(m.8) strategi penilaian saham berdasarkan - Statday

PROSIDING
Seminar Nasional Statistika | 12 November 2011
ISSN : 2087-5290.
Vol 2, November 2011
(M.8)
STRATEGI PENILAIAN SAHAM BERDASARKAN
UKURAN TINGKAT LIKUIDITASNYA
SEBAGAI ACUAN PENDUKUNG INDEKS LQ45
Muhammad Rifqi Syauqi
PT Bursa Efek Indonesia
Jl. Jend. Sudirman Kav. 52 - 53 Jakarta 12190
[email protected]
Abstrak
Likuiditas saham merupakan salah satu faktor yang digunakan investor dalam
melakukan investasi di pasar modal. Pertambahan jumlah emiten akan memiliki dampak
yang positif terhadap perekonomian. Disisi lain, jumlah emiten yang semakin banyak
secara tidak langsung juga dapat menimbulkan permasalahan tingkat likuiditas saham
terhadap saham lainnya apabila tidak diimbangi dengan peningkatan jumlah dan minat
investor. Selain itu, kurangnya informasi yang ada di publik, tingginya spread harga
antara bid dengan ask, prospek perusahaan yang kurang dikembangkan, dan penyebab
lainnya dapat menjadikan saham yang tercatat di BEI menjadi kurang likuid. Pada tahun
2010, aktivitas transaksi saham-saham Non LQ45 jauh lebih rendah dibandingkan
dengan saham LQ45 yang dapat digambarkan seperti efek pareto. Bahkan beberapa
saham-saham Non LQ45 tersebut tidak ada aktivitas transaksi selama tahun 2010. Oleh
karena itu, kajian ini ditujukan untuk mengetahui ukuran tingkat likuiditas saham
sebagai acuan pendukung indeks LQ45 sehingga diperoleh nilai yang menggambarkan
posisi likuiditas saham terhadap saham lainnya. Untuk mencapai tujuan tersebut
dilakukan analisis data terhadap aktivitas transaksi saham yang tercatat di BEI selama
tahun 2010 dengan menggunakan analisis faktor dan analisis kluster. Dari hasil analisis
tersebut diketahui bahwa ukuran tingkat likuiditas saham dapat dilihat dari dua dimensi
yaitu immediacy (total volume dan total frekuensi) dan width and depth (persentase hari
transaksi, spread relatif, dan amihud ratio). Dua dimensi tersebut dapat dijadikan acuan
menilai saham sehingga diperoleh tiga kelompok saham. Hasil kajian ini diharapkan
dapat membantu mempermudah investor dalam menentukan pemilihan saham
berdasarkan aspek teknikal selain menggunakan pergerakan indeks LQ45.
Kata Kunci : likuiditas saham, analisis faktor, analisis kluster
1.
PENDAHULUAN
Jumlah perusahaan tercatat
(emiten) di Bursa Efek Indonesia (BEI) selalu
mengalami peningkatan dalam lima tahun terakhir ini. Kondisi tersebut menjadikan pasar
modal Indonesia memperoleh prestasi sebagai bursa dengan nilai kapitalisasi tertinggi di
Asia Pasifik tahun 2010. Kinerja yang bagus itu merupakan hasil kerja keras seluruh pihak
untuk menjaga kepercayaan investor untuk berinvestasi di pasar modal khususnya pasar
saham. Meskipun demikian, BEI sebagai satu-satunya bursa yang ada di Indonesia tidak pernah
terlepas dari berbagai permasalahan, misal likuiditas saham.
Jurusan Statistika-FMIPA-Unpad 2011
368
PROSIDING
Seminar Nasional Statistika | 12 November 2011
ISSN : 2087-5290.
Vol 2, November 2011
Pertambahan jumlah emiten yang tidak diimbangi dengan jumlah dan minat
investor akan membuat tingkat likuiditas saham semakin berkurang secara tidak
langsung. Selain itu, kurangnya informasi yang ada di publik, tingginya spread harga antara
bid dengan ask, prospek perusahaan yang kurang dikembangkan, dan penyebab lainnya juga
menjadi faktor yang berpengaruh terhadap tingkat likuiditas suatu saham. Salah satu
indikator yang disediakan bagi investor untuk melihat saham dengan likuiditas yang
tinggi adalah indeks LQ45.
Indeks LQ45 terdiri dari 45 saham paling likuid di BEI berdasarkan kriteria yang telah
ditentukan dan dilakukan review setiap 6 bulan. Disisi lain, tingkat likuiditas antar saham Non
LQ45 tidak tergambar dari indeks tersebut sehingga perlu suatu pengukuran likuiditas semua
saham. Oleh karena itu, kajian ini ditujukan untuk mengetahui ukuran tingkat likuiditas saham
sebagai acuan pendukung indeks LQ45 sehingga diperoleh nilai yang menggambarkan posisi
likuiditas saham terhadap saham lainnya.
Pembahasan kajian ini dibatasi pada instrumen saham biasa (common stock)
sedangkan saham preferen dan waran tidak dibahas dalam kajian. Data yang dipakai
merupakan data aktivitas perdagangan saham selama satu tahun (bulan Januari s.d
Desember 2010) sehingga saham yang tercatat setelah tahun 2010 tidak termasuk dalam
analisis.
