KONSEP STATISTIK DALAM INVESTASI

1. KONSEP STATISTIK DALAM INVESTASI ROWLAND BISMARK F.P MM.,M.Ec.,M.Phil.,FRM.,ChFc

2. PENDAHULUAN • Investasiadalahwahanadimanadanaditempatkandenganharapandapatmeningkatkannilaidan/ataumemberikanhasil (return) yang positif. • Dari definisiinitersiratadanyadimensiketidakpastianperihalkenaikanjumlahdanatersebut. • Agar ketidakpastianitudapatdiukur, makadigunakanlahkonsepstatistiksebagaialat bantu pengambilankeputusan.

3. UKURAN STATISTIK POPULER • NilaiSentraldanNilaiEkspektasi • Expected Return dan Variance Returns • Rata-rata Bergerak (Moving Average) • RegresiSederhana • RegresiBerganda (Multifaktor) • Run Test danAutokorelasi • Indeks • MetodeDekomposisi • LogitvsDiskriminan • ContohAnalisis Model Multiregresi • Interpretasi Output Multiregresi • Kesimpulan

4. NilaiSentraldanEkspektasi • NilaiSentral Nilai yang menyatakanbahwasebuah data akan dikelempokkanmenjadiduakelompokdimananilai-nilaidiatas rata-rata samadengannilai-nilaidibawah rata. Contoh : Modus, Median dan Rata-rata. • NilaiEkspektasi Dalambidanginvestasidimanasituasidimasamendatangtidak bisa diestimasikan, makarisikodapatdigambarkandenganprobabilitas. Seoranginvestor yang melakukaninvestasipadasebuah instrument investasisepertisahamdapatmemperkirakanbesarnyatingkatpengembalian yang diharapkan, Nilaiekspektasiinimerupakanfaktorpentingdalamberinvestasiuntukinvestor.

5. Ekspektasidan Varian • Markowitz (1950). Expected returnmerupakantingkatpengembaliandanvariance returnsmerupakanrisikoatas instrument investasi. Artinya, seseorang yang melakukaninvestasiatasdana yang dimilikinyaakanmemakaiukurantingkatpengembalian yang dihasilkandanrisikoatasinvestasitersebut. • Risiko yang dikemukakan Markowitz merupakanrisikomurni yang belumdikaitkandenganberbagaikejadian. Besarnyavarianstersebutmenunjukkanbesarnyarisikodari instrument investasitersebut.

6. Rata-rata Bergerak • Rata-rata bergerakadalahsebuahprosedurstatistik yang dipergunakanuntukmeramalkan data berikutnyadengancaramenghitung rata-rata dari data sebelumnya. • Rata-rata terbarudihitungdenganmenghilangkan data awaldenganmengganti data terbarusehinggadiperolehperamalanberikutnya. • Berbagaipihakakanmelihatkemungkinan data aslidibawahataudiatas rata-rata bergerak. Bilagaris rata-rata bergerakmemotonggrafik data asli yang datangnyadaribawah data aslimakakeputusan yang diambil investor yaitumembelisaham yang bersangkutan. Sebaliknya, investor akanmelakukanpenjualansahambilagrafik rata-rata bergerakmemotongdariatasgrafik data asli.

7. RegresiSederhana • Analisisregresiadalahsebuahalatstatisitik yang digunakanmenganalisishubungansatuataulebihdariduavariabeldimanavariabel yang satudapatmemprediksivariabel yang lain. Variabel yang diprediksidikenaldenganvariabeltakbebasdanvariabel yang memprediksidikenaldenganvariabelbebas. • Teori yang munculsebagaikelanjutandariteoriportofolioiniyaituteorihargapasar asset (Capital Asset Pricing Model) yang diperkenalkanoleh Sharpe (1964), Mossin (1966) danLintner (1966).

8. RegresiBerganda (Multifaktor) • Model multifaktordalaminvestasimembahaseksplorasi model single faktordenganmenambahfaktor yang logisdanrelevanpengaruhnyaterhadapekspektasi return saham. Ross (1976) mengembangkanArbitrage Pricing Theory (APT) sebagaijawabanataskelemahan CAPM. • Beberapapenelitianasset pricinglainnya yang sangatpentingperihalasset pricingSaham model multifaktor, misalnya: Famadan French, Jegadeshdan Titman….etc.

9. MODEL MULTIFAKTOR:PenelitianEmpiris Di Indonesia • Pasaribu (2012).Studi perihal pengaruh volatilitas idiosynkratis terhadap portofolio saham yang terbentuk dari beragam model asset pricing multifaktor. • Pasaribu (2009) mengimplementasikan model tiga faktornya Fama dan French pada saham non-keuangan di Bursa Efek Indonesia periode 2003-2006. Hasil kalkulasi empiris menyimpulkan bahwa secara umum, model asset pricing Fama dan French lebih superior dalam menjelaskan variasi tingkat pengembalian saham yang diharapkan dibanding model CAPM-nya Sharpe dan kawan-kawan.

