATILITAS IMBAL HASIL DAN HARI PERDAGANGAN... 47 4.5. DISKUSI DAN IMPLIKASI... 49 BAB V. SIMPULAN DAN SARAN... 51 5.1. KESIMPULAN... 51 5.2. KETERBATASAN PENELITIAN... 52 5.3. SARAN... 53 DAFTAR PUSTAKA... 55 LAMPIRAN... 56 XI
DAFTAR TABEL Tabel 4. 1. Hasil Prosedur Penyampelan... 31 Tabel 4. 2. Ringkasan Statistik Imbal Hasil Indeks... 33 Tabel 4. 3. Hasil Uji Shapiro-Francia... 34 Tabel 4. 4. Hasil Uji Akar Unit... 35 Tabel 4. 5. Hasil Estimasi Uji VIF... 36 Tabel 4. 6. Hasil Perhitungaan Uji Breusch Pagan... 37 Tabel 4. 7. Hasil Uji Breuch-Godfrey... 38 Tabel 4. 8. Hasil Estimasi Metode Kuadrat Terkecil (OLS)... 39 Tabel 4. 9. Hasil Uji ARCH-LM... 40 Tabel 4. 10. Hasil Estimasi Prosedur Kriteria Informasi... 41 Tabel 4. 11. Subperiode Sampel Penelitian... 43 Tabel 4. 12. Hasil Estimasi Persamaan Rata-Rata Model Modifikasi GARCH... 45 XII
DAFTAR GRAFIK Grafik 4. 1. Plot Pangkat Dua Residual Error (1990-2014)... 42 XIII
DAFTAR LAMPIRAN LAMPIRAN 1. DO-FILE... 58 LAMPIRAN 2. TABEL PENGUJIAN AUTOCORELATION DAN PARTIAL AUTOCORELATION... 64 LAMPIRAN 3. HASIL REGRESI OLS... 66 LAMPIRAN 4. HASIL ESTIMASI MODEL MODIFIKASI GARCH(1,1)... 69 LAMPIRAN 5. HASIL PENGUJIAN KRITERIA INFORMASI... 81 LAMPIRAN 6. HASIL PENGUJIAN STASIONERITAS... 82 LAMPIRAN 7. HASIL PENGUJIAN MULTIKOLINEARITAS... 85 LAMPIRAN 8. HASIL PENGUJIAN OTOKORELASI... 87 LAMPIRAN 9. HASIL PENGUJIAN HETEROSKEDASTISITAS... 89 LAMPIRAN 10. HASIL PENGUJIAN EFEK ARCH-LM... 91 XIV
ABSTRAKSI Adanya fenomana pola imbal hasil pada hari tertentu merupakan bukti yang bertentangan dengan hipotesis pasar yang efisien. Pola imbal hasil seharusnya tidak dapat diprediksi sehingga investor tidak bisa memperoleh keuntungan abnormal. Penelitian ini menguji kembali pola imbal saham dengan hubungannya terhadap hari perdagangan. Model yang diuji adalah model modifikasi-garch yang sebelumnya diprakarsai oleh Berument dan Kiymaz (2001). Dengan mengamati pergerakan imbal hasil dari tahun 1990 sampai dengan 2014, studi ini menguji keberadaan fenomena day of the week pada pola imbal hasil dan volatilitasnya. Hasil penelitian ini menunjukkan adanya fenomena day of the week effect baik pada imbal hasil maupun volatilitasnya. Imbal hasil tertinggi terjadi pada hari Rabu sedangkan imbal hasil terendah terjadi pada hari Senin. Sedangkan volatilitas tertinggi terjadi pada hari Senin dan volatilitas terendah terjadi pada hari Jumat. Temuan dalam penelitian ini sesuai dengan penelitian terdahulu yang dilakukan oleh Berument dan Kiymaz (2001 dan 2003) di Kanada, Amerika Serikat, Jepang, dan Inggris. Analisis lebih mendalam dilakukan dengan memecah periode pengamatan menjadi tujuh subperiode untuk menguji konsistensi hasil pengujian. Dari analisis tersebut, penelitian ini menemukan bahwa pola day of the week effect tidak terjadi pada keseluruhan periode melainkan hanya secara parsial saja. Meskipun pola imbal hasil tidak persisten terhadap hari perdagangan, hal tersebut merupakan bukti bahwa Bursa Efek Indonesia tidak efisien. Argumen tersebut diperkuat dengan adanya pengaruh lag imbal hasil (t-1) pada pola imbal hasil. Artinya imbal hasil pada waktu ke-t dipengaruhi oleh imbal hasil sebelumnya. Temuan tersebut mengindikasikan investor dapat memperoleh kentungan tidak normal dengan memanfaatkan informasi pola imbal hasil masa lalu. Kata kunci: day of the week; anomali pasar; GARCH XV
ABSTRACT Unexplained daily pattern of return on a particular day is a contrary proof to the efficient market hypothesis. Pattern of stock return should be unpredictable so that investors cannot obtain abnormal profits. This study examine the pattern of stock returns in relation to trading days by using modification-garch which was previously initiated by Berument and Kiymaz (2001). By observing the movement of the return from 1990 through 2014, this study examines the existence of the day of the week effect on the terms of returns and volatility. The results indicate the existence of the day of the week effect on return and volatility equation. The highest return occurred on Wednesdays, while the lowest return occurred on Mondays. Meanwhile, the highest volatility occurred on Mondays and the lowest on Fridays. The finding of this study is consistent with previous studies conducted by Berument and Kiymaz (2001 and 2003) who examined the same market anomaly in Canada, the USA, Japan, and United Kingdom. Further analysis is done by splitting the observation period into seven sub-periods to test the consistency of the results. The sub-period analysis found that the pattern of day of the week effect does not occur in the whole period but only partially. The argument is strengthened by the influence of lag return (t-1) on the pattern of returns. This means that the return on time t affected by past return. These findings indicate that investors can obtain abnormal return by using past information of stock return. Keywords: the day of the week; market anomaly; GARCH XVI
BAB I PENDAHULUAN 1.1. LATAR BELAKANG Fenomena efek day of the week adalah salah satu dari jenis anomali kalender yang merupakan bukti bertentangan dengan hipotesis pasar yang efisien. Hasil temuan yang dipelopori oleh Cross (1973) dan French (1980) menunjukkan adanya pola imbal hasil tertentu pada pergerakan indeks harga saham berdasarkan hari perdagangan. Temuan anomali pasar adalah bukti yang bertentangan dengan hipotesis pasar efisien bentuk lemah (Copeland, 2005). Dengan asumsi bahwa harga mencerminkan secara segera seluruh informasi masa lalu yang relevan, maka seharusnya tidak terdapat pola imbal hasil tertentu dan semestinya pola imbal hasil sulit diprediksi oleh investor. Namun, hasil temuan beberapa peneliti tidak konsisten dengan argumen tersebut. Hal ini dibuktikan dengan ditemukannya fenomena day of the week. Fenomena tersebut terjadi ketika rata-rata imbal hasil tidak sama untuk setiap hari perdagangan dan diikuti pola yang persisten. Penelitian mengenai day of the week di bursa Amerika secara umum menunjukkan adanya pola imbal hasil signifikan pada hari Senin (Cross, 1973; French, 1980; Gibbons dan Hess, 1981; Keim dan Stambaugh, 1984; Lakonishok & Maberly, 1990; Rogalski, 1984) yang disebut sebagai Monday effect. Studistudi tersebut juga menemukan adanya imbal hasil positif pada hari Jumat dan disebut sebagai Weekend effect. Studi yang dilakukan oleh Jaffe dan Westerfield (1985) di beberapa negara, yaitu Amerika, Kanada, Inggris, Australia, dan Jepang memberikan 1
kesimpulan yang berbeda. Rata-rata imbal hasil terendah di Australia dan Jepang justru terjadi pada hari Selasa. Hal ini berbeda dengan hasil temuan sebelumnya di pasar modal Amerika yang umumnya imbal hasil terendah terjadi pada hari Senin. Studi di pasar modal Eropa menemukan pola yang sangat beragam (Alexakis dan Xanthakis, 1995; Berument dan Kiymaz, 2003; Jaffe dan Westerfield, 1985a, 1985b). Di Indonesia, studi yang mengamati efek day of the week telah banyak dilakukan. Studi yang dilakukan oleh Tandelilin dan Algifari (1999) menyimpulkan bahwa tidak terdapat imbal hasil negatif pada hari Senin secara signifikan. Hasil penelitian tersebut bertentangan dengan Cahyaningdyah (2005) yang justru menemukan adanya Monday effect di pasar modal Indonesia. Penemuan Monday effect ini juga didukung oleh studi yang dilakukan oleh Sumiyana (2007 dan 2008) dengan menggunakan data intraharian. Studi-studi yang sudah dilakukan di Indonesia belum ada yang berhasil mengungkapkan penyebab terjadinya kecenderungan imbal hasil negatif pada hari Senin maupun imbal hasil postif pada hari Jumat. Argumen French dan Roll (1986) menyatakan bahwa terdapat variansi imbal hasil lebih besar pada hari perdagangan yang diikuti hari libur bursa daripada hari lainnya. Sejalan dengan hal tersebut, Campbell dan Hentschel (1992) berargumen bahwa peningkatan volatilitas pasar modal akan meningkatkan tingkat imbal hasil yang diharapkan dan membuat harga sekuritas menjadi lebih rendah. Peningkatan volatilitas imbal hasil akan mengakibatkan naiknya tingkat risiko yang dipandang investor sebagai peningkatan ukuran risiko dari suatu aset. 2
Beberapa studi lain kemudian mengamati hubungan pola imbal hasil dan volatilitasnya dengan efek day of the week. Studi yang dilakukan oleh Berument dan Kiymaz (2001), disamping menginvestigasi efek day of the week pada imbal hasil S&P500 antara 1973 dan 1977, juga menganalisis pola volatilitas imbal hasil dengan menggunakan model modifikasi dari GARCH (Generalized Autoregressive Conditional Heteroscedasticity). Studinya menemukan bahwa rata-rata volatilitas imbal hasil bernilai positif terjadi pada hari Rabu dan negatif pada hari Senin. Berument dan Kiymaz (2003) menggunakan model yang sama untuk menguji pola efek day of the week pada 5 negara untuk mendapatkan bukti yang lebih luas. Hasil penelitian mereka menunjukkan hasil yang bervariasi tiap negara. Namun, secara umum imbal hasil terendah masih terjadi pada hari Senin dan tertinggi pada hari Jumat. Penelitan tersebut juga berhasil membuktikan adanya efek day of the week pada volatilitas imbal hasil. Studi tersebut juga menunjukkan bahwa pada hari Jumat volatilitas imbal hasil secara statistik lebih tinggi dibandingkan pada hari-hari lainnya. Studi-studi tersebut berargumen bahwa variansi imbal hasil pada pasar saham berubah antar waktu (time varying) dan conditional heteroscedasticty. Penelitian mengenai fenomena day of the week dengan menggunakan metode model ARCH (Autoregressive Conditional Heteroskedasticity) dan modifikasinya sudah dilakukan di negara maju maupun negara berkembang. Namun, saat ini hasil temuan dengan konteks Indonesia (Cahyaningdyah, 2005; Sumiyana, 2007 dan 2008; Tandelilin dan Algifari, 1999) masih memberikan kesimpulan yang beragam. Sampel yang digunakan dalam penelitan sebelumnya hanya terdiri dari beberapa emiten dengan kriteria tertentu sehingga tidak 3
mencerminkan keseluruhan keadaan pasar. Selain itu, metode pengujian yang digunakan masih menggunakan metode kuadrat terkecil (OLS) yang tidak bisa menangkap perubahan variansi data imbal hasil yang berbeda antar waktu. Studistudi tersebut juga masih menggunakan periode pengamatan yang masih relatif pendek dan lemah pada pendekatan metodologi. Penelitian ini diharapkan dapat menjawab kekurangan tersebut dengan menguji kembali model yang digunakan oleh Berument dan Kiymaz (2001) serta membandingkan dengan temuan studi sebelumnya yang terkait. 1.2. RUMUSAN MASALAH Permasalahan utama yang akan diteliti adalah adanya pola imbal hasil dan variansinya akibat pengaruh hari perdagangan. Dengan memperhatikan pola imbal hasil dan variansi indeks, maka rumusan masalah disusun dalam pertanyaan penelitian sebagai berikut: 1. Apakah terdapat pengaruh hari perdagangan terhadap imbal hasil indeks di Bursa Efek Indonesia? 2. Apakah terdapat pengaruh hari perdagangan terhadap volatilitas imbal hasil indeks di Bursa Efek Indonesia? 1.3. TUJUAN PENELITIAN Berdasarkan pada rumusan masalah, maka tujuan dari penelitian ini adalah sebagai berikut: 1. Menguji pengaruh hari perdagangan terhadap imbal hasil indeks di Bursa Efek Indonesia. 4
