1.1 Gambaran Umum Objek Penelitian BAB I PENDAHULUAN Objek studi pada penelitian ini adalah harga saham perusahaan yang terdaftar di Sektor Telekomunikasi pada Bursa Efek Indonesia (BEI). Sampai dengan Q4 2013, terdapat 10 operator telekomunikasi di Indonesia, beberapa diantaranya sudah go public dimana sahamnya diperdagangkan di lantai bursa. Daftar perusahaan telekomunikasi yang terdaftar di BEI dapat dilihat pada tabel 1.1: Tabel 1.1 Daftar Perusahaan yang Terdaftar di Sektor Telekomunikasi Sumber: www.idx.co.id, Informasi Indeks Harga Saham untuk Investor, Desember 2013 Terdapat tiga produk utama dari layanan telekomunikasi yaitu, layanan seluler (mobile cellular), layanan telepon tetap (fixed line), dan internet. Peningkatan jumlah pengguna dan atau pelanggan ketiga layanan tersebut menjadi indikator meningkatnya tren industri telekomunikasi di suatu negara. Nama Emiten PT Telekomunikasi Indonesia Tbk. PT Indosat Tbk. PT XL Axiata Tbk. PT Bakrie Telecom Tbk. PT Smartfren Telecom Tbk. Berdasarkan data yang diperoleh dari World Bank, perkembangan jumlah pelanggan seluler di Indonesia selama periode 2007 hingga 2012 menunjukkan tren meningkat. Perkembangan jumlah pelanggan layanan seluler dapat dilihat pada Tabel 1.2: Tabel 1.2 Jumlah Pelanggan Seluler di Indonesia (2007 2012) Sumber: World Development Indicators, World Bank, Desember 2013 Yang dimaksud dengan pelanggan seluler adalah setiap individu yang berlangganan layanan telepon bergerak umum (public mobile telephone service) menggunakan teknologi seluler yang menyediakan akses ke jaringan Public Switched Telephone Network (PSTN). Yang termasuk pelanggan seluler adalah pelanggan prabayar dan paskabayar. Kode Emiten TLKM ISAT EXCL BTEL FREN 2007 2008 2009 2010 2011 2012 Pelanggan Seluler 93,386,881 140,578,243 163,676,961 211,290,235 249,805,619 281,963,665 Pertumbuhan - 50.53% 16.43% 29.09% 18.23% 12.87% Pelanggan Seluler 40.17301023 59.83296554 68.94143553 88.08496671 102.4885612 115.1957716 (Per 100 Orang) Pertumbuhan - 48.94% 15.22% 27.77% 16.35% 12.40% 1
Pada Tabel 1.2 dapat dilihat bahwa peningkatan jumlah pelanggan seluler paling besar terjadi pada tahun 2008, yaitu sebesar 50.53% year-on-year (y-o-y), sedangkan peningkatan jumlah pelanggan seluler pada tahun 2012 adalah sebesar 12.87% y-o-y. Untuk perkembangan jumlah pelanggan seluler per seratus orang penduduk, peningkatan terbesar jumlah pelanggan seluler juga terjadi pada tahun 2008, yaitu sebesar 48.94%, untuk tahun 2012 terjadi peningkatan sebesar 12.87% y-o-y. Pada tahun 2011 dan tahun 2012, jumlah pelanggan seluler per seratus orang penduduk adalah sebesar 102.49 dan 115.20, hal ini menunjukkan bahwa untuk satu individu dapat berlangganan lebih dari satu layanan seluler. Untuk layanan saluran telepon tetap, berdasarkan data yang diperoleh dari World Bank, meskipun terjadi penurunan jumlah pelanggan pada tahun 2011 dan tahun 2012, namun menunjukkan tren meningkat. Perkembangan jumlah pelanggan layanan saluran telepon tetap di Indonesia selama periode 2007 hingga 2012 dapat dilihat pada Tabel 1.3: Tabel 1.3 Jumlah Pelanggan Saluran Telepon Tetap di Indonesia (2007 2012) 2007 2008 2009 2010 2011 2012 Saluran Telepon 19,529,507 30,378,071 34,809,627 40,931,063 38,617,480 37,982,855 Terpasang Pertumbuhan - 55.55% 14.59% 17.59% -5.65% -1.64% Saluran Telepon 8.40117023 12.92952619 14.66196367 17.06378585 15.84371872 15.51783025 (Per 100 Orang) Pertumbuhan - 53.90% 13.40% 16.38% -7.15% -2.06% Sumber: World Development Indicators, World Bank, Desember 2013 Saluran telepon tetap adalah jaringan telepon yang menghubungkan perangkat telekomunikasi milik pelanggan