10. Run Test danAutokorelasi • Run test merupakansalahsatualatdalam statistic non-parametrik yang dipergunakanuntukmelihathubunganantarwaktudanumumnyapada data yang dianggaptidakmempunyai parameter. • Untuk data series waktu, pengujianautokorelasimerupakanalatpentinguntukmelihatadanyahubunganantara data sekarangdengansebelumnya. Bila data tersebuttidakberhubungandikenaldenganrandom walk atauadanyakeacakan. • Bursa sahamselaludianggapmempunyaikeacakanatasharga (tingkatpengembalian) agar tidakada yang memperolehkeuntungan yang tidak normal (abnormal return).

11. PenelitianInternasional • EfisiensiPasardikembangkanolehFama (1970) danmengklasifikasikanpasarmenjaditigakelompokyaitupasar yang efisiensilemah (weak-form Efficient); pasardenganbentuk semi-strong danpasarsangatkuatefisien (strong Efficient). • Testing dengan Run test danautokorelasiantarwaktudipergunakansebagaimetodeuntukmengujiefisiensipasardalambentuklemah. Hasiltemuannyamenyatakanbahwapasar New York efisienuntukbentuklemah.

12. Penelitian Di Indonesia • Husnan (1992): EfisiensiPasar Modal di Indonesia yang dilihatsecaramikrodanmakrodenganmenggunakan data tahun 1990. Kesimpulannyamenyatakanbahwatelahterjadipeningkatandalamefisiensilemah, tetapitidakuntukefisiensi yang setengahkuat. • Manurung (1994) Efisiensipasar BEJ: BEJ tidakefisiensidalambentuklemah (weak-form efficient) danjugabentuksetengahkuat (semistrong efficient). • AffandidanUtama (1998): Studiterhadap BEJ denganmenggunakancumulative average abnormal return untukmengujipengumumanlabadenganstock return yang jugadikenalpasarefisiendalambentuksetengahkuatuntukperiode 1996 dan 1997. Hasilkesimpulanpenelitiantersebutmenyebutkan BEJ belummencapaiefisiensibentuksetengahkuat.

13. Indeks • Salah satupokokbahasan yang dipelajaridalamStatistikDeskriptifdikenaldengan Indeks. • Indeks inidinyatakanuntukmelihatperkembangansebuahvariabel. Untukmelihatperkembanganhargasahamtersebutmakadihitungindeks yang dikenaldengan Indeks HargaSahamGabungan (IHSG). • IHSG telahmenjadisebuahfenomenabarubagimasyarakatterutama investor yang melakukaninvestasipada bursa saham. • BahkanPemerintah yang berkuasasekarangjugamenggunakan IHSG sebagaipatokankebijakannyadalamrangkatmelihatpenerimaanpasarataskebijakan yang diambil. Ekonomtelahmenyebutkanbahwa IHSG telahmenjadileading indicator economics.

14. Metode Dekomposisi • Data yang adadandapatdibuatgrafiknyadikategorikanmenjadi data berbentuk trend, siklus, stasionerdanmusiman. Para statistisimelakukansmoothing agar keacakan data tidakterlihat. • Trend daripasar modal dapatdilihatdenganmenggambarkan data aslisertamembuat rata-rata bergeraknya. Data siklusdanmusimansangatdibutuhkanpara fund manager. • Data musimanpasarmisalnya, dapatdipergunakanolehperusahaanuntukmelakukan IPO agar sahamnyatidakturunketikapertama kali diperdagangkandi bursa sahamkarenaimagenyamenjadinegatifdikemudianhari.

15. Logit vs Diskriminan • LogitatauseringdikenaldenganLogistikRegressionmerupakanperkembangan dari Diskriminasi. • Perbedaanmendasar dari keduametodetersebutyaitumengenaiasumsi yang dipergunakandalam variable bebas. • Padadiskriminasimempunyaiasumsibahwa variable bebasharusmemilikidistribusi normal sehinggatidak bisa menggunakan variable dikotomi. • SedangkanLogitdapatmenerima variable dikotomiuntuk variable bebas. Bila variable bebasnyaberdistribusi normal makahasil yang diperolehdengandiskriminasi dan logitadalahsama.