2. Menguji pengaruh hari perdagangan terhadap volatilitas imbal hasil indeks di Bursa Efek Indonesia. 1.4. MANFAAT PENELITIAN Manfaat yang didapatkan dari penelitian ini antara lain: 1. Kontribusi empiris, penelitan ini akan memberikan tambahan informasi dan konfirmasi terhadap penelitian sebelumnya dan referensi untuk penelitian selanjutnya dengan tema penelitian yang sama. 2. Kontribusi praktis, bagi investor dan masyarakat penelitian ini akan memberikan informasi mengenai pola imbal hasil dan variansi pada setiap hari perdagangan di pasar modal. Dengan mengetahui pola imbal hasil dan volatilitas yang diprediksi, maka investor bisa menyusun strategi dalam melakukan transaksi saham serta menyesuaikan portofolio mereka berdasarkan pertimbangan risiko dalam rangka memperoleh imbal hasil abnormal. 1.5. SISTEMATIKA PENULISAN Adapun sistematika penulisan dalam penelitan ini adalah sebagai berikut: BAB 1. Pendahuluan Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan. 5
BAB 2. Tinjauan Literatur Bab ini menguraikan teori-teori yang relevan serta hasil-hasil penelitian terdahulu yang berhubungan dengan penelitian ini. Bab ini juga berisi pengembangan hipotesis awal penelitian. BAB 3. Metodelogi Penelitian Bab ini mendeskripsikan sampel penelitian, jenis data, prosedur penelitian, model penelitian, metoda analisis data serta alat analisis yang digunakan dalam penelitan ini. BAB 4. Analisis dan Pembahasan Bab ini menjabarkan hasil penelitan, analisis hasil pengujian, serta pembahasan dari hasil analisis data. BAB 5. Kesimpulan dan Saran Bab ini menyajikan kesimpulan dari hasil penelitian, kelemahan dan keterbatasan dalam penelitan serta saran untuk penelitan yang terkait di masa mendatang. 6
BAB II TINJAUAN LITERATUR 2.1. PASAR MODAL YANG EFISIEN Pasar yang efisien adalah kondisi dimana harga sekuritas mencerminkan seluruh informasi yang relevan dengan tepat dan secara segera tersedia (Fama, 1991). Ketika harga sekuritas sudah mencerminkan semua informasi yang relevan, maka investor yang memanfaatkan informasi tersebut tidak bisa memperoleh imbal hasil abnormal di pasar. Pasar efisien diklasifikasikan menjadi tiga bentuk, yaitu pasar efisien bentuk lemah (weak form), bentuk setengah kuat (semi-strong form), dan bentuk kuat (strong form). Hipotesis pasar yang efisien dalam bentuk lemah menyatakan bahwa harga mencerminkan semua informasi yang bisa diperoleh dari data perdagangan pasar berupa data historis, volume perdagangan dan bunga pinjaman (Bodie, Kane, dan Marcus, 2006). Bentuk pasar ini berimplikasi bahwa analisis tren harga merupakan hal yang tidak berguna. Hipotesis ini didasari bahwa data harga saham masa lalu tersedia di publik dan tidak ada biaya untuk mendapatkannya. Hipotesis bentuk lemah juga menyatakan bahwa jika data tersebut bisa dijadikan sinyal yang reliabel untuk memprediksi kinerja saham dimasa depan, seluruh investor sudah mempelajari untuk mengekspolitasi sinyal tersebut. Pada akhirnya sinyal tersebut akan kehilangan nilainya ketika hal tersebut diketahui secara meluas. Ketika ada berita baik (good news), investor diasumsikan mengetahui informasi tersebut dan bisa memprosesnya, sehingga ketika terjadi kenaikan harga, tidak satupun investor memperoleh imbal hasil abnormal. Fama (1991) kemudian 7
merevisi hipotesis bentuk lemah. Disamping hanya menguji imbal hasil masa lampau, dia mengarah pada area yang lebih umum. Revisi baru dari hipotesis bentuk lemah dinamakan uji prediktabilitas imbal hasil (test for return predictability). Revisi tersebut memasukkan pengujian untuk memprediksi imbal hasil dengan variabel lain seperti dividend yield dan suku bunga. Hipotesis setengah kuat menyatakan bahwa harga sekuritas disamping dipengaruhi oleh informasi harga masa lalu, juga dipengaruhi oleh semua informasi yang dipublikasikan. Hipotesis ini menyatakan bahwa harga secara penuh mencerminkan (fully reflected) semua informasi yang dipublikasikan (all public available information) termasuk informasi yang diperoleh dari laporan keuangan perusahaan emiten. Dengan kata lain tidak ada seorang investor pun yang dapat memperoleh keuntungan abnormal dengan menggunakan informasi yang sudah dipublikasikan. Para peneliti telah menguji keadaan ini dengan melihat peristiwa-peristiwa tertentu seperti penerbitan saham baru, penerbitan obligasi, pengumuman laba dan dividen, perkiraan laba perusahaan, perubahan praktik akutansi, merger, akusisi, pemecahan saham, dan lain-lain. Pada tahun 1991, Fama mengubah nama hipotesis bentuk setengah kuat menjadi studi peristiwa (event study). Pada bentuk terakhir, hipotesis pasar yang efisien dalam bentuk kuat berarti bahwa semua informasi baik yang terpublikasi maupun tidak terpublikasi, sudah tercermin dalam harga sekuritas saat ini. Hipotesis ini mengindikasikan bahwa harga sekuritas mampu sepenuhnya mencerminkan semua informasi relevan dari perusahaan, bahkan jika informasi tersebut hanya bisa diakses oleh orang dalam perusahaan (company insider). Insider didefinisikan sebagai ahli 8
keuangan atau manajer keuangan dari perusahaan terbuka. Jika insider punya kekuatan untuk mengakses informasi, besar kemungkinan mereka akan mendapatkan imbal hasil lebih besar daripada rata-rata selain itu mereka juga bisa menggunakan informasi tersebut sebelum diumumkan ke publik untuk mendapatkan keuntungan. Hipotesis bentuk kuat memasukkan informasi yang ada pada hipotesis bentuk setengah kuat ditambah informasi yang hanya tersedia pada corporate insider. Fama (1991) menyempurnakan hipotesis bentuk setengah kuat menjadi informasi privat (private information) dan menguji bagaimana corporate insider bisa memiliki informasi privat. Studi tersebut membuktikan bahwa corporate insider bisa mendapatkan informasi privat untuk memperoleh keuntungan diatas investor normal. Pada waktu yang sama, studi ini juga menguji kemampuan manajer reksadana dan dana pensiun untuk mendapatkan keuntungan tidak normal. Hasil penelitian tersebut menunjukkan bahwa investor profesional pada umumnya tidak memiliki kemampuan untuk mendapatkan keuntungan dengan mengikuti corporate insider. Hipotesis pasar efisien mendapat banyak perdebatan, salah satunya dengan ditemukannya anomali pasar. Anomali pasar dikelompokkan menjadi anomali kalender, anomali ukuran (size anomaly), anomali peristiwa, anomali perusahaan, dan anomali akuntansi. Anomali kalender sendiri terdiri dari berbagai macam, diantaranya day of the week effect, January effect, efek hari libur (holiday effect), efek musiman, dan lain lain (Berument dan Kiymaz, 2001). Fokus penelitian ini membahas fenomena day of the week sebagai bukti bahwa pasar tidak efisien seperti dugaan sebelumnya. 9
2.2. EFEK DAY OF THE WEEK Segala pola yang bisa diprediksi dari imbal hasil aset dan bisa dieksploitasi disebut sebagai bukti melawan efisiensi pasar bentuk lemah (Copeland, 2005). Ketika pasar diasumsikan efisien, maka seharusnya investor tidak bisa memprediksi harga masa mendatang dengan memanfaatkan informasi masa lalu, sehingga investor tidak bisa memperoleh imbal hasil abnormal. Anomali pasar merupakan fenomena yang persisten dan menyimpang dari hipotesis pasar yang efisien. Banyak penelitian yang menunjukkan adanya pola dalam pergerakan harga saham. Pola tersebut menunjukkan adanya tingkat imbal hasil yang lebih tinggi atau lebih rendah pada saat tertentu. Salah satu pola tersebut adalah adanya perbedaan imbal hasil untuk hari-hari tertentu diantara hari perdagangan. Berument dan Kiymaz (2001) mendefenisikan efek day of the week sebagai sebuah fenomena terjadinya pola imbal hasil tertentu pada hari perdagangan yang persisten dan secara statistik signifikan. Kecenderungan terjadinya imbal hasil negatif pada hari Senin disebut sebagai Monday effect dan terjadinya imbal hasil positif pada hari Jumat disebut sebagai weekend effect. Lalu, kecenderungan imbal hasil negatif pada hari Selasa disebut sebagai Tuesday effect. Jika diasumsikan terdapat efek day of the week, maka investor atau pelaku pasar dapat mengambil keuntungan dengan melakukan transaksi pada hari-hari tertentu, baik transaksi beli maupun jual. Dalam kasus Monday effect dan efek akhir pekan (Weekend effect), investor dapat menerapkan strategi dengan membeli sekuritas pada hari Senin, ketika harga cenderung turun dengan adanya indikasi tren rata-rata imbal hasil hari Senin negatif. Selanjutnya investor bisa menjual 10
sekuritasnya pada hari Jumat yang secara statistik memberikan imbal hasil yang positif. 2.3. PENELITIAN SEBELUMNYA Adanya pola imbal hasil tertentu yang persisten untuk setiap hari perdagangan sebelumnya telah diteliti oleh Cross (1973). Ia mengamati pola imbal hasil indeks S&P500 pada tahun 1953 sampai 1970 serta hubungannya dengan hari perdagangan, khususnya pada hari Jumat dan Senin. Penelitian tersebut menemukan bahwa terdapat imbal hasil negatif pada hari Senin secara rata-rata. French (1980) juga menginvestigasi pergerakan indeks S&P 500 dengan periode pengamatan yang lebih panjang, mulai tahun 1953 hingga 1977. Temuannya juga serupa dengan Cross (1973) yang membuktikan adanya imbal hasil negatif pada hari Senin dan disebut sebagai Monday effect. Pada umumnya, imbal hasil negatif terjadi karena investor mengantisipasi kedatangan informasi yang tidak diinginkan di akhir pekan, yaitu dengan cara mendiskon harga pada hari Senin. Temuan tersebut menyarankan investor untuk dapat memanfaatkan anomali ini, sehingga dapat meraih keuntungan yang lebih tinggi. Investor beli dapat melakukan penundaan pembelian hingga hari Senin karena pada hari tersebut rata-rata harga secara relatif lebih rendah. Sedangkan, investor jual dapat melakukan transaksi pada hari Jumat karena rata-rata harga lebih tinggi dari hari lainnya. Namun demikian, apabila investor menggunakan strategi perdagangan aktif dengan niatan mendapatkan imbal hasil yang lebih tinggi secara rata-rata, investor tetap tidak akan mendapatkan keuntungan signifikan karena adanya kos transaksi yang harus ditanggung. Sedangkan bagi investor yang melakukan 11
strategi beli dan tahan (buy and hold) maka investor secara rata-rata akan mendapatkan imbal hasil dengan kisaran 5.5% dalam periode satu tahun. Studi Lakonishok dan Maberly (1990) meneliti faktor-faktor yang dapat mempengaruhi imbal hasil saham harian di NYSE selama periode 1962-1886. Mereka menemukan bahwa pola aktivitas perdagangan harian yang dilakukan oleh investor berkontribusi terhadap terjadinya imbal hasil negatif pada hari Senin. Pada hari tersebut, tingkat keinginan bertransaksi investor lebih besar dibandingkan dengan hari lainnya secara rata-rata sehingga aktivitas transaksi pada hari Senin lebih tinggi dari pada hari-hari lainnya. Mereka juga berargumen bahwa investor memiliki kecenderungan untuk menjual lebih tinggi dibanding membeli saham, sehingga membuat harga ekulibrium saham berkecenderungan bergeser ke arah yang lebih rendah. Hasil penelitian yang sama ditunjukkan oleh Gibbons dan Hess (1981) dengan mengamati S&P 500, indeks CRSP Value dan equally-weighted NYSE (New York Stock Exchange) serta AMEX (America Stock Exchange) pada tahun 1962 sampai dengan 1978. Terjadinya imbal hasil negatif pada hari Senin merupakan kesalahan pengukuran (measurement error). Imbal hasil hari Senin dihitung berdasarkan harga penutupan ke penutupan (close to close) dari hari Jumat. Jaffe dan Westerfield (1985a dan 1985b) menemukan fenomena yang sama pada pasar modal Kanada, Inggris, Jepang dan Australia dengan fenomena yang umumnya terjadi di Amerika. Temuannya membuktikan bahwa hari Senin memiliki rata-rata imbal hasil pasar negatif di Kanada, Inggris dan Amerika, sedangkan Jepang dan Australia memiliki imbal hasil negatif justru terjadi pada hari Selasa. 12