ke jaringan PSTN. Yang termasuk layanan saluran tetap adalah layanan saluran digital terintegrasi (integrated services digital network channels) dan layanan telepon tetap nirkabel (fixed wireless). Pada Tabel 1.3 dapat dilihat bahwa pada tahun 2011 dan tahun 2012 terjadi penurunan jumlah saluran telepon yang terpasang sebesar -5.65% y-o-y dan -1.64% y-o-y. Penurunan ini terjadi dikarenakan pelanggan individu mulai beralih untuk menggunakan layanan telekomunikasi seluler. Peralihan ini dapat dilihat pada Tabel 1.2, dimana terjadi peningkatan jumlah pelanggan seluler sebesar 18.23% y-o-y pada tahun 2011 dan sebesar 12.87% y-o-y pada tahun 2012. Dengan menggunakan data yang diperoleh dari World Bank, dapat diketahui bahwa tren pengguna internet di Indonesia juga mengalami peningkatan. Perkembangan jumlah pelanggan internet di Indonesia untuk periode 2007 hingga 2012 dapat dilihat pada Tabel 1.4: 2
Tabel 1.4 Jumlah Pelanggan Internet di Indonesia (2007 2012) 2007 2008 2009 2010 2011 2012 Pelanggan Internet 778,770 981,562 1,863,821 2,280,316 2,736,379 2,983,000 Broadband Pertumbuhan - 26.04% 89.88% 22.35% 20.00% 9.01% Pelanggan Internet 0.335009959 0.417772794 0.785049371 0.950642887 1.122663084 1.218699533 Broadband (Per 100 Orang) Pertumbuhan - 24.70% 87.91% 21.09% 18.10% 8.55% Pengguna Internet 5.786274729 7.917479385 6.92 10.92 12.28 15.36 (Per 100 Orang) Pertumbuhan - 36.83% -12.60% 57.80% 12.45% 25.08% Sumber: World Development Indicators, World Bank, Desember 2013 Pelanggan internet broadband adalah pelanggan yang menggunakan layanan broadband melalui saluran digital (digital subscriber line), cable modem, atau teknologi akses internet berkecepatan tinggi lainnya. Sedangkan yang dimaksud dengan pengguna internet adalah setiap individu yang mendapatkan akses ke jaringan internet (worldwide network). Tabel 1.4 menunjukkan bahwa peningkatan pelanggan internet broadband pada tahun 2012 adalah sebesar 9.01% y-o-y. Untuk pelanggan internet broadband (per 100 orang) dan pengguna internet (per 100 orang), peningkatan yang terjadi pada tahun 2012 adalah masing-masing sebesar 8.55% y-o-y dan 25.08% y-o-y. Grafik tren peningkatan yang terjadi pada sektor industri telekomunikasi di Indonesia selama periode 2007 hingga 2012 dapat dilihat pada Gambar 1.1: Gambar 1.1 Tren Industri Telekomunikasi di Indonesia (2007 2012) Sumber: World Development Indicators, World Bank, Desember 2013, diolah 3
1.2 Latar Belakang Penelitian Perusahaan telekomunikasi yang telah terdaftar di BEI dapat menjual sahamnya ke publik sehingga perusahaan mendapat tambahan dana, hal ini memberikan kesempatan bagi investor untuk menanamkan modalnya di perusahaan tersebut dengan harapan mendapat keuntungan di waktu yang akan datang. Hal ini sesuai dengan pendapat Tandelilin (2010:2) mengenai definisi dan tujuan dari investasi, yaitu Investasi merupakan komitmen atas sejumlah dana atau sumber daya lainnya yang dilakukan pada saat ini, dengan tujuan memperoleh sejumlah keuntungan di masa datang. Menurut Sharpe et al. dalam Fahmi (2012:4), secara umum investasi terbagi atas dua bentuk, yaitu investasi nyata (real investment) dan investasi keuangan (financial investment). Investasi nyata secara umum melibatkan aset berwujud, seperti tanah, mesin, atau pabrik, sedangkan investasi keuangan melibatkan kontrak tertulis seperti saham biasa (common stock) dan obligasi (bond). Bentuk investasi yang menjadi fokus dalam penelitian ini adalah investasi keuangan dalam bentuk saham. Penggunaan saham sebagai salah satu alat untuk mencari tambahan dana bagi perusahaan dan investor menyebabkan kajian serta analisis tentang saham