16. Model Binary Logit • Model logit dan diskriminasiinibanyakdipergunakanberbagaipihakdalammengelompokkansahammaupunperbankan. Denganberbagairasiokeuanganperbankanmakasebuahbankdapatdikelompokkanmenjadibank devisa dan bank non-devisa. • Eksplorasipenelitiankinerjakeuanganjugabanyak yang menggunakanteknikinisehingga bisa dikatakanmemberiwarna dan sudutpandang yang variatif, khususnyapada model penelitianempiris. • Studi Pasaribu (2008) berusahamengujidayaklasifikasirasiokeuanganbaik yang berasaldarilaporanlabarugi, neracaataupunlaporanaruskasuntukmemprediksikondisifinancial distress perusahaandenganteknikanalisisbinary logit. Hasilpenelitiannyamenunjukkanbahwa: 1) Model current ratiodanasset turn overmemilikitingkatdayaklasifikasisampel yang tinggidibandingkandenganempat model lainnyayaitusebesar 98,08% dan 91,67%, dan; 2). Aspekkinerjalikuiditasdansolvabilitasemitenberpengaruhsignifikandalammemprediksifinancial distress.

17. MULTI DISCRIMINANT ANALYSIS • Analisis diskriminan digunakan karena merupakan teknik statistic yang tepat pada variable dependen yang berbentuk kategori, sedangkan variable independennya adalah berbentuk metrik. Analisis logit adalah bentuk khusus dari analisis regresi yang diformulasikan untuk memprediksi dan menjelaskan kategori variabel binary (dua grup) daripada mengukur metrik variable dependen. • Analisis diskriminan memiliki kapabilitas dalam menyelesaikan kendala kategori variable dependen yang lebih dari satu kategori. jika sudah lebih dari dua kategori, maka analisisnya disebut analisis multidiskriminan. Sedangkan analisis logistic regresi (analisis logit) terbatas hanya untuk dua grup. • Analisis diskriminan adalah teknik analisis yang tepat untuk menguji hipotesis dimana nilai rata-rata grup variable independent untuk dua kategori atau lebih adalah equal. • Analisis diskriminan tidak terbatas hanya pada variat tunggal, sebagaimana dalam multiregresi, tapi menciptakan multivariat yang merepresentasikan dimensi pada diskriminasi diantara grup yang ada. Bentuk variat analisis logit sama dengan variat dalam multiregresi. Variat merepresentasikan hubungan multivariate tunggal koefisien regresi yang mengindikasi pengaruh relatif pada tiap-tiap variabel predictor.

18. MULTI DISCRIMINANT ANALYSIS Model dasar analisis diskriminan : Zjk = a + W1X1k + W2X2k + ... + WnXnk Dimana Zjk = Diskriminan Z-Score pada fungsi diskriminasi j untuk objek k a = intersep Wi = Bobot diskriminan untuk variabel independen i Xik = Variabel independen i untuk objek k

19. CONTOH STUDI KASUS IMPLEMENTASI MODEL MULTIFAKTOR • RISIKO VALAS, INDIKATOR MONETER DAN BURSA ASING TERHADAP IHSG • RISIKO BURSA ASING DAN VALAS TERHADAP INDEKS INDUSTRI

20. RISIKO Valas, IndikatorMoneterdan Bursa SahamAsingTerhadap IHSG

21. Interpretasi Output Multiregresi • IHSG = 1165,84 + 0.95Inflasi 47,04SBI(3M) + 0,0008JUB(M2) -0,31IDR/USD + 0,12IDR/EUR + 0,04CadDev + 2,13KLSE-1,21STI + 0,01PSEI + 0,04SSE-RRC • Adj.R² = 0,9461. Iniartinya, bahwaValas, IndikatorMoneterdan Indeks Bursa Asingmemilikikapasitasmenjelaskannaikturunnyaindekshargasahamgabungansebesar 94,61% sedangkansisanyasebesar 5,39% adalahindikator lain yang tidakdimasukkankedalam model multiregresi.

22. Interpretasi Output Multiregresi HasilUjiHipotesis • Sig,t.Iniadalahukuran statistic untukpengukuransignifikansipengaruhparsial, biasanyadigunakanuntukujihipotesispengaruhvariabelXnterhadapvariabeldependen (Y). Dari tabeltersebutdiperolehinformasibahwakecualiInflasi, SBI(3M), PSEI, dan SSE-RRC, seluruh predictor memangberpengaruhsignifikanterhadap Indeks HargaSahamGabungan (JUB (M2), IDR-USD, IDR-EUR, CAD-DEVISA, KLSE, STI). • Sig.F.Ukuran statistic inibiasanyadigunakanuntukmelihatpengaruhvariabelindependensecarakeseluruhanterhadapvariabeldependen. Nilai 0,000 mengindikasikanbahwaValas, IndikatorMoneterdan Bursa SahamAsingmemangberpengaruhsignifikansecarasimultanterhadap Indeks HargaSahamGabungan.