Fenomena efek day of the week juga terjadi di negara berkembang. Penelitian yang dilakukan oleh Aggarwal dan Rivoli (1989) di Hong Kong, Singapura, Malaysia dan Filipina menemukan adanya Monday effect yaitu imbal hasil negatif dan signifikan terjadi pada hari Senin. Menariknya, penelitian mereka juga menemukan adanya Tuesday effect dan diduga imbal hasil negatif yang terjadi pada hari Selasa merupakan refleksi keterhubungan dengan keadaan pasar di New York pada hari Senin akibat selisih waktu 13 jam. Beberapa penelitan mengenai efek day of the week juga telah dilakukan di Indonesia. Tandelilin dan Algifari (1999) meneliti 40 saham teraktif berdasarkan volume perdagangan pada Januari sampai Desember 1996. Penelitian ini menggunakan regresi metode kuadrat terkecil (ordinary least square) dan analisis variansi (ANOVA) untuk menguji perbedaan imbal hasil saham untuk setiap hari perdagangan. Hasil penelitian menunjukkan bahwa terdapat imbal hasil positif pada hari Selasa, Rabu, dan Jumat, sedangkan pada hari Senin dan Kamis tidak ditemukan pola imbal hasil yang secara statistik signifikan. Mereka berargumen bahwa hal tersebut terjadi akibat pada hari Senin dan Kamis, investor cenderung menahan diri untuk bertransaksi karena sedang menyusun strategi perdagangan untuk hari perdagangan berikutnya. Argumen tersebut dibuktikan dengan tren volume perdagangan pada hari Senin dan Kamis yang secara relatif lebih rendah dibandingkan hari perdagangan lainnya. Kesimpulan yang berbeda dikemukakan oleh Cahyaningdyah (2005) yang mengamati 73 saham teraktif mulai Januari 2001 hingga Desember 2003 di Bursa Efek Indonesia. Hasil penelitiannya membuktikan bahwa imbal hasil terendah terjadi pada hari Senin dan imbal hasil tertinggi terjadi pada hari Jumat. Namun 13
penelitian ini minim argumentasi dalam memberikan penjelasan penyebab terjadinya imbal hasil negatif pada hari Senin. Hasil yang sama juga ditemukan oleh Sumiyana (2007 dan 2008) dengan menggunakan data intraharian. Sampel yang digunakan adalah emiten indeks LQ45 pada periode 1999 hingga 2005. Penelitian ini menyimpulkan adanya imbal hasil negatif signifikan pada hari Senin secara parsial dan insidentil. Artinya, imbal hasil negatif tidak terjadi pada hari Senin secara keseluruhan tetapi hanya terjadi pada menit-menit tertentu pada jam perdagangan saja. Fenomena efek day of the week tidak hanya terjadi pada persamaan imbal hasil tetapi juga pada persamaan volatiltas (Berument dan Kiymaz, 2003). Studi yang dilakukan oleh Berument dan Kiymaz (2001) disamping menginvestigasi efek day of the week pada imbal hasil S&P 500 antara 1973 dan 1997, juga menganalisis pola volatilitas imbal hasil dengan menggunakan model ordinary least square, GARCH (1,1) dan modifikasi dari GARCH (Generalized Autoregressive Conditional Heteroscedasticity). Berument dan Kiymaz (2003) kemudian menggunakan model yang sama dan meneliti berbagai indeks bursa beberapa negara. Hasil studi tersebut memaparkan bahwa volatilitas imbal hasil tertinggi terjadi pada hari Senin di Jerman dan Jepang. Kanada dan Amerika Serikat juga memiliki volatilitas yang signifikan pada hari Jumat, sedangkan volatilitas yang signifikan di Inggris terjadi pada Rabu. Volatilitas terendah terjadi pada hari Senin di Kanada, Jerman, Jepang, Inggris, dan Amerika Serikat. Dari beberapa studi yang sudah dilakukan di Indonesia, belum ada publikasi penelitan yang menggunakan metode ARCH (Autoregressive Conditional Heteroscedasticity) dalam pengujian efek day of the week. Padahal, 14
sifat data imbal hasil saham memiliki kecenderungan berbeda antar waktu (time varying) dan mengandung conditional heteroskedasticty (Berument dan Kiymaz, 2003). Selain itu, karakteristik data imbal hasil aset keuangan bertendensi untuk terjadi volatilitas klaster atau volatilitas pooling. Volatilitas klaster ialah kecenderungan perubahan besar harga aset yang dikuti oleh perubahan besar dan perubahan kecil dikuti perubahan kecil (Brooks, 2014). Ketika terdapat variansi tidak konstan maka besaran standar error hasil estimasi menjadi tidak berguna karena asumsi heteroskedastisitas dilanggar. Jika asumsi tersebut dilanggar maka nilai t-statistik juga tidak bisa digunkan untuk pengujian hipotesis. Untuk mengatasi permasalahan tersebut, dalam penelitian ini menggunakan metode modifikasi-garch(1,1) untuk menguji kembali pengaruh hari perdagangan terhadap pola imbal hasil di Bursa Efek Indonesia. 2.4. PASAR MODAL INDONESIA Produk Domestik Bruto (PDB) Indonesia pada tahun 2014 mencapai Rp10.542,7 triliun dan PDB perkapita mencapai Rp41,8 juta atau US$3,531.5. Angka tersebut menurun dibandingkan pada tahun 2013 yang mencapai US$3,565. Pertumbuhan ekonomi Indonesia juga menurun sebesar 0,56% dari sebelumnya mencapai 5,58% di tahun 2013 menjadi hanya 5,02% tahun 2014. Ditinjau dari angka-angka tersebut, Indonesia, menurut World Bank (2014) diklasifikasikan sebagai negara berkembang (emerging countries). Aktivitas modal masuk maupun keluar baik domestik maupun asing hanya melalui pasar keuangan yang dibawahi langsung oleh Bursa Efek Indonesia. Investor yang hendak bertransaksi di pasar modal, baik asing maupun domestik, harus mendafatarkan diri melalui perusahaan efek atau pialang. Sebelum tahun 15
2013, Bursa Efek Indonesia beroperasi dibawah pengawasan BAPEPAM (Badan Pengawas Pasar Modal). Kemudian, fungsi pengawasan digantikan peranannya oleh Otoritas Jasa Keuangan berdasarkan UU nomer 21 tahun 2011. Ditinjau dari ukuran perkembangan pasar modal, nilai kapitalisasi Bursa Efek Indonesia, khususnya pasar saham pada tahun 2014 mencapai Rp5.228,04 triliun. Angka ini naik sebesar 23,9% dari tahun sebelumnya yang mencapai Rp4.219,02 triliun. Rasio nilai kapitalisasi pasar Bursa Efek Indonesia terhadap produk domestik bruto pada tahun 2014, yaitu sebesar 46,6%, meningkat dari tahun sebelumnya yaitu sebesar 42,2%. Bila angka tersebut dibandingkan dengan negara ASEAN, Indonesia masih berada dibawah posisi Singapura yang memiliki nilai rasio sebesar 300% dan Malaysia yang mencapai kisaran 100% (World Bank, 2014). Investor asing masih mendominasi kepemilikan saham dengan persentase 60% di Bursa Efek Indonesia (OJK, 2013). Bursa Efek Indonesia sebelumnya terdiri dari Bursa Efek Jakarta dan Bursa Efek Surabaya. Keduanya kemudian bergabung menjadi satu di tahun 2007. Pada tahun 1995, Bursa Efek Indonesia mulai memperkenalkan sistem perdagangan elektronik Jakarta Automated Trading System (JATS). Setiap pesanan transaksi di kantor broker (perusahaan efek) langsung dikirim ke sistem perdagangan bursa efek (sistem JATS), tanpa perlu memasukkan pesanan dari lantai bursa (trading floor). Dengan demikian, pesanan oleh klien melalui pialang dapat dilakukan di mana saja selama masih terhubung dengan sistem perdagangan bursa. Bagi pemodal, sistem perdagangan jarak jauh ini ditujukan untuk mempercepat proses transaksi dan konfirmasi serta pesanan investor dari luar kota yang dapat langsung dieksekusi melalui sistem perdagangan bursa. 16
Bursa efek merupakan sebuah pasar yang teroganisir, yaitu para pialang melakukan transaksi jual beli surat berharga dengan berbagai perangkat aturan yang ditetapkan oleh bursa efek tersebut. Perusahaan efek ini mewakili wakilnya di Bursa efek yang biasanya disebut sebagai pialang. Pialang itu yang akan melakukan transaksi berdasarkan pesanan dari investor untuk jual maupun beli. Aktivitas perdagangan difasilitasi oleh bursa efek, sedangkan penyelesaian transaksi (settlement) difasilitasi oleh 2 lembaga yaitu Lembaga Kliring dan Penjamin atau disingkat LKP dan Lembaga Penyimpan dan Penyelesaian atau disingkat LPP. LKP diwakili oleh PT Kliring dan Penjamin Efek Indonesia (KPEI) dan LPP diwakili oleh PT Kustodian Sentral Efek Indonesia (KSEI). Penyelesaian transaksi saham membutuhkan waktu selama tiga hari bursa. Istilah penyelesaian tersebut dikenal dengan singkatan t + 3 yang berarti investor mendapatkan haknya pada hari keempat setelah transaksi terjadi. Sistem perdagangan tanpa warkat dan penyelesaian transaksi dilakukan dengan pemindahbukuan (book entry settlement). Bursa efek juga menerapkan perdagangan marjin dengan syarat tertentu. Kemudian, pada tahun 2009, bursa mengizinkan adanya short selling. Pasar saham di Bursa Efek Indonesia terbagi menjadi tiga segmen, yaitu pasar reguler, pasar tunai, dan pasar negosiasi. Perdagangan saham di pasar reguler dan tunai didasarkan pada mekanisme lelang. Prioritas utama dalam lelang ditentukan berdasarkan antrian harga terbaik pada sisi tawar (bid) dan minta (ask) serta prioritas waktu antrian (price dan time priority). Pihak yang menawarkan harga paling tinggi untuk membeli atau harga paling rendah untuk menjual akan mendapatkan prioritas dalam suatu transaksi dengan mempertimbangkan waktu 17
pesanan. Sejak Januari 2014, aturan terbaru perdagangan dilakukan dengan satuan lot yang terdiri dari 100 lembar saham yang sebelumnya bersatuan 500 lembar saham. Artinya, investor ketika bertransaksi baik jual maupun beli, paling sedikit memperjualbelikan sejumlah 100 lembar saham (1 lot) atau kelipatannya. Harga tersebut dibentuk dari pesanan dan mekanisme lelang dari pasar reguler yang kemudian dikalkulasi menjadi indeks. Indikator utama Bursa Efek Indonesia yang merepresentasikan baik pasar saham biasa maupun saham preferen secara keseluruhan dinamakan Indeks Harga Saham Gabungan (IHSG) atau disebut juga Jakarta Composite Index (JCI). IHSG merupakan indeks seluruh saham yang diperdagangkan di Bursa Efek Indonesia. Indeks ini diluncurkan pada tanggal 1 April 1983 yang terdiri dari 13 saham yang tercatat. Perhitungan IHSG menggunakan hari dasar pada tanggal 10 Agustus 1982 dengan basis poin 100. Pada awal bulan Januari tahun 2015, jumlah saham yang terdaftar dan aktif diperdagangkan adalah sejumlah 508 emiten dan jumlah ini terus berkembang setiap tahunnya. Basis perhitungan IHSG menggunakan nilai pasar agregat dari jumlah saham terdaftar pada tanggal 10 Agustus 1982. Nilai pasar agregat adalah total perkalian dari setiap jumlah saham yang terdaftar (kecuali saham perusahaan yang sedang menjalani program restrukturisasi) dengan setiap harganya masing-masing pada hari tersebut (IDX, 2014). 18
2.5. PENGEMBANGAN HIPOTESIS 2.5.1. KETERKAITAN EFEK DAY OF THE WEEK DENGAN IMBAL HASIL Pada hipotesis pasar yang efisien, rata-rata imbal hasil semestinya tidak bisa diprediksi karena harga sudah mencerminkan seluruh informasi masa lalu. Bila asumsi tersebut dipenuhi, maka efek day of the week seharusnya tidak terjadi dan rata-rata imbal hasil sama untuk setiap hari perdagangan. Hal ini berarti investor tidak mungkin memperoleh imbal hasil abnormal dengan memanfaatkan informasi data historis (Fama, 1991). Namun demikian, beberapa penelitian sebelumnya (Aggarwal dan Rivoli, 1989; Cross, 1973; French, 1980; Harris, 1986; Lakonishok dan Maberly, 1990; Rogalski, 1984) menemukan adanya efek day of the week. Fenomena tersebut ditandai dengan adanya imbal hasil pada setiap hari perdagangan yang secara statistik berbeda dengan hari-hari lainnya. Jika ditemukan hal tersebut, maka pasar disimpulkan terdapat efek day of the week dan argumen hipotesis pasar yang efisien tidak terdukung. Dari hasil penelitian tersebut hipotesis pertama dirumuskan sebagai berikut: Hipotesis 1 : Hari perdagangan berpengaruh terhadap imbal hasil indeks di Bursa Efek Indonesia 2.5.2. KETERKAITAN EFEK DAY OF THE WEEK DENGAN VOLATILITAS IMBAL HASIL Beberapa penelitian sebelumnya membuktikan adanya hubungan tingkat imbal hasil dengan volatilitasnya (Brooks, 2014). Semakin tinggi volatilitas, maka 19