begitu berkembang, baik secara fundamental maupun teknikal. Menurut pendapat Kodrat & Indonanjaya (2010:203), analisis saham secara fundamental menitikberatkan pada analisis laporan keuangan perusahaan, sedangkan analisis teknikal menggunakan data harga saham di waktu yang lalu untuk memprediksi harga saham di waktu yang akan datang. Hasil penelitian Taylor & Aller dalam Panji (2008:19) menemukan bahwa lebih dari 90% investor memberikan bobot yang lebih tinggi pada penggunaan analisis teknikal dibandingkan analisis fundamental dalam membeli atau menjual saham. Kelebihan analisis teknikal dibandingkan analisis fundamental menurut pendapat Susanto & Sabardi dalam Kodrat & Indonanjaya (2010:6) adalah: 1) Analisis teknikal dapat digunakan secara luas hampir di semua pasar modal di seluruh dunia 2) Grafik dapat digunakan untuk menganalisis dalam satuan waktu: jam, hari, minggu, bulan bahkan tahun. 3) Banyak terdapat alat-alat analisis teknikal dan teknik-teknik yang tersedia untuk digunakan sesuai kebutuhan di berbagai sektor pasar yang berbeda. 4) Prinsip dasar analisis teknikal mudah dipahami dan lebih memperhatikan pada kejadian sesungguhnya di pasar. 5) Analisis teknikal dapat menggunakan data secara akurat dan setiap saat tersedia di RTI (Real Time Information) dan IMQ (Information Market Quote). Juanda & Junaidi (2012:40) menyatakan bahwa teknik analisis yang sering digunakan adalah Analisis Tren, Rata-Rata Bergerak (Moving Average), Teknik Dekomposisi, Autoregressive Integrated Moving Average (ARIMA(p,d,q)) dan Generalized Autoregressive Conditional Heteroskedasticity (GARCH(p,q)). 4
Selanjutnya Juanda & Junaidi (2012:43) menjelaskan bahwa Analisis Tren yang sering digunakan adalah Tren Linier, Tren Kuadratik dan Tren Eksponensial. Tren Linier adalah kecenderungan data dimana perubahannya berdasarkan waktu adalah tetap (konstan). Tren Kuadratik adalah kecenderungan data yang kurvanya berpola lengkungan (curvature). Penggunaan tren kuadratik terjadi karena sering kali perkembangan nilai suatu variabel yang dalam jangka pendek atau jangka menengahnya berpola linier, namun pada jangka panjang menjadi tidak linier sehingga harus dibuat persamaan tren non-linier. Tren Eksponensial merupakan bagian dari Tren Kuadratik, dinamakan Tren Eksponensial karena kecenderungan perubahan data yang bertambah secara eksponensial. Menurut pendapat Kodrat dan Indonanjaya (2010:114), tipe Moving Average (MA) yang biasa digunakan adalah: Simple Moving Average (SMA), Weighted Moving Average (WMA), Exponential Moving Average (EMA), Triangular Moving Average (TMA) dan Variable Moving Average (VMA). Model tersebut sering digunakan karena sederhana, dikatakan sederhana karena hanya merupakan pengembangan dari metode MA. Perbedaan masing-masing metode tersebut adalah: (1) SMA memberikan bobot yang sama untuk semua data, (2) WMA dan EMA memberikan bobot yang lebih banyak untuk data-data saat ini, (3) TMA memberikan bobot yang lebih banyak untuk data yang berada di tengah, (4) sedangkan VMA mengubah bobot berdasarkan volatilitas harga. Menurut Juanda & Junaidi (2012:51), secara intuitif, rata-rata bergerak adalah pemulus (smoothers) yang secara sistematis mengurangi noise dalam observasi, sehingga membuat pola data lebih mudah untuk diketahui. Dengan mengetahui pola data, maka nilai akan datang dapat diprediksi atau diramalkan. Juanda & Junaidi (2012:57) menyebutkan bahwa Metode Dekomposisi berasumsi bahwa data tersusun atas tiga komponen pola dan satu unsur keacakan. Metode Dekomposisi mencoba memisahkan tiga komponen dari pola dasar tersebut yaitu, faktor Tren (T), Siklus (C) dan Variasi Musiman (S). Tujuan dilakukan dekomposisi adalah agar hasil peramalan diharapkan lebih akurat serta dapat memahami perilaku deret data secara lebih baik sesuai komponennya. Dua metode berikutnya yang sering digunakan adalah metode ARIMA dan metode GARCH. Metode ARIMA digunakan apabila deret data diasumsikan memiliki nilai residual yang bersifat konstan sepanjang waktu, atau dikenal dengan sifat homoskedastisitas. Untuk pembentukan model peramalan menggunakan metode GARCH, deret data diasumsikan memiliki residual yang tidak konstan, berubah sesuai selang waktu, hal ini dikenal dengan heteroskedastisitas. Metode ARIMA dan metode GARCH dapat digunakan untuk melakukan prediksi harga saham dengan syarat data harus distasionerkan terlebih dahulu sehingga didapatkan model yang valid dalam melakukan peramalan. Pentingnya penggunaan deret data yang stasioner dibuktikan oleh hasil penelitian Yule dalam Gujarati (2009:748) yang menemukaan bahwa data yang tidak stasioner menghasilkan regresi lancung (semu) meskipun sampel yang digunakan sangat besar. Apabila data tidak stasioner pada level (deret data asli), maka proses transformasi dapat dilakukan agar data menjadi stasioner. 5
Salah satu stylized fact (ciri yang melekat) pada data return menurut pendapat Bollerslev et al. dalam Rosadi (2012:239) adalah terjadinya gejala volatility clustering. Menurut Engle (2001:158), volatility clustering merupakan gejala yang ditunjukkan akibat volatilitas yang tinggi, dimana pada suatu tahap fluktuasinya relatif tinggi, kemudian diikuti oleh fluktuasi yang rendah lalu kembali tinggi. Fenomena volatility clustering pada data return saham TLKM, ISAT, BTEL, EXCL, dan FREN dapat dilihat pada Gambar 1.2: Gambar 1.2 Fenomena Volatility Clustering Pada Data Return Saham Perusahaan Periode Mei 2012 April 2013.06.15.04.10 Return Telkom.02.00 -.02 Return ISAT.05.00 -.05 -.04 -.10 -.06 25 50 75 100 125 150 175 200 225 250 -.15 25 50 75 100 125 150 175 200 225 250.10.3.05.2 Return EXCL.00 -.05 Return FREN.1.0 -.10 -.1 -.15 25 50 75 100 125 150 175 200 225 250 -.2 25 50 75 100 125 150 175 200 225 250.16.12.08.04 Return BTEL.00 -.04 -.08 -.12 -.16 Volatility Clustering -.20 25 50 75 100 125 150 175 200 225 Sumber: Yahoo Finance, diolah Berdasarkan stylized fact yang terdapat pada return tersebut, maka metode yang dipilih oleh peneliti untuk melakukan prediksi harga saham TLKM, ISAT, EXCL, dan FREN pada penelitian ini adalah metode ARIMA(p,d,q) dan metode GARCH (p,q). Menurut pendapat Juanda & Junaidi (2012:55), jika ada dua metode peramalan digunakan untuk suatu data tertentu, pemilihan model terbaik didasarkan atas kesalahan peramalan. Metode yang dipilih adalah metode yang memberikan kesalahan peramalan terkecil. Kesalahan peramalan 6
dapat dihitung dengan menggunakan RMSE (Root Mean Square Error), MAE (Mean Absolute Error) dan MAPE (Mean Absolute Percentage Error) dari masing-masing model. RMSE mengukur kesalahan nilai dugaan model yang dinyatakan dalam bentuk rata-rata akar kuadrat kesalahan, MAE mengukur kesalahan nilai dugaan model yang dinyatakan dalam bentuk rata-rata absolut kesalahan, sedangkan MAPE mengukur kesalahan nilai dugaan model yang dinyatakan dalam bentuk rata-rata persentase absolut kesalahan. Berdasarkan latar belakang permasalahan tersebut, maka penulis dalam penelitian ini memilih judul Analisis Perbandingan Metode ARIMA dan GARCH untuk Memprediksi Harga Saham (Studi Kasus Pada Perusahaan Telekomunikasi yang Terdaftar di Bursa Efek Indonesia Periode Mei 2012 April 2013). 1.3 Perumusan Masalah Berdasarkan latar belakang tersebut, rumusan masalah pada penelitian ini adalah: 1) Berapakah kesalahan nilai dugaan model ARIMA dalam memprediksi harga saham TLKM, ISAT, EXCL, dan FREN untuk jangka waktu satu bulan? 