23. BURSA ASING DAN VALAS SERTA INDEKS SEKTORAL PERSPEKTIF RISIKO SISTEMATIK JANGKA PENDEK

24. DESKRIPSI STATISTIK KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

25. RISIKO SISTEMATIK KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

26. HASIL UJI HIPOTESIS KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

27. PEMBAHASAN SignifikansiParsialValutaAsing • Dalampenelitianiniternyatanilaitukar IDR-USD hanyaberpengaruhsignifikanpadaduaindeksindustri (indekspertaniandanindustridasar ). • HasilberbedaditunjukkanolehpenelitianSiregar (2011), dimanakurs US$ tidakberpengaruhterhadap IHSG. Sementaranilaitukar IDR-GBP berpengaruhsignifikanterhadaptigaindeksindustri (Industripertanian, industripertambangan, dan industry perdagangan). KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

28. PEMBAHASAN SignifikansiParsial Bursa Asing • Indeks KLCI hanyaberpengaruhsignifikanpadaindekssahamsektormanufaktur. Hasilempirisinimendukungstudi yang dilakukanolehMuzammil (2011) danSiregar (2011), Hidayah (2012) dansebaliknyatidaksejalandenganhasilstudi yang dilakukanoleh Johan (2007). • Indeks STI (singapura) berpengaruhsignifikanpadatigaindeks industry (IndeksIndustridasar, industry manufaktur, dan industry pertambangan). Hasilempirisinisejalandenganpenelitian yang dilakukanolehHidayah (2012), Muzammil (2011), danSiregar (2011). Serta tidakmendukungpenelitiannya Johan (2007). KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

29. PEMBAHASAN SignifikansiParsial Bursa Asing • Indeks FTSE berpengaruhsignifikanpadatigasektor, yakniduadenganimplikasipositif (indekshargasahamindustriKeuangandanManufaktur), dansatuberimplikasinegatif (indeksindustriperdagangan). • Indeks Hangsenghanyaberpengaruhsignifikanterhadapindekssahamkeuangan. KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

30. PEMBAHASAN SignifikansiParsial Bursa Asing • Indeks KOSPI berpengaruhsignifikanpadatigaindekssektorduadenganimplikasinegatif (sektorkonsumsidan Real estate) dansatudengantandapositif (indekskeuangan). • Indeks Nasdaqberpengaruhsignifikansignifikanterhadapempatindeksyakni: indekspertanian, indeksbarangkonsumsi, indeksindustriperdagangan, danindeks real estate. KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

31. KESIMPULAN & SARAN • Liberalisasiperekonomiansecaralangsungatautaklangsung, telahmenghadirkanbanyak media alternatifbagipara investor untukmenginvestasikandananya. • Faktainiadalahtantangandansekaliguspeluangbagiparastakeholderpelaksanaaninvestasidi Indonesia. • Di sebutpeluangkarenapara investor dihadirkanbegitubanyak instrument investasi yang dapatdipilihseseuaikarakteristikrisikonya. • Tantangannya, adalahbagaimanapihak regulator danotoritas (BEI dan OJK) menghadirkanrambu-rambu yang kondusifdanmemilikiimpact-factor yang positifperihalperputarandanamasukdandanakeluar yang adadenganadanyaaktivitasjual-belisahamdanvalutaasing. KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

32. KESIMPULAN & SARAN • Tujuanpenelitianiniadalahuntukmengetahuisignifikansipengaruhsimultan dan parsial dari bursaasing dan nilaitukarvalasterhadapindeksindustri di BEI. • Dari hasilempiris, diperolehinformasibahwasecarasimultan, kecualibursa NIKKEI dan nilaitukar Yen, bursasahaminternasional dan nilaitukarvalasberpengaruhsignifikanterhadapfluktuasiindeksindustri di bursaefekIndonesia. KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

33. KESIMPULAN & SARAN • Hasilpenelitianlainnyajugamenyatakanbahwa model persamaan yang terbentukmenyatakankemampuanbursaasing dan nilaitukarvalasdalammenjelaskanfluktuasiindeksindustri di BEI sangatberagamdenganrentangnilai 57,7%-98,47%. • Berdasarkanhasilempiristersebutmakadapatdikatakanbahwaselainkarakteristikunikindustri dan emiten, bursasahamasing dan nilaitukarvalutaasingadalahfaktorpenting yang harusdipertimbangkan, teuramabagiinvestor yang menggunakanstrategiindeksdalamberinvestasi. KOWANDA & PASARIBU (2013) Bursa Asing dan Valuta Asing

34. KESIMPULAN • Akhirnya, uraiansebelumnyatelahmenyatakanbahwastatistikasangatbergunabagimereka yang inginberkecimpungdalambidanginvestasi. • Bahkan, statistikainimerupakanalat bantu yang strategisbagiparaahlikeuanganbaiksebagaipraktisi, akademisi, ilmuwanataupeneliti. • Dan tentusajauntuk TESIS andapadasaatnyananti.