risiko yang dipersepsikan oleh investor akan semakin besar. Dengan asumsi investor adalah rasional, maka mereka akan meminta tingkat imbal hasil yang disyaratkan lebih tinggi untuk mendiskon risiko tersebut. Dalam kaitannya dengan efek day of the week, Berument dan Kiymaz (2001) menyimpulkan bahwa hari Rabu, Kamis dan Jumat memiliki volatiltas yang secara statistik berbeda dengan hari perdagangan lainnya. Untuk menjawab tujuan penelitian kedua, maka dapat dirumuskan hipotesis sebagai berikut: Hipotesis 2 : Hari perdagangan berpengaruh terhadap volatilitas indeks di Bursa Efek Indonesia 20
BAB III METODOLOGI PENELITIAN Penelitian ini menggunakan metode deduksi hipotesis dengan tujuan menguji kembali hipotesis yang diajukan pada penelitian sebelumnya (Berument dan Kiymaz, 2001 dan 2003) dengan penyesuaian pada lingkup penelitian dan subjek penelitian sehingga penelitian ini berjenis penelitian konfirmatori. Peneliti akan menggunakan data sekunder yang berbentuk data runtut waktu. Penelitian menganalisis data menggunakan metode regresi OLS berganda dan modifikasi- GARCH (1,1). 3.1. JENIS DAN SUMBER DATA Penelitian ini menggunakan data harian yang diunduh melalui antar muka Bloomberg L.P. yang berada di Financial Market Update Corner Fakultas Ekonomika dan Bisnis Universitas Gadjah Mada. Data-data lain yang mendukung penelitian ini diambil dari situs resmi Bursa Efek Indonesia, yaitu www.idx.co.id. Sampel yang akan digunakan dalam penelitian ini adalah data indeks yang mewakili seluruh keadaan pasar di Bursa Efek Indonesia. Periode pengamatan dalam penelitian ini sepanjang 25 tahun, mulai dari 1 januari 1990 hingga 31 Desember 2014. Pemilihan indeks bursa sebagai proksi imbal hasil pasar mengacu pada penelitan sebelumnya yang dilakukan oleh French (1980) dan Berument dan Kiymaz (2001 dan 2003). 21
3.2. METODE PENGAMBILAN SAMPEL Dalam penelitan ini, periode pengamatan ditentukan mulai dari 1 Januari 1990 sampai dengan 31 Desember 2014. Dari 25 tahun periode pengamatan, peneliti lalu menentukan hari libur bursa. Apabila dari data imbal hasil yang dihitung terdapat hari libur bursa, maka observasi tersebut dikeluarkan dari sampel. Satu observasi imbal hasil hanya mengandung informasi satu hari perdagangan. Kecuali imbal hasil hari Senin yang memuat informasi mulai dari penutupan bursa hari Jumat hingga penutupan bursa hari Senin. Selain itu imbal hasil bernilai nol dikeluarkan dari sampel. Hal tersebut terjadi apabila harga penutupan hari ke-t sama dengan hari ke-t-1. Metode pemilihan sampel ini mengacu pada penelitian sebelumnya yang dilakukan oleh French (1980). 3.3. VARIABEL PENELITIAN DAN DEFINISI OPERASIONAL Penelitian ini terdiri dari dua variabel, yaitu variabel dependen dan variabel independen. Definisi operasional dan pengukuran masing-masing variabel tersebut disajikan di bawah ini. 3.3.1. VARIABEL DEPENDEN Variabel dependen adalah variabel yang menjadi perhatian utama peneliti. Tujuan peneliti adalah memahami dan mendeskripsikan variabel terikat, atau menjelaskan variabilitasnya, atau memprediksinya (Sekaran dan Bougie, 2010). Variabel dalam penelitian ini adalah tingkat imbal hasil pasar. Tingkat imbal hasil pasar diproksikan oleh imbal hasil indeks bursa secara keseluruhan. Dalam penelitian ini indeks bursa yang digunakan ialah Indeks Harga Saham Gabungan (IHSG). Selanjutnya, ukuran imbal hasil pasar dihitung dengan nilai log natural 22
dari selisih nilai indeks pada waktu ke-t dengan ke-t-1. Persamaan tersebut diformulasikan sebagai berikut RR! = ln PP! PP!!! 100% Dimana, R t = Tingkat imbal hasil pada waktu ke-t P t = Harga indeks pada waktu ke-t P t-1 = Harga indeks pada waktu 1 hari sebelum waktu ke-t 3.3.2. VARIABEL INDEPENDEN Variabel independen adalah variabel yang mempengaruhi variabel dependen secara negatif atau positif (Sekaran dan Bougie, 2010). Variansi pada independen terikat disebabkan oleh variabel independen.yang menjadi variabel independen dalam penelitian ini terdiri dari beberapa variabel boneka (dummy variabel) yang mewakili masing-masing hari. Variabel boneka dibuat mulai dari hari Senin sampai dengan Jumat. Hari Rabu dijadikan sebagai kategori dasar (base category), sehingga dari 5 hari perdagangan bursa hanya terdapat 4 variabel boneka. Variabel boneka hari Senin (M t ) berkode satu apabila imbal hasil terjadi pada hari Senin dan berkode nol jika selain hari Senin. Sedangkan variabel boneka hari Selasa (T t ) akan berkode nol apabila imbal hasil terjadi pada hari Selasa dan berkode nol jika bukan hari Selasa dan seterusnya untuk hari Kamis (H t ) dan Jumat (F t ). 23
3.4. METODE ANALISIS DATA Untuk mencapai tujuan penelitian, peneliti akan menggunakan analisis statistik dengan perangkat lunak STATA versi 12. Selanjutnya, peneliti melakukan uji asumsi klasik untuk menghasikan estimasi yang tidak bias. Beberapa uji asumsi klasik yang dilakukan adalah: 3.4.1. UJI NORMALITAS Uji normalitas dalam penelitian ini menggunakan metode uji Shapiro- Francia. Data dikatakan terdistiribusi normal jika nilai probabalitas diatas 0,05. Hipotesis nol dalam penelitian ini adalah data terdistirbusi normal. 3.4.2. UJI STASIONERITAS Data dikatakan stasioner apabila rata-rata variansi error konstan tiap waktunya atau jika rata-rata variansi yang dijumlahkan sama dengan nol. Uji stasioneritas dilakukan untuk menguji akar unit dengan menggunakan Augumented Dickey Fuller test. Hipotesis yang digunakan dalam menghitung tersaji sebagai berikut: H 0 : Tidak ada akar unit H 1 : Terdapat akar unit Hipotesis awal mengindikasikan bahwa data memiliki akar unit. Nilai uji ADF t-statistik dengan angka lebih rendah dari nilai kritis 5% mengindikasikan bahwa data tidak memiliki masalah akar unit. Apabila data tidak memiliki masalah akar unit, maka dapat simpulkan bahwa data tersebut telah stasioner. 24
3.4.3. UJI MULTIKOLINEARITAS Salah satu asumsi klasik dalam pembuatan model adalah pemenuhan asumsi bahwa tidak terdapat multikolinearitas antar-regressor dalam model regresi (Gujarati, 2004). Multikolinearitas adalah adanya hubungan linier yang sempurna antar variabel pernjelas yang digunakan dalam model regresi. Multikolinearitas dapat menyebabkan estimasi yang tidak akurat dan interpretasi model yang kelitu. Permasalahan tersebut dapat dideteksi dengan menggunakan metode Variance Inflation Factor (VIF). Semakin tinggi VIF, maka semakin tinggi besaran multikolinearitas antarvariabel independen. 3.4.4. UJI HETEROSKEDASTISITAS Homoskedastisitas berarti bahwa variansi error yang konstan untuk setiap observasi. Asumsi tersebut merupakan salah satu syarat untuk menghasilkan hasil estimasi yang BLUE (Best Linear Unbiased Estimator) (Gujarati, 2004). Sebaliknya, heteroskedastisitas atau keadaan ketika variansi error tidak lagi konstan, akan menyebabkan kesimpulan yang menyesatkan. Permasalahan variansi tersebut dideteksi dengan menggunakan uji Breusch-Pagan. 3.4.5. UJI OTOKORELASI Otokorelasi terjadi apabila terdapat hubungan antara residual dengan error lainnya. Alat yang digunakan dalam pengujian otokorelasi ialah uji Breusch- Godfrey LM. Adapun tahapan pengujian tersebut yaitu: 25
1. Regresi dengan menggunakan metode kuadrat terkecil (OLS) lalu prediksi residual. 2. Simpan residual, ambil lag dari residual. 3. Regresi residual dengan lag residual dan semua regresor. 4. Test statistik BG = (N-p)*R 2 dimana R 2 adalah koefisien determinasi regresi ~ chi-square (p) Jika nilai probabilitas lebih besar dari probabilitas 5%, maka hipotesis nol yang menyatakan pada model tidak terdapat otokorelasi tidak ditolak (fail to reject). Artinya, model yang diuji tersebut bebas dari masalah otokorelasi. 3.4.6. UJI ARCH-LM Uji ini bertujuan untuk menguji keberadaan efek ARCH. Tes ini diprakarsai oleh Engle (1982) dan mirip dengan tes Lagrange Multiplier (LM) untuk mendeteksi otokorelasi. Adapun prosedur pengujian adalah sebagai berikut: 1. Regresi dengan menggunakan metode kuadrat terkecil (OLS) lalu prediksi residual. Residual tersebut kemudian dipangkatkan. 2. Regresi kedua dengan persamaan berikut: 2 t 2 2 2 = α0 + α1ut 1 + α 2ut 2... + α3ut p u + v u adalah nilai residual regresi sebelumnya dan p lags dimasukkan kedalam persamaan regresi. Jumlah lag yang optimal dapat ditentukan dengan jangkauan data atau dengan sebuah kriteria informasi. Nilai R 2 statistik kemudian disimpan dari regresi ini. R 2 3. Menghitung nilai T*, dimana T mewakili jumlah observasi. Hal tersebut akan mengikuti distribusi chi-squared dengan p sebagai 26 t
derajat kebebasan. Hipotesis nol dari uji ini adalah tidak terdapat efek ARCH. 3.5. METODE PENGUJIAN HIPOTESIS Sebelum melakukan pengujian, perlu dicari terlebih dahulu jumlah lag yang optimal. Penentuan jumlah lag yang optimal didasarkan pada nilai statistik terendah dari tiga pendekatan kriteria informasi yaitu Schwarz's Bayesian information criterion (SBIC), Akaike's information criterion (AIC), dan Hannan and Quinn information criterion (HQIC). Uji hipotesis yang digunakan dalam penelitian ini menggunakan dua model pengujian yaitu model kuadrat terkecil (OLS) dan modifikasi- GARCH(1,1). Untuk memilih model lebih tepat, peneliti menggunakan uji ARCH-LM dengan tujuan untuk mengidentifikasi apakaha terdapat efek ARCH pada model kuadrat terkecil. Jika terdapat efek ARCH, maka model yang lebih tepat digunakan adalah model modifikasi-garch(1,1). Secara sistematis, kedua model tersebut dijabarkan sebagai berikut: 3.5.1. MODEL KUADRAT TERKECIL (OLS) Model pertama yang diuji dalam penelitan ini adalah model kuadrat terkecil yang umumnya digunakan pada penelitan sebelumnya. Model tersebut dijabarkan sebagai sebagai berikut: Dimana: RR! = αα! + αα! MM! + αα! TT! + αα! HH! + αα! FF! + RR!!! + εε! R t = Tingkat imbal hasil pada waktu ke-t 27
αα! = Konstanta dan mewakili hari Rabu M t = Variabel boneka pada hari Senin (kode 1 jika hari Senin dan kode 0 jika selain hari Senin) T t = Variabel boneka pada hari Selasa (kode 1 jika hari Selasa dan kode 0 jika selain hari Selasa) H t = Variabel boneka pada hari Kamis (kode 1 jika hari Kamis dan kode 0 jika selain hari Kamis) F t = Variabel boneka pada hari Jumat (kode 1 jika hari Kamis dan kode 0 jika selain hari Jumat) R t-i = Nilai lag ke-t-i dari tingkat imbal hasil ke-t εε! = Error term pada waktu ke-t 3.5.2. MODEL MODIFIKASI GARCH Pada model penelitan kedua, peneliti menggunakan model modifikasi- GARCH(1,1). Pada model tersebut variansi setiap hari perdagangan dimodelkan ulang untuk mengamati tren efek day of the week pada volatilitas. Pengembangan model ini memungkinkan variansi kondisional berubah untuk setiap hari perdagangan. Model pengujian kedua terdiri dari dua persamaan yang disajikan sebagai berikut (Berument dan Kiymaz, 2001): RR! = αα! + αα! MM! + αα! TT! + αα! HH! + αα! FF! + RR!!! +λλh!! + εε! h!!!! = VV! +VV! MM! + VV! TT! + VV! HH! + VV! FF! + VV!! εε!!! + VV!! h!!! Dimana, R t αα! = Tingkat imbal hasil pada waktu ke-t = Konstanta dan mewakili hari Rabu 28