2) Berapakah kesalahan nilai dugaan model GARCH dalam memprediksi harga saham TLKM, ISAT, EXCL, dan FREN untuk jangka waktu satu bulan? 3) Apakah model ARIMA atau model GARCH yang lebih akurat dalam melakukan prediksi harga saham TLKM, ISAT, EXCL, dan FREN untuk jangka waktu satu bulan? 1.4 Tujuan Penelitian Berdasarkan perumusan masalah di atas, maka penelitian ini memiliki tujuan sebagai berikut: 1) Mengetahui tingkat kesalahan nilai dugaan model ARIMA dalam memprediksi harga saham TLKM, ISAT, EXCL, dan FREN untuk jangka waktu satu bulan. 2) Mengetahui tingkat kesalahan nilai dugaan model GARCH dalam memprediksi harga saham TLKM, ISAT, EXCL, dan FREN untuk jangka waktu satu bulan. 3) Mengetahui model yang lebih akurat dalam melakukan prediksi harga saham TLKM, ISAT, EXCL, dan FREN untuk jangka waktu satu bulan. 1.5 Kegunaan Penelitian Kegunaan penelitian ini terbagi atas dua aspek, yaitu: 1) Aspek Teoritis Penelitian ini diharapkan bermanfaat bagi kalangan akademisi untuk menjadi tambahan referensi bagi yang tertarik terhadap kajian analisis deret waktu terutama aplikasinya pada bidang keuangan. Penelitian ini juga diharapkan dapat menjadi referensi bagi peneliti selanjutnya yang ingin meneliti model ARIMA(p,d,q) dan atau GARCH(p,q) pada industri yang sama maupun berbeda. 7
2) Aspek Praktis Dalam aspek praktis, diharapkan penelitian ini bermanfaat bagi investor agar dapat melakukan prediksi jangka pendek terhadap harga saham sehingga dapat membantu dalam pengambilan keputusan untuk membeli atau menjual saham. Penulis juga berharap semoga penelitian ini bermanfaat bagi perusahaan/emiten untuk memberikan suatu gambaran bagi manajemen perusahaan dalam hal peramalan harga saham perusahaan sehingga dapat menjadi bahan pertimbangan dalam pengambilan keputusan perusahaan untuk masa yang akan datang. 1.6 Sistematika Penulisan Tugas Akhir Berdasarkan Keputusan Rektor Institut Manajemen Telkom Nomor : 040/IM Telkom-05/PD- 57/2011 Tentang Pedoman Penulisan Tugas Akhir Jenjang Pendidikan Diploma-3, Strata-1, dan Strata-2 di Institut Manajemen Telkom maka sistematika penulisan tugas akhir ini adalah: BAB I : PENDAHULUAN Bab ini merupakan penjelasan secara umum, ringkas, dan padat yang menggambarkan dengan tepat isi penelitian. Isi bab ini meliputi: (1) gambaran umum objek penelitian, (2) latar belakang penelitian, (3) perumusan masalah, (4) tujuan penelitian, (5) kegunaan penelitian, dan (6) sistematika penulisan tugas akhir. BAB II : TINJAUAN PUSTAKA DAN LINGKUP PENELITIAN Bab ini mengemukakan dengan jelas, ringkas, dan padat tentang hasil kajian kepustakaan yang terkait dengan topik dan variabel penelitian untuk dijadikan dasar bagi penyusunan kerangka pemikiran dan perumusan hipotesis. Isi bab ini meliputi: (1) tinjauan pustaka, (2) penelitian terdahulu, (3) kerangka pemikiran, dan (4) ruang lingkup penelitan. BAB III : METODE PENELITIAN Bab ini menegaskan, metode, dan teknik yang digunakan untuk mengumpulkan dan menganalisis data yang dapat menjawab atau menjelaskan masalah penelitian, meliputi uraian tentang: (1) jenis penelitian, (2) variabel operasional, (3) tahapan penelitian, (4) populasi dan sampel, (5) pengumpulan data, (6) uji stasioneritas data, dan (7) teknik analisis data. BAB IV: PEMBAHASAN DAN ANALISA Bab ini menampilkan pembahasan dan analisa yang meliputi: (1) karakteristik responden, (2) hasil penelitian, dan (3) pembahasan hasil penelitian. BAB V: KESIMPULAN DAN SARAN Dalam bab ini disajikan kesimpulan dan saran dari penelitian yang dilakukan. 8