M t = Variabel boneka pada hari Senin (kode 1 jika hari Senin dan bernilai 0 jika selain hari Senin). T t = Variabel boneka pada hari Selasa (kode 1 jika hari Selasa dan kode 0 jika selain hari Selasa). H t = Variabel boneka pada hari Kamis (kode 1 jika hari Kamis dan kode 0 jika selain hari Kamis). F t = Variabel boneka pada hari Jumat (kode 1 jika hari Kamis dan kode 0 jika selain hari Jumat). R t-1 = Nilai lag dari tingkat imbal hasil εε! h t = Error term pada waktu ke-t = Variansi pada waktu ke-t εε!!! = Error term pada waktu ke-t-1 h t-1 V C = Variansi pada waktu ke-t-1 = Konstanta Variansi Untuk menolak hipotesis nol, peneliti menggunakan uji-t (t-test). Uji-t berguna untuk menguji apakah variabel independen memiliki perbedaan pengaruh terhadap variabel dependen secara parsial. Hipotesis pada uji-t tersaji sebagai berikut: H0 : ββ! = 0 H1 : ββ! 0 Pengujian dilakukan dengan membandingkan nilai t hitung dengan nilai t tabel. Adapun perhitungan nilai t hasil estimasi menggunakan formula: 29
tt!!"#$% = ββ! ββ! ssss(ββ! ) dimana, tt!!"#$% = Nilai t hasil perhitungan ββ! = Koefisien hasil estimasi ssss(ββ! ) = Standar error hasil estimasi dari ββ! ββ! = Hipotesis ββ! = 0 Nilai kritis ditentukan peneliti pada level 1%, 5% dan 10%. Apabila nilai t hitung > t tabel atau t hitung < -t tabel maka hipotesis nol ditolak yang berarti pengaruh ββ! secara statistik tidak berbeda dari nol atau terjadi perbedaan pengaruh hari perdagangan terhadap rata-rata imbal hasil. Namun, jika terjadi sebaliknya, t hitung < t tabel, maka hipotesis nol gagal ditolak yang berarti tidak ada perbedaan pengaruh signifikan secara statistik atau tidak ada perbedaan rata-rata imbal hasil untuk setiap hari perdagangan. 30
BAB IV ANALISIS DATA DAN PEMBAHASAN 4.1. DESKRIPSI OBJEK PENELITIAN Penelitian ini menggunakan data imbal hasil harian indeks pasar Bursa Efek Indonesia yang disebut sebagai Indeks Harga Saham Gabungan (IHSG). Periode pengamatan dalam penelitian ini adalah sepanjang 25 tahun, yaitu mulai 1 Januari 1990 hingga 31 Desember 2014. Jumlah sampel yang memenuhi kriteria sebanyak 5685 hari. Ringkasan prosedur penyampelan disusun sebagai sebagai berikut: Tabel 4. 1. Hasil Prosedur Penyampelan Total hari kalender tahun 1990-2014 6516 Total hari perdagangan tahun 1990-2014 6089 Total kalkulasi imbal hasil 6088 Sampel tanpa hari libur 5807 Sampel tanpa nilai nol 5799 Seleksi dari proses trimming (114) Total sampel yang memenuhi kriteria 5685 Sumber: Data sekunder dan diolah, 2015 4.2. STATISTIK DESKRIPTIF Berdasarkan data ringkasan statistik pada tabel 4.2., secara keseluruhan, rata-rata imbal hasil pada hari Senin dan Selasa bernilai negatif pada tahun 1990-2014. Ketiga hari lainnya justru bernilai positif dan rata-rata terendah terjadi pada hari kamis. Deviasi standar tertinggi yaitu sebesar 1,26 terjadi pada hari Rabu dengan nilai maksimum mencapai 4,3%, angka ini relatif lebih tinggi dibandingkan hari perdagangan lainnya. Hari Rabu merupakan hari yang paling berisiko karena memiliki nilai devisi standar tertinggi dibandingkan hari 31
perdagangan lainnya. Nilai deviasi standar terendah terdapat pada hari Jumat yang mencapai 1,14. Meskipun demikian rata-rata imbal hasil masih positif pada hari yang sama. Dari analisis subperiode, secara keseluruhan hari Senin memiliki nilai rata-rata negatif dari tahun ke tahun. Nilai rata-rata positif terdapat pada hari Rabu pada keseluruhan subperiode, kecuali tahun 1995-1999 yang mencapai nilai - 0.09%. Pada tahun 1995-1999, rata-rata imbal hasil hampir seluruhnya negatif pada tiap harinya, kecuali hari Kamis. 32
1990-2014 Tabel 4. 2. Ringkasan Statistik Imbal Hasil Indeks Harga Saham Gabungan (1990-2014) N Rata-rata Deviasi Standar 33 Minimum Maksimum Senin 1092-0,0643 1,1945-4,4074 4,3735 Selasa 1159-0,0189 1,1859-3,9660 4,3254 Rabu 1179 0,0941 1,2596-4,3673 4,3384 Kamis 1143 0,0559 1,2170-4,3668 4,0680 Jumat 1112 0,0942 1,1517-4,1660 4,1840 Semua Hari 5685 0,0330 1,2042-4,4074 4,3735 Senin 223-0,0433 0,9084-2,4726 3,4729 Selasa 225-0,1230 0,8547-3,7258 3,1806 Rabu 231 0,0221 0,9460-3,5163 2,6400 Kamis 224 0,0451 0,9465-4,1055 3,3512 Jumat 224 0,0387 0,8078-2,4992 3,0754 Semua Hari 1127-0,0119 0,8953-4,1055 3,4729 Senin 220-0,0301 1,1590-4,2829 3,6471 Selasa 234-0,0544 1,3633-3,6056 4,3254 Rabu 233-0,0927 1,4773-4,3673 4,1007 Kamis 220 0,0289 1,3793-4,2315 4,0680 Jumat 217-0,0529 1,4431-4,1114 4,1840 Semua Hari 1124-0,0410 1,3681-4,3673 4,3254 Senin 212-0,1156 1,3449-4,3854 4,3735 Selasa 229 0,0152 1,2286-3,6703 3,4029 Rabu 241 0,1338 1,3271-3,6399 4,3384 Kamis 237 0,0585 1,3369-4,2079 3,9994 Jumat 225 0,2236 1,2003-3,3085 3,4541 Semua Hari 1144 0,0659 1,2918-4,3854 4,3735 Senin 208-0,0087 1,3553-4,4074 4,1764 Selasa 232 0,0122 1,3066-3,9660 4,0184 Rabu 240 0,1388 1,3849-4,2849 4,1585 Kamis 229 0,1690 1,3836-4,3668 3,1976 Jumat 218 0,1680 1,1910-4,1660 4,0414 Semua Hari 1127 0,0973 1,3274-4,4074 4,1764 Senin 229-0,1204 1,1757-4,3018 3,9754 Selasa 239 0,0509 1,1018-3,7793 3,9045 Rabu 234 0,2646 1,0540-3,8858 3,7500 Kamis 233-0,0221 0,9562-3,7446 2,7884 Jumat 228 0,0903 1,0226-2,9048 3,2683 Semua Hari 1163 0,0533 1,0704-4,3018 3,9754 Keterangan: N mewakili jumlah observasi. 1990-1994 1995-1999 2000-2004 2005-2009 2010-2014
4.3. PENGUJIAN ASUMSI KLASIK 4.3.1. UJI NORMALITAS Pengujian normalitas dalam penelitian ini menggunakan metode Shapiro- Francia test. Hasil uji tersaji pada tabel 4.3. dan dari informasi tersebut diketahui bahwa hipotesis nol ditolak pada keseluruhan periode. Hal tersebut ditunjukkan dengan nilai probabilitas pada seluruh sampel yang bernilai dibawah 0,05. Hipotesis nol menyatakan data terdistribusi normal. Sehingga, peneliti menyimpulkan bahwa data runtut waktu imbal hasil tidak terdistribusi normal. Tabel 4. 3. Hasil Uji Shapiro-Francia Periode Z P-value 1990-2014 110,840 0,0000 1990-1994 84,960 0,0000 1995-1999 75,590 0,0000 2000-2004 36,280 0,0001 2005-2009 54,880 0,0000 2009-2014 70,930 0,0000 Meskipun kesimpulan hasil uji tersebut menunjukkan bahwa data tidak terdistiribusi normal, namun, jumlah sampel yang besar akan melonggarkan asumsi normalitas sehingga hasil uji normalitas dapat diabaikan. Hal ini berdasarkan pada Gujarati (2004) yang menyatakan bahwa data dengan jumlah observasi yang besar dapat melonggarkan asumsi normalitas. 34
4.3.2. UJI STASIONERITAS Pengujian stasioneritas menggunakan uji akar unit dengan menggunakan teknik Augumented Dickey-Fuller test. Hasil uji tersebut disajikan pada tabel 4.4. Tabel 4. 4. Hasil Uji Akar Unit Periode Estimasi t p-value 1990-2014 -0,7959 *** -33,9300 0,0000 1990-1994 -0,4236 *** -10,6300 0,0000 1995-1999 -0,7410 *** -13,5800 0,0000 2000-2004 -0,8437 *** -16,2300 0,0000 2005-2009 -0,9459 *** -17,1700 0,0000 2010-2014 -0,9638-17,8800 0,0000 Dari hasil uji tersebut, data runtut waktu imbal hasil bergerak secara stasioner dengan nilai probabilitas 0,000, baik pada keseluruhan periode maupun masing-masing subperiode. Hipotesis nol yang menyatakan adanya akar unit ditolak, artinya tidak terdapat permasalahan akar unit pada sampel penelitian. 4.3.3. UJI MULTIKOLINEARITAS Uji multikolinearitas dilakukan untuk mengetahui hubungan korelasi antar variabel bebas di dalam estimasi. Keberadaan hubungan korelasi sempurna antar variabel bebas, membuat koefisien variabel bebas pada estimasi tidak dapat ditentukan. Jika korelasi tersebut tidak sempurna namun tinggi, error standar pada estimasi akan sangat besar. Hal ini akan membuat interpretasi estimasi kepada populasi menjadi tidak tepat (Gujarati, 2004). Untuk menguji keberadaan multikolinearitas di dalam estimasi, penelitian ini menggunakan metode Variance Inflation Factor. Angka VIF variabel bebas > 10 menunjukkan adanya multikolinearitas dalam estimasi. Sebaliknya, jika VIF < 35
10, maka tidak terjadi multikolienaritas antar variabel independen. Uji VIF dilakukan dengan menggunakan perangakat lunak STATA versi 12. Tabel 4. 5. Hasil Estimasi Uji VIF Periode Senin Selasa Kamis Jumat 1990-2014 1,56 1,56 1,57 1,58 1990-1994 1,58 1,59 1,59 1,60 1995-1999 1,54 1,55 1,56 1,56 2000-2004 1,55 1,57 1,59 1,60 2005-2009 1,54 1,54 1,56 1,57 2010-2014 1,56 1,57 1,57 1,57 Tabel 4.5 menunjukkan hasil uji VIF pada setiap estimasi yang dilakukan pada keseluruhan periode maupun subperiode. Berdasarkan tabel diatas, tidak satupun nilai VIF yang melebihi 10, sehingga uji tersebut membuktikan bahwa variabel independen tidak terindikasi mengalami multikolienaritas. 4.3.4. UJI HETEROSKEDASTISITAS Salah satu asumsi untuk mendapatkan estimasi yang BLUE adalah nilai variansi residual yang konstan atau disebut juga homoskedastisitas. Jika nilai error tidak lagi konstan, maka error standar yang dihasilkan menjadi bias, sehingga nilai t yang dihasilkan menjadi tidak valid untuk digunakan dalam menolak hipotesis. Untuk mengidentifikasi ada tidaknya maslah heteroskedastisitas dalam estimasi, peneliti menggunakan uji Breusch-Pagan. Hipotesis yang digunakan adalah (Wooldridge, 2013): H0: Tidak terjadi heteroskedastisitas H1: Terjadi heteroskedastisitas 36
Tabel 4. 6. Hasil Perhitungaan Uji Breusch Pagan Periode Chi 2 p-value 1990-2014 58,92 0,0000 1990-1994 3,54 0,0600 1995-1999 1,84 0,1750 2000-2004 4,88 0,0272 2005-2009 30,85 0,0000 2010-2014 6,32 0,0119 Tabel 4.6. merangkum hasil uji Breusch-Pagan yang dilakukan pada keseluruhan periode dan subperiode. Berdasarkan tabel tersebut, nilai probabilitas (p-value) untuk keseluruhan periode memiliki nilai level signfikansi dibawah 0,05 (0,000 < 0,000). Hal tersebut menunjukkan bahwa terdapat permasalahan heteroskedastisitas pada periode 1990-2014. Namun, pada subperiode 1990-1994 dan 1995-1999 nilai probabilitas lebih besar lebih besar dari 0,05. Dengan demikian, hasil uji tersebut menunjukkan bahwa tidak terdapat permasalahan heteroskedastisitas pada kedua subperiode tersebut. 4.3.5. UJI OTOKORELASI Asumsi berikutnya dari estimasi yang BLUE adalah ketidakadaan hubungan antar residual suatu observasi dengan observasi lainnya. Otokorelasi sering mucul pada data runtut waktu karena data sering dipengaruhi oleh data periode sebelumnya. Uji Breusch-Godfrey LM adalah pengujian untuk menentukan apakah terdapat otokorelasi atau tidak dalam data runtut waktu. Uji ini dilakukan pada seluruh periode dan subperiode tepat setelah estimasi dengan menggunakan model OLS dijalankan. Suatu estimasi dikatakan bebas dari masaslah otokorelasi jika nilai probabilitas hasil uji Breusch-Godfrey lebih kecil 37
daripada nilai signifikansi, (dalam hal ini adalah 0,01). Hipotesis dalam uji tersebut adalah: H 0 H 1 : Tidak ada otokorelasi : Terdapat otokorelasi Tabel 4. 7. Hasil Uji Breuch-Godfrey Periode chi 2 p-value 1990-2014 0,378 0,5387 1990-1994 0,015 0,9034 1995-1999 0,118 0,7308 2000-2004 0,308 0,5789 2005-2009 0,018 0,8947 2010-2014 1,305 0,2532 Uji Breusch-Godfrey pada tabel 4.7. dilakukan sampai pada lag 5. Tabel tersebut mengindikasikan bahwa tidak terdapat permasalahan otokorelasi. Hal tersebut dibuktikan dengan nilai probabilitas dari kedua sampel tersebut memiliki diatas 0,05. Dengan demikian, hipotesis nol yaitu tidak ada otokorelasi diterima atau dengan kata lain semua sampel bebas dari masalah otokorelasi. 4.3.6. UJI EFEK ARCH-LM Uji ARCH-LM mengidentifikasi ada tidaknya efek ARCH pada sampel penelitian. Hipotesis yang digunakan adalah: H O : Tidak ada efek ARCH H 1 : Terdapat efek ARCH Sebelum melakukan uji tersebut, peneliti melakukan esimasi dengan metode kuadrat terkecil (OLS). Hasil estimasi dengan menggunakan OLS tersaji sebagai berikut. 38
Tabel 4. 8. Hasil Estimasi Metode Kuadrat Terkecil (OLS) 1990-2014 1990-1994 1995-1999 2000-2004 2005-2009 2010-2014 Parameter -0,1952*** -0,1860*** 0,1033 *** -0,3395*** -0,1734*** -0,3742*** Senin t-statistik -3,8500-2,4300 0,8100-2,7300-1,3600-3,7300 p-value 0,0001 0,0153 0,4154 0,0065 0,1757 0,0002 Parameter -0,1330** -0,2107** 0,0463 ** -0,1691** -0,1654** -0,2091** Selasa t-statistik -2,6400-2,7600 0,3700-1,3700-1,3000-2,0800 p-value 0,0084 0,0058 0,7124 0,1696 0,1946 0,0376 **** Parameter -0,0734-0,0527 0,1198-0,1181 0,0186-0,3199 Kamis t-statistik -1,4700-0,6900 0,9500-0,9800 0,1500-3,1900 p-value 0,1419 0,4883 0,3412 0,3257 0,8817 0,0015 Parameter 0,0003-0,0629 0,0839 0,0582 0,0486-0,1679 Jumat t-statistik 0,0100-0,8200 0,6600 0,4800 0,3800-1,6800 p-value 0,9949 0,4101 0,5110 0,6309 0,7007 0,0942 Parameter 0,1636 *** 0,4401 *** 0,2240 *** 0,1332 *** 0,0829 *** 0,0557 *** Return_1 t-statistik 12,0800 15,8600 7,3200 4,4000 2,6800 1,8500 p-value 0,0000 0,0000 0,0000 0,0000 0,0076 0,0645 Parameter 0,1015 *** 0,1004 *** -0,1105*** 0,1559 *** 0,1324 *** 0,2673 *** Konstanta t-statistik 2,8900 1,8700-1,2600 1,8200 1,5100 3,8200 p-value 0,0039 0,0622 0,2090 0,0686 0,1317 0,0001 Observasi 5332 1060 1034 1079 1055 1104 Keterangan: Kategori dasar adalah hari Rabu; ***, **, * mewakili nilai kritis pada level 1%, 5% dan 10% secara berturut turut. 39
Hasil uji ARCH-LM disajikan pada tabel 4.9. Tabel 4. 9. Hasil Uji ARCH-LM Periode Lags Chi 2 P-value 5 341.9840 *** 0.0000 10 276.7650 *** 0.0000 1990-2014 15 201.7900 *** 0.0000 20 140.1720 *** 0.0000 25 124.0340 *** 0.0000 5 48.7210 *** 0.0000 10 42.5540 *** 0.0000 1990-1994 15 55.4620 *** 0.0000 20 49.9960 *** 0.0002 25 58.5640 *** 0.0002 5 95.6390 *** 0.0000 10 77.7580 *** 0.0000 1995-1999 15 75.4380 *** 0.0000 20 60.9690 *** 0.0000 25 76.0330 *** 0.0000 5 22.4050 *** 0.0004 10 23.9040 *** 0.0079 2000-2004 15 21.2590 *** 0.1288 20 20.2090 0.4449 25 23.6730 0.5383 5 35.2440 *** 0.0000 10 41.5120 *** 0.0000 2005-2009 15 37.4310 *** 0.0011 20 29.1020 * 0.0858 25 24.6050 0.4847 5 107.0320 *** 0.0000 10 111.5850 *** 0.0000 2010-2014 15 77.9300 *** 0.0000 20 56.7770 *** 0.0000 25 33.9780 0.1084 Keterangan: ***, **, * mewakili nilai kritis pada level 1%, 5% dan 10% secara berturut turut. Hasil uji statistik tersebut mengindikasikan bahwa terdapat efek ARCH pada model OLS, baik pada keseluruhan periode maupun subperiode pada level signifikansi 1%. Kehadiran efek ARCH membuat error standar dari hasi estimasi 40
OLS menjadi tidak efisien sehingga perhitungan nilai t-statistik akan memberikan kesimpulan yang menyesatkan (misleading). Hasil uji tersebut menyimpulkan bahwa terdapat efek ARCH yang berarti variansi residualnya tidak konstan. 4.4. PENGUJIAN HIPOTESIS Sebelum melakukan pengujian hipotesis, peneliti perlu menentukan jumlah lag yang optimal yang akan digunakan ke dalam model yang hendak di uji. Prosedur kriteria informasi digunakan untuk menentukan jumlah lag optimal. Tiga pendekatan yang sering digunakan adalah Schwarz's Bayesian information criterion (SBIC), Akaike's information criterion (AIC), dan Hannan and Quinn information criterion (HQIC). Tabel 4.3. menyajikan ringkasan hasil estimasi dari ketiga pendekatan tersebut. Nilai terendah untuk masing-masing kriteria terdapat pada lag satu, sehingga disimpulkan bahwa jumlah lag yang optimal adalah sebesar satu. Selanjutnya model dengan lag satu disebut sebagai autoregressive satu (AR(1)). Tabel 4. 10. Hasil Estimasi Prosedur Kriteria Informasi lag AIC HQIC SBIC 1 2,9948 * 2,9962 * 2,9986 * 2 2,9954 2,9975 3,0011 3 2,9955 2,9982 3,0031 4 2,9958 2,9993 3,0054 5 2,9964 3,0005 3,0079 6 2,9968 3,0016 3,0102 7 2,9973 3,0028 3,0127 8 2,9973 3,0035 3,0146 9 2,9979 3,0048 3,0171 10 2,9973 3,0048 3,0183 41
Tahapan selanjutnya adalah melakukan uji signifikansi terhadap rata-rata dan variansi imbal hasil untuk mengetahui adanya fenomena day of the week di Bursa Efek Indonesia. Hasil uji ARCH-LM menyimpulkan bahwa model yang lebih tepat adalah model modifikasi-garch(1,1) dibandingkan dengan model kuadrat terkecil, dengan pertimbangan adanya variansi yang tidak konstan serta adanya efek ARCH. Grafik 4. 1. Plot Pangkat Dua Residual Error (1990-2014) Grafik 4.1. menunjukkan nilai plot pangkat dua residual yang diprediksi dari hasil estimasi model kuadrat terkecil (OLS), mulai tahun 1990 sampai dengan 2014. Residual tersebut menggambarkan volatilitas data dari tahun ke tahun yang sangat fluktuatif. Variansi data sebelum tahun 1999 relatif lebih rendah dibandingkan setelah tahun 1999. Volatilitas imbal hasil paling tinggi terjadi sekitar tahun 2005 dan 2010 yang mencapai level 20. Dari hasil amatan tersebut, 42
terdapat volatilitas klaster pada data runtut waktu imbal hasil. Volatilitas klaster terjadi ketika volatilitas kecil diikuti oleh volatilitas kecil atau volatilitas besar juga diikuti oleh volatilitas besar. Dalam pengujian ini, peneliti menemui masalah dalam kalkulasi parameter untuk periode 1995-1999 dan 2000-2004. Pada subperiode tersebut perangkat lunak STATA versi 12 gagal mengkalkulasi parameter dan variansi terkondisi (conditonal variance) setelah melakukan 54 iterasi (percobaan) pada subperiode 2000-2004 dan 10 iterasi pada subperiode 1995-2004 (proses estimasi terlampir pada lampiran 4, nomer 3 dan 6). Peneliti kemudian mengadopsi teknik pengujian yang sebelumnya dilakukan oleh Lian & Chen (2004) dengan menyesuaikan periode pengamatan. Mereka memisakan periode krisis dari periode pengamatan dan membagi beberapa periode pengamatan yang gagal diestimasi menjadi subperiode yang lebih kecil. Berdasarkan pertimbangan tersebut peneliti kemudian mengembangkan periode pengamatan dari awalnya lima subperiode yang masingmasing terdiri dari lima tahun menjadi tujuh subperiode. Secara ringkas, keseluruhan sampel dan tujuh subperiode tersebut dijabarkan sebagai berikut: Tabel 4. 11. Subperiode Sampel Penelitian No Tanggal 1 01 Januari 1990-31 Desember 2014 2 01 Januari 1990-31 Desember 1994 3 01 Januari 1995-31 Juli 1997 4 01 Agustus 1997-31 Desember 1999 5 01 Januari 2000-31 Desember 2002 6 01 Januari 2003-31 Desember 2007 7 01 November 2007-31 Desember 2009 8 01 Januari 2010-31 Desember 2014 43
4.4.1. PENGUJIAN HIPOTESIS HUBUNGAN IMBAL HASIL DAN HARI PERDAGANGAN Pengujian hipotesis pertama menggunakan model modifikasi GARCH(1,1) yang diadopsi dari Berument & Kiymaz (2001 dan 2003) dengan beberapa penyesuaian periode amatan (Lian & Chen, 2004). Hasil pengujian disajikan pada tabel 4.12. 44
Tabel 4. 12. Hasil Estimasi Persamaan Rata-Rata Model Modifikasi GARCH 01Jan1990-31Des2014 01Jan1990-31Des1994 01Jan1995-31Juli1997 01Aug1997-31Des1999 01Jan2000-31Dec2002 01Jan2003-31Aug2007 01Nov2007-31Dec2009 01Jan2010-31Des2014 Parameter -0,2062 *** -0,1800 *** -0,0622 0,2502-0,2483-0,2245 * -0,3253-0,3002 *** Senin t-statistik -4,4500-2,7200-0,5900 1,0200-1,5000-1,9500-1,5600-2,9100 p-value 0,0000 0,0065 0,5554 0,3079 0,1345 0,0509 0,1185 0,0036 Parameter -0,1688 *** -0,1414 ** -0,1293 0,1814-0,1529-0,0944-0,4460 ** -0,1789 * Selasa t-statistik -3,7900-2,3400-1,3900 0,6900-0,9700-0,8400-2,2500-1,6800 p-value 0,0002 0,0192 0,1652 0,4909 0,3331 0,3996 0,0246 0,0928 Parameter -0,1027 ** -0,0162-0,1438 0,3410 0,0442-0,0853-0,1569-0,2952 *** Kamis t-statistik -2,3100-0,2600-1,5000 1,3100 0,2700-0,7600-0,6400-3,1300 p-value 0,0209 0,7936 0,1327 0,1913 0,7881 0,4491 0,5245 0,0018 Parameter -0,0623-0,0306-0,0227 0,1123 0,0558 0,0000 0,0674-0,1397 Jumat t-statistik -1,3900-0,5000-0,2200 0,4100 0,3500 0,0000 0,3100-1,4400 p-value 0,1651 0,6164 0,8281 0,6824 0,7239 0,9998 0,7568 0,1512 Parameter 0,1861 *** 0,3602 *** 0,2856 *** 0,1922 *** 0,1315 *** 0,1136 *** 0,0947 ** 0,0644 ** return_1 t-statistik 14,1800 17,2100 7,5600 3,9100 3,2700 3,3600 2,0900 2,0400 p-value 0,0000 0,0000 0,0000 0,0001 0,0011 0,0008 0,0362 0,0418 Parameter 0,1405 *** 0,0620 0,1081 * -0,3252 * 0,0459 0,2252 *** 0,1905 0,2384 *** Konstanta t-statistik 4,3200 1,4200 1,6600-1,7000 0,4000 2,7400 1,3100 3,3800 p-value 0,0000 0,1556 0,0959 0,0889 0,6899 0,0061 0,1885 0,0007 Observasi 5332 1060 582 452 655 1009 431 1104 Keterangan: Kategori dasar adalah hari Rabu; ***, **, * mewakili nilai kritis pada level 1%, 5% dan 10% secara berturut turut. 45
Rata-rata imbal hasil pada hari Senin, Selasa, Kamis dari tahun 1990 hingga 2014 lebih rendah dibandingkan dengan hari Rabu. Hal tersebut ditunjukkan oleh koefisien negatif dan secara statistik signifikan pada ketiga hari tersebut. Sedangkan untuk hari Jumat tidak satupun imbal hasil signifkan yang terjadi pada hari tersebut sepanjang periode pengamatan. Imbal hasil negatif pada hari Senin tidak terjadi pada keseluruhan hari periode. Dari analisis subperiode, hasil estimasi menujukkan bahwa imbal hasil yang signifikan hanya terjadi pada tahun 1989-1993, 1999-2003, dan 2009-2013. Di hari yang sama, nilai rata-rata imbal hasil terendah terdapat pada subperiode 1999-2013 yaitu berkisar 0,29% dan signifikan pada derajat keyakinan 99%. Pola tersebut berbeda dengan tingkat imbal hasil hari Rabu yang secara rata-rata bernilai positif untuk keseluruhan periode kecuali pada tahun 1994-1998. 0,23% merupakan rata-rata imbal hasil tertinggi yang dicapai pada tahun 2009 hingga 2014 dan angka tersebut signifikan pada level 10%. Pada tahun 2009-2014, ratarata imbal hasil Selasa dan Rabu signifikan dengan tingkat imbal hasil sebesar 0,17% dan 0,28% lebih rendah dibandingkan hari Rabu. Tidak terdapat cukup bukti adanya efek day of the week di Bursa Efek Indonesia. Meskipun pada keseluruhan sampel menujukkan adanya bukti terjadinya efek day of the week, namun, pada analisis subperiode menunjukkan tidak ada pola imbal hasil yang persisten terhadap hari perdagangan. Keberadaan day of the week effect hanya terjadi secara parsial dan tidak konsisten dari waktu ke waktu. 46
Lag satu dari variabel imbal hasil secara statistik signifikan pada semua sampel. Hal tersebut menunjukkan bahwa imbal hasil hari ini dipengaruhi oleh oleh imbal hasil satu hari yang lalu. 4.4.2. PENGUJIAN HIPOTESIS HUBUNGAN VOLATILITAS IMBAL HASIL DAN HARI PERDAGANGAN Hasil estimasi pengaruh hari perdagangan terhadap variansi imbal hasil terhadap hari perdagangan tersaji sebagai berikut: 47
Tabel 4. 12. Hasil Estimasi Persamaan Variansi Model Modifikasi GARCH 01Jan1990-01Jan1990-01Jan1995-01Aug1997-01Jan2000-01Jan2003-01Nov2007-01Jan2010-31Des2014 31Des1994 31Juli1997 31Des1999 31Dec2002 31Aug2007 31Dec2009 31Des2014 Parameter -0,6181 ** 0,3183 0,5871-6,2926-0,1198-0,4199 0,1377 0,8453 Senin t-statistik -2,0900 0,9200 1,1000-0,0100-0,2300-1,1900 1,5500 1,1700 p-value 0,0362 0,3600 0,2701 0,9911 0,8208 0,2339 0,1211 0,2408 Parameter -0,6172 * -0,0232 0,3698-0,1479-1,6824-0,4144 0,0485 0,3343 Selasa t-statistik -1,7200-0,0500 0,6100-0,2000-0,3400-1,0700 0,7400 0,5100 p-value 0,0849 0,9562 0,5451 0,8404 0,7355 0,2856 0,4591 0,6088 Parameter -0,5638 * 0,0801 0,7762-2,9572 0,0555-0,4852 0,2283 * 0,0156 Kamis t-statistik -1,8200 0,2200 1,1800-0,1000 0,1100-0,9500 1,9200 0,0300 p-value 0,0685 0,8243 0,2379 0,9242 0,9115 0,3427 0,0549 0,9797 Parameter -1,0091 *** -0,1908 0,7446-0,1488-10,7990-0,6647 0,2232 0,3606 Jumat t-statistik -2,6900-0,6200 1,1800-0,2500 0,0000-1,3600 1,6300 0,5200 p-value 0,0071 0,5386 0,2395 0,8048 0,9998 0,1747 0,1036 0,6008 Parameter -0,9952 *** -1,8621*** -1,7822** 0,4079-0,3443-0,2848 1,4690 *** -1,5608 V C t-statistik -4,8000-5,3800-2,1000 0,2600 *** -0,3800 *** -0,6700 7,3400-1,4100 p-value 0,0000 0,0000 0,0360 0,7912 0,7044 0,5027 0,0000 0,1583 Parameter 0,2610 *** 0,3762 *** 0,2145 *** 0,0665 0,0969 * 0,1535 *** 0,0190 0,1413 *** V A t-statistik 11,0900 6,4100 3,0000 0,8100 1,7300 3,3300 1,3300 3,5900 p-value 0,0000 0,0000 0,0027 0,4171 0,0828 0,0009 0,1842 0,0003 Parameter 0,5738 *** 0,3658 *** 0,3802 * 0,6558 0,6246 0,4377 * -1,3569 *** 0,5735 *** V B t-statistik 9,3800 4,1000 1,6600 0,8700 1,5000 1,7300-4,7300 2,7900 p-value 0,0000 0,0000 0,0971 0,3866 0,1327 0,0834 0,0000 0,0053 Keterangan: Kategori dasar adalah hari Rabu; ***, **, * mewakili nilai kritis pada level 1%, 5% dan 10% secara berturut turut. 48
Dari keseluruhan periode pengamatan sepanjang 25 tahun, dari hari Senin hingga Jumat, hasil estimasi menunjukkan pola variansi yang secara statistik signifikan. Temuan ini serupa dengan penelitian sebelumnya yang membuktikan bahwa fenomena day of the week juga terjadi pada persamaan variansi (Berument dan Kiymaz, 2001, 2003; Lian dan Chen, 2004; Ngihem, et. al., 2012). Volatilitas untuk setiap hari perdagangan secara statistik berbeda dengan hari lainnya. Analisis lebih lanjut dilakukan dengan membagi sampel menjadi 7 bagian dan memisahkan periode krisis dari periode pengamatan. Pada saat krisis Asia pada tahun 1997-1998, besarnya pengaruh hari perdagangan terhadap variansi berkurang. Hal tersebut ditunjukkan dengan konstanta variansi (V C ), lag error (V A ), dan lag variansi (V B ) yang menjadi tidak signifikan secara statistik. Hal tersebut mengindikasikan bahwa volatilitas pada subperiode tersebut cenderung sama dari waktu ke waktu. Temuan ini serupa dengan hasil studi Lian dan Chen (2004) yang menujukkan bahwa koefisien pada persamaan variansi menjadi tidak signfikan pada masa krisis dan menyimpulkan bahwa tidak ada fenomena day of the week effect pada periode krisis. 4.5. DISKUSI DAN IMPLIKASI Fenomena day of the week effect terbukti secara statistik terdapat pada imbal hasil harian Bursa Efek Indonesia walaupun secara parsial. Penelitian ini tidak menemukan pola yang persisten dalam hal pengaruh hari perdagangan terhadap imbal hasil saham. Selain itu, pada periode estimasi 25 tahun, volatilitas imbal hasil secara statistik berbeda antara satu hari dengan hari lainnya. Besarnya volatilitas, yang diproksikan oleh ukuran variansi imbal hasil, dipengaruhi oleh variansi 49
sebelumnya dan hal ini disebut sebagai volatilitas klaster. Temuan ini serupa dengan studi yang dilakukan sebelumnya di beberapa negara maju mapun negara berkembang (Berument et al., 2007; Berument dan Kiymaz, 2001 dan 2003; Ngihem, Hau, Tri, Duy, dan Amonhaemanon, 2012). Dalam penelitian ini, temuan yang menarik adalah besarnya perngaruh hari perdagangan terhadap variansi berkurang pada masa krisis Asia tahun 1997-1998. Hal tersebut ditunjukkan dengan konstanta variansi (V C ), lag error (V A ), dan lag variansi (V B ) menjadi tidak signifikan secara statistik. Selain itu, temuan tersebut mengindikasikan bahwa besarnya variansi diantara hari perdagangan pada waktu krisis tidak berbeda jauh diantara hari perdagangan secara statistik. Maksudnya adlah pergerakan imbal hasil pada waktu tersebut cenderung mengarah ke arah yang sama, sehingga menunjukkan volatilitas yang rendah. Volatilitas yang rendah ditunjukkan dengan konstanta variansi yang tidak signifikan secara statistik. Meskipun tidak ditemukan pola imbal hasil yang persisten pada setiap hari perdagangan, peneliti menyimpulkan pasar modal Indonesia tidak efisien. Hal tersebut didukung dengan bukti bahwa lag dari imbal hasil pada semua periode secara statistik mempengaruhi tingkat imbal hasil pada waktu ke-t. Artinya, asumsi pasar yang efisien yaitu random walk tidak terpenuhi, seharusnya harga sudah mencerminkan seluruh informasi dan pergerakan harga tidak bisa diprediksi dengan menggunakan data historis (Copeland, 2005). Dari asumsi tersebut, Investor semestinya tidak bisa memanfaatkan informasi masa lalu yang dalam hal ini adalah lag imbal hasil untuk mendapatkan imbal hasil abnormal. 50
BAB V SIMPULAN DAN SARAN 5.1. SIMPULAN Simpulan dalam penelitian ini dijabarkan sebagai berikut: 1. Fenomena day of the week secara statistik ditemukan di Indonesia, namun tidak persisten. Secara umum, imbal hasil negatif pada terjadi pada hari Senin, Selasa, dan Kamis sedangkan imbal hasil positif terjadi pada hari Rabu. Pada analisis subperiode, pola imbal hasil diantara hari perdangan menjadi tidak konsisten keberadaanya. Hal tersebut dibuktikan dengan analisis lebih mendalam dan didapati bahwa pada periode tertentu pengaruh hari perdagangan terhadap imbal hasil menjadi tidak ada. Contohnya, pada saat krisis Asia pada tahun 1997 hingga 1999, hasil penelitian ini tidak menunjukkan pola imbal hasil yang secara statistik signfikan berbeda diantara hari perdagangan. 2. Fenomena day of the week tidak hanya ditemukan pada persamaan ratarata tetapi juga pada persamaan variansi. Volatilitas tertinggi terjadi pada hari Kamis dan volatilitas paling terendah terjadi pada hari Jumat. Pola volatilitas tersebut kemudian diteliti lebih lanjut dengan membagi periode pengamatan menjadi tujuh subperiode. Peneliti menyimpulkan bahwa tidak terdapat fenomena day of the week pada volatilitas yang persisten dari tahun ke tahun. 3. Keberadaan fenomena day of the week membuktikan bahwa pasar modal Indonesia tidak efisien dalam bentuk lemah secara statistik. Argumen 51
tersebut diperkuat dengan koefisien autoregressive (1) yang secara statistik signifikan pada semua subperiode. Artinya, tingkat imbal hasil hari ini (t) dipengaruhi oleh tingkat imbal hasil hari kemarin (t-1). Apabila hal tersebut terjadi, maka investor dapat meraih keuntungan abnormal dengan memanfaatkan informasi masa lalu. Hal tersebut bertentangan dengan hipotesis pasar yang efisien bentuk lemah yang mengasumsikan bahwa investor tidak dapat memperoleh keuntungan abnormal dengan memanfaatkan informasi masa lalu. 5.2. KETERBATASAN PENELITIAN Penelitian ini memiliki berbagai keterbatasan sehingga tidak sempurna. Oleh sebab itu, peneliti mengharapkan adanya perbaikan dan pengembangan pada penelitian selanjutnya. Keterbatasan penelitian ini antara lain: 1. Penelitian ini hanya membahas anomali pasar dari sisi hipotesis pasar efisien yang mengasumsikan bahwa investor rasional dan tidak menggunakan pendekatan keperilakukan keuangan (behavioral finance). Padahal pada masa-masa tertentu investor tidak sepenuhnya rasional dalam pengambilan keputusan. Misalnya pada masa krisis, investor cenderung panik dan berkeinginan menjual asetnya dengan segera untuk mengantisipasi nilai pasar asetnya turun drastis. Perilaku tersebut tidak bisa dijelaskan oleh hipotesis pasar yang efisien, melainkan oleh pendekatan keprilakuan keuangan. 2. Penelitian ini hanya menguji persistensi fenomena day of the week, tidak mengidentifikasi penyebab terjadinya fenomena tersebut. 52
5.3. SARAN Untuk menyempurnakan penelitian ini, penelitian selanjutnya sebaiknya menggunakan metode variansi terkondisi yang tidak hanya terbatas pada GARCH saja. Beberapa model yang lebih mutakhir seperti TARCH (threshold ARCH), EGARCH (exponential ARCH), SAARCH (simple asymetric ARCH), PARCH (power ARCH), dan lain-lain. Selain itu, temuan menarik terkait hilangnya (secara statisitik) pola day the week pada saat krisis di persamaan variansi dapat diteliti lebih lanjut dengan menggunakan periode pengamatan yang lebih sempit sehingga menghindari adanya noise akibat informasi lain. Sebagai perluasan, penelitian lain bisa berfokus dalam mengidentifikasi faktor-faktor yang menyebabkan terjadinya perubahan pola imbal hasil terhadap hari perdagangan dalam kaitannya dengan periode krisis. Dalam analisis runtut waktu dengan periode pengamatan yang sangat panjang, penelitian selanjutnya perlu memperhatikan adanya structural break. Dalam menentukan structural break, penelitian selanjutnya bisa menggunakan chow test untuk menentukan posisi terjadinya structural break. Penelitian selanjutnya juga diharapkan bisa menggunakan data frekuensi tinggi seperti data intraharian untuk menguji apakah fenomena day of the week terjadi pada sepanjang hari perdagangan atau pada waktu tertentu saja. Bagi investor, hasil penelitian ini menganjurkan untuk melakukan transaksi, baik jual maupun beli dengan memperhatikan hari perdagangan. Investor beli diharapkan menunda transaksi hingga hari Senin karena secara statistik, dalam lima tahun terakhir rata-rata imbal hasil turun pada hari tersebut 53
sehingga investor beli akan mendapatkan harga yang relatif lebih murah. Investor jual disarankan melakukan transaksi pada hari Rabu karena pada hari tersebut rata-rata imbal hasil dari lima tahun terakhir menunjukkan tren yang positif secara statistik. 54
DAFTAR PUSTAKA Aggarwal, R., & Rivoli, P. (1989). Seasonal and Day-of-the-Week in Four Emerging Stock Markets. Financial Review, 24(4), 541 550. Alexakis, P., & Xanthakis, M. (1995). Day of the week effect on the Greek stock market. Applied Financial Economics, 5(1), 43 50. Berument, H., Inamlik, A., & Kiymaz, A. (2007). The Day of The Week Effect On Stock Market Volatility : Istanbul Stock Exchange, 0 17. Berument, H., & Kiymaz, H. (2001). The Day of The Week Effect on Stock Market Volatility. Journal of Economics and Finance, 25(2), 181 193. Berument, H., & Kiymaz, H. (2003). The Day of The Week Effect on Stock Market Volatility and Volume: International Evidence. Review of Financial Economics, 12(4), 363 380. Bodie, Z., Kane, A., & Marcus, A. J. (2006). Investment (7th ed.). New York: McGraw Hill/ Irwin. Brooks, C. (2014). Introductory Econometrics for Finance (3rd ed.). New York: Cambridge University Press. Cahyaningdyah, D. (2005). Analisis Pengaruh Hari Perdagangan Terhadap Return Saham : Pengujian Week-Four Effect Dan Rogalski Effect Di Bursa Efek Jakarta. Jurnal Ekonomi Dan Bisnis Indonesia, 20(2), 159 170. Campbell, J. Y., & Hentschel, L. (1992). No News is Good News: An Asymmetric Model of Changing Volatility in Stock Returns. Journal of Financial Economics, 31, 281 331. Copeland, T. E. (2005). Financial Theory and Corporate Policy (4th ed.). Pearson Education. Cross, F. (1973). The Behavior of Stock Prices on Fridays and Mondays. Financial Analysts Journal, 29(6), 67 69. Engle, R. F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 50(4), 987 1007. Fama, E. F. (1991). Efficient Capital Markets: II. Journal of Finance, 46(5), 1575 1617. 55
French, K. R. (1980). Stock returns and the weekend effect. Journal of Financial Economics, 8(1), 55 69. French, K. R., & Roll, R. (1986). Stock Return Variances : The Arrival of Information and the Reaction of Traders. Journal of Financial Economics, 17(1), 5 26. Gibbons, M. R., & Hess, P. (1981). Day of the Week Effects and Asset Returns. The Journal of Business, 54(4), 579-596. Gujarati, D. N. (2004). Basic Econometrics (4th ed., Vol. 4.). McGraw Hill/ Irwin. Harris, L. (1986). A Transaction Data Study of Weekly and Intradaily Patterns In Stock Return. Journal of Financial Economics, 16, 99 117. IDX. (2014). IDX Fact Book 2013. In IDX Fact Book 2013 (pp. 1 202). Jakarta; Indonesia: Indonesia Stock Exchange. Retrieved from www.idx.co.id Jaffe, J., & Westerfield, R. (1985a). Patterns in Japanese Common Stock Returns : Day of the Week and Turn of the Year Effects. The Journal of Financial and Quantitaive Analysis, 20(2), 261 272. Jaffe, J., & Westerfield, R. (1985b). The Week-End Effect in Common Stock Returns : The International Evidence. Journal of Finance, XL(2), 433 455. Keim, D. B., & Stambaugh, R. F. (1984). A Further Investigation of the Weekend Effect in Stock Returns. Journal of Finance, 39(3), 819 835. Lakonishok, J., & Maberly, E. (1990). The Weekend Effect : Trading Patterns of Individual and Institutional Investors. Journal of Finance, XLV(1), 231 244. Lian, K. K., & Chen, W. Y. (2004). Seasonal Anomalies of Stocks in Asean Equity Markets. Sunway College Journal, 11(1), 1 11. Ngihem, L. T., Hau, L. L., Tri, H. minh, Duy, V. Q., & Amonhaemanon, D. (2012). Day-Of-The-Week in Different Stock Markets: New Evidence on Model-dependency in Testing Seasonalities in Stock Returns (No. 85). Rogalski, R. J. (1984). New Findings Regarding Day-of-the-Week Returns over Trading and Non-Trading Periods: A Note. Journal of Finance, 39(5), 1603 1614. Sekaran, U., & Bougie, R. (2010). Research Methods for Business A Skill Building Approach. Wiley. 56
Sumiyana. (2007). Monday Effect: Penalaran Logis Sebagai AKibat Dari Pengaruh Psikologis, Pengaruh Periode Nonperdagangan, Atau Pengaruh Kombinasian Keduanya (Studi Empiris Berbasis Data Intraday, Bursa Efek Jakarta 1999-2005). Jurnal Ekonomi Dan Bisnis Indonesia, 22(2), 1 40. Sumiyana. (2008). Day of the Week dan Monday Effect : Fenomena Yang Terbuktikan Tidak Konsisten Di Pasar Modal Indonesia. Jurnal Manajemen Teori Dan Terapan, 1(1), 1 30. Tandelilin, E., & Algifari. (1999). Pengaruh Hari Perdagangan Terhadap Return Saham Di Bursa Efek Jakarta. Jurnal Ekonomi Dan Bisnis Indonesia, 14(4). Wooldridge, J. M. (2013). Introductory Econometrics: A Modern Approach. (5th ed.). South-Western, Cengage Learning. 57
LAMPIRAN 1. DO-FILE * V.1.0.4.C * date : 15 Juni 2015 * author : Asri Surya * email : asri.surya@mail.ugm.ac.id capture log close clear set more off log using "/Users/asrisurya/OneDrive/data-mei2015/stata/logfiles/dotw v.1.0.1", text replace use "/Users/asrisurya/OneDrive/data-mei2015/stata/datafiles/data 1.0.1.dta" *---- Persiapan Data ---- *Hapus observasi tahun 1988 dan 1990 gen year=year(date) drop if year==1988 drop if year==1989 drop if year==2015 sum date jcic * Membuat- Variabel Boneka tsset date, daily gen dotw= dow(date) gen mon = dotw==1 gen tue = dotw==2 gen wed = dotw==3 gen thu = dotw==4 gen fri = dotw==5 gen sat = dotw==6 gen sun = dotw==0 *Kalkulasi Tingkat Imbal hasil tsset date, daily gen avail = jcic>0 & jcic<. bysort date: gen tradingday=_n if avail tsset tradingday date gen return3 = ln(jcic[_n]/jcic[_n-1])*100 sum date jcic return3 58
LAMPIRAN 1. DO-FILE * V.1.0.4.C * date : 15 Juni 2015 * author : Asri Surya * email : asri.surya@mail.ugm.ac.id capture log close clear set more off log using "/Users/asrisurya/OneDrive/data-mei2015/stata/logfiles/dotw v.1.0.1", text replace use "/Users/asrisurya/OneDrive/data-mei2015/stata/datafiles/data 1.0.1.dta" *---- Persiapan Data ---- *Hapus observasi tahun 1988 dan 1990 gen year=year(date) drop if year==1988 drop if year==1989 drop if year==2015 sum date jcic * Membuat- Variabel Boneka tsset date, daily gen dotw= dow(date) gen mon = dotw==1 gen tue = dotw==2 gen wed = dotw==3 gen thu = dotw==4 gen fri = dotw==5 gen sat = dotw==6 gen sun = dotw==0 *Kalkulasi Tingkat Imbal hasil tsset date, daily gen avail = jcic>0 & jcic<. bysort date: gen tradingday=_n if avail tsset tradingday date gen return3 = ln(jcic[_n]/jcic[_n-1])*100 sum date jcic return3 58
*Kalkulasi return2 & membuang hari libur tset date, daily drop if dotw==0 drop if dotw==6 gen return2 =return3 if avail[_n-1] sum date jcic return3 return2 count if return2==0 drop if return2==0 gen time=_n sum date jcic return3 return2 *menghilangkan persentil pertama dan ke-99 sum return2, detail return list * generate new variable gen return1 = return2 if return2 >= r(p1) & return2 <=r(p99) sum return1, detail return list drop if return1==0 *membuat Autoregressive (1) gen l1 = return1[_n-1] tsfill, full sum date jcic return3 return2 return1 *Memberi label variabel tingkat imbal hasil label variable return1 "Imbal Hasil (%)" label variable return2 "return without holiday" label variable return3 "raw return" label variable date "Waktu" **-- mengakhiri prosedur persiapan data --** * Statistik deskriptif * Tabel Statistik Deskriptif * gen mon1=return1 if dotw==1 gen tue1=return1 if dotw==2 59
gen wed1=return1 if dotw==3 gen thu1=return1 if dotw==4 gen fri1=return1 if dotw==5 *--- UJI ASUMSI KLASIK --- * UJI NORMALITAS sfrancia return1 /*all sample*/ sfrancia return1 if tin(01jan1990,31dec1994) /*1989-1993*/ sfrancia return1 if tin(01jan1995,31dec1999) /*1994-1999*/ sfrancia return1 if tin(01jan2000,31dec2004) /*2000-2004*/ sfrancia return1 if tin(01jan2005,31dec2009) /*2005-2009*/ sfrancia return1 if tin(01jan2010,31dec2014) /*2010-2014*/ * PENENTUAN LAG tset time varsoc return1, maxlag(5) tset date * UJI AKAR UNIT dfuller return1, regress lags(1) /*all sample*/ dfuller return1 if tin(01jan1990,31dec1994), regress lags(1) /*1989-1993*/ dfuller return1 if tin(01jan1995,31dec1999), regress lags(1) /*1994-1999*/ dfuller return1 if tin(01jan2000,31dec2004), regress lags(1) /*2000-2004*/ dfuller return1 if tin(01jan2005,31dec2009), regress lags(1) /*2005-2009*/ dfuller return1 if tin(01jan2010,31dec2014), regress lags(1) /*2010-2014*/ *------ Pengujian Model ------* * OLS dan ARCH LM tset date set more off quietly reg return1 mon tue thu fri l1 if tin(01jan1990,31dec2014) estimates store OLS1a quietly reg return1 mon tue thu fri l1 if tin(01jan1990,31dec1994) estimates store OLS2 quietly reg return1 mon tue thu fri l1 if tin(01jan1995,31dec1999) estimates store OLS3 quietly reg return1 mon tue thu fri l1 if tin(01jan2000,31dec2004) estimates store OLS4 60
quietly reg return1 mon tue thu fri l1 if tin(01jan2005,31dec2009) estimates store OLS5 quietly reg return1 mon tue thu fri l1 if tin(01jan2010,31dec2014) estimates store OLS6 * GARCH(1,1) quietly arch return1 mon tue thu fri l1, arch(1) garch(1), if tin(01jan1900,31dec2014) estimates store ar1a quietly arch return1 mon tue thu fri l1, arch(1) garch(1), if tin(01jan1900,31dec1994) estimates store ar1b quietly arch return1 mon tue thu fri l1, arch(1) garch(1), if tin(01jan1995,31dec1999) estimates store ar1c quietly arch return1 mon tue thu fri l1, arch(1) garch(1), if tin(01jan2000,31dec2004) estimates store ar1d quietly arch return1 mon tue thu fri l1, arch(1) garch(1), if tin(01jan2005,31dec2009) estimates store ar1e quietly arch return1 mon tue thu fri l1, arch(1) garch(1), if tin(01jan2010,31dec2014) estimates store ar1f * Modifikasi-GARCH(1,1) set more off quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01jan1990,31dec2014) estimates store ar1 quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01jan1990,31dec1994) estimates store ar2 quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01jan1995,31jul1997) estimates store ar3a quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01aug1997,31dec1999) estimates store ar3b set more off quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01jan2000,31dec2002) 61
estimates store ar4 quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01jan2003,30aug2007) estimates store ar5a quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01nov2007,31dec2009) estimates store ar5b quietly arch return1 mon tue thu fri l1, arch(1) garch(1) het(mon tue thu fri), if tin(01jan2010,31dec2014) estimates store ar6 * ARCH_LM *** set more off tset date quietly reg return1 mon tue thu fri l1 if tin(01jan1990,31dec2014) tset time estat archlm, lags(5,10,15,20,25) tset date estimates store OLS1a quietly reg return1 mon tue thu fri l1 if tin(01jan1990,31dec1994) tset time estat archlm, lags(5,10,15,20,25) tset date estimates store OLS2 quietly reg return1 mon tue thu fri l1 if tin(01jan1995,31dec1999) tset time estat archlm, lags(5,10,15,20,25) tset date estimates store OLS3 quietly reg return1 mon tue thu fri l1 if tin(01jan2000,31dec2004) tset time estat archlm, lags(5,10,15,20,25) tset date estimates store OLS4 quietly reg return1 mon tue thu fri l1 if tin(01jan2005,31dec2009) tset time estat archlm, lags(5,10,15,20,25) tset date estimates store OLS5 quietly reg return1 mon tue thu fri l1 if tin(01jan2010,31dec2014) tset time 62
estat archlm, lags(5,10,15,20,25) tset date estimates store OLS6 estimates table OLS1a OLS2 OLS3 OLS4 OLS5 OLS6, b se t p stats(chi2 N ll r2 r2_a F) estimates table ar1 ar2 ar3a ar3b ar4 ar5a ar5b ar6, b p stats(chi2 ll N) estimates table ar1a ar1b ar1c ar1d ar1e ar1f, b se t p stats(chi2 ll N) * end save "/Users/asrisurya/OneDrive/data-mei2015/stata/datafiles/data 1.0.9.dta" log close *----------------------------------------------------------------- 63
LAMPIRAN 2. TABEL PENGUJIAN AUTOCORELATION DAN PARTIAL AUTOCORELATION. corrgram return1 (note: time series has 352 gaps) -1 0 1-1 0 1 LAG AC PAC Q Prob>Q [Autocorrelation] [Partial Autocor] 1 0.1484 0.1631 125.21 0.0000 2 0.0218 0.0029 127.92 0.0000 3 0.0157 0.0218 129.33 0.0000 4-0.0015-0.0009 129.34 0.0000 5-0.0003-0.0035 129.34 0.0000 6-0.0117 0.0022 130.12 0.0000 7 0.0006 0.0181 130.12 0.0000 8-0.0115-0.0223 130.88 0.0000 9-0.0039-0.0092 130.96 0.0000 10 0.0425 0.0352 141.27 0.0000 11 0.0275 0.0217 145.59 0.0000 12 0.0233 0.0046 148.69 0.0000 13 0.0231-0.0027 151.74 0.0000 14 0.0115 0.0088 152.49 0.0000 15-0.0014-0.0374 152.5 0.0000 16 0.0055 0.0206 152.67 0.0000 17 0.0446 0.0533 164.04 0.0000 18 0.0333-0.0109 170.37 0.0000 19 0.0150 0.0215 171.65 0.0000 20 0.0375 0.0436 179.66 0.0000 21 0.0123 0.0047 180.52 0.0000 22 0.0135 0.0522 181.55 0.0000 23 0.0323 0.0313 187.51 0.0000 24 0.0333 0.0315 193.86 0.0000 25 0.0058 0.0388 194.05 0.0000 26 0.0214 0.0079 196.68 0.0000 27 0.0148 0.0002 197.93 0.0000 28 0.0146 0.0239 199.14 0.0000 29 0.0064 0.0201 199.37 0.0000 30-0.0104-0.0068 199.99 0.0000 31-0.0107-0.0282 200.64 0.0000 32 0.0005 0.0425 200.65 0.0000 33 0.0019-0.0451 200.67 0.0000 34 0.0082 0.0285 201.05 0.0000 35 0.0062 0.0751 201.27 0.0000 36 0.0218-0.0180 204 0.0000 37 0.0174-0.0670 205.74 0.0000 38 0.0100 0.0901 206.3 0.0000 39-0.0071-0.0396 206.59 0.0000 40 0.0006-0.0102 206.59 0.0000 64
1. GRAFIK OTOKORELASI DATA RUNTUT WAKTU IMBAL HASIL INDEKS HAHRGA SAHAM GABUNGAN (1990-2014). 2. GRAFIK OTOKORELASI PARSIAL DATA RUNTUT WAKTU IMBAL HASIL INDEKS HARGA SAHAM GABUNGAN (1990-2014). 65