2. LIKUIDITAS SAHAM
Faktor penting yang menentukan kualitas bursa dalam menyediakan sistem
perdagangan adalah likuiditas. Larry Harris (2003) mendefinisikan likuiditas sebagai
kemampuan untuk melakukan transaksi dalam skala besar secara cepat, dengan biaya yang
murah dan tanpa perubahan harga. Definisi tersebut digunakan sebagai dasar untuk membentuk
empat dimensi likuiditas:
-
Immediacy : kemudahan melakukan transaksi dalam jumlah dan harga tertentu
dengan segera.
-
Width : selisih antara harga jual terbaik dengan harga beli terbaik.
-
Depth : jumlah transaksi pada harga tertentu tanpa perubahan harga yang
signifikan (market impact)
-
Resiliency : kecepatan perubahan harga kembali pada tingkat yang semestinya
Sedangkan Amihud (2002) mengusulkan pendekatan pengukuran illiquidity dengan
illiquidity ratio (Ai,j) yang diperoleh dari data harian dengan rumusan sebagai berikut:
Jurusan Statistika-FMIPA-Unpad 2011
369
PROSIDING
Seminar Nasional Statistika | 12 November 2011
ISSN : 2087-5290.
Vol 2, November 2011
(1)
dimana ri,j = daily return, dvoli,j= dollar volume
Semakin besar nilai Ai,j, maka semakin kurang likuid suatu saham. Rauli Susmel dalam
materi presentasi tentang likuiditas menyatakan bahwa pengukuran likuiditas secara
sederhana dapat menggunakan pendekatan:
-
Volume perdagangan
-
Frekuensi perdagangan
-
Bid-Ask Spread
-
Quote Size
-
Trade Size
-
Price Impact Coefficient
Price
impact
menunjukkan
besarnya
perubahan
harga
yang
terjadi,
yakni
mendorong harga naik ketika membeli dan menekan harga turun ketika menjual. Rauli
Susmel juga menjelaskan bahwa illiquidity ratio merupakan ukuran pendekatan untuk
mengukur market impact.
Hasil penelitian Situngkir dkk., (2005) menyimpulkan bahwa terdapat faktor yang
mungkin berpengaruh besar terhadap likuiditas perdagangan selain sistem perdagangan,
yakni animo publik tentang saham-saham yang diperdagangkan. Dalam penelitian yang sama
dengan menggunakan simulasi mikrostruktur juga diperoleh kesimpulan bahwa faktor
endogen (misal, perubahan sistem perdagangan) tidak begitu berpengaruh untuk
meningkatkan likuiditas bursa. BEI memiliki dan menyebarkan informasi data aktivitas
transaksi saham-saham paling likuid yang diwakili oleh indeks LQ45. Kriteria yang
digunakan dalam review dan pemilihan 45 saham yang termasuk indek tersebut, yakni:
-
Minimal tercatat selama 3 bulan
-
Nilai transaksi
-
Hari transaksi dan frekuensi transaksi di pasar regular
-
Kapitalisasi pasar
-
Kinerja fundamental (keadaan keuangan dan prospek pertumbuhan)
-
Variable lain seperti floating rate atau saham yang tersedia untuk publik
3. ANALISIS FAKTOR
Analisis faktor adalah analisis statistika yang bertujuan untuk mereduksi dimensi
data dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor,
Jurusan Statistika-FMIPA-Unpad 2011
370
PROSIDING
Seminar Nasional Statistika | 12 November 2011
ISSN : 2087-5290.
Vol 2, November 2011
sedemikian hingga sejumlah faktor tersebut mampu menjelaskan sebesar mungkin
keragaman data yang dijelaskan oleh variabel asal. Model analisis faktor dapat ditulis sebagai
berikut:
(2)
dimana Xi adalah variabel asal; Fj adalah faktor bersama (common factor); cij adalah
bobot (loading) variabel asal ke-i faktor ke-j; εi adalah error. Hubungan antara varians
variabel asal dengan varians faktor dan varians error dapat dijelaskan sebagai berikut :
(3)
var(Xi) = var ians yang dijelaskan oleh faktor untuk Xi+ var(error)
Besarnya bobot cij dapat diduga dengan metode komponen utama atau
kemungkinan maksimum
(maximum
likelihood).
Metode
komponen
utama terbagi
menjadi dua yaitu non-iteratif dan iteratif. Nilai dugaan c ij yang diperoleh dengan metode
non-iteratif adalah
a
(4)
tau
untuk variabel asal yang dibakukan, dimana cij adalah bobot (loading) variabel asal kei faktor ke-j; aji adalah koefisien variabel asal ke-i komponen utama ke-j; λj adalah eigen
value komponen utama ke-j; dan sxi adalah simpangan baku variabel asal ke-j.
Untuk kepentingan intepretasi, seringkali diperlukan untuk memberi nama masingmasing faktor sesuai dengan besar harga mutlak bobot. Setiap variabel asal diharapkan hanya
dominan di salah satu faktor saja (nilai harga mutlak bobot variabel asal mendekati 1 di
salah satu faktor dan mendekati 0 untuk faktor lainnya). Harapan ini kadang-kadang tidak
dapat dipenuhi sehingga untuk mengatasi hal ini diperlukan rotasi matriks bobot c seperti
varimax, quartimax, equamax, parsimax, dan lain sebagainya. Formula untuk masing-masing
rotasi tersebut adalah:
(5)
dimana γ = 0 untuk rotasi quartimax, γ = 1 untuk rotasi varimax, γ = m/2 untuk rotasi
Jurusan Statistika-FMIPA-Unpad 2011
371
PROSIDING
Seminar Nasional Statistika | 12 November 2011
equamex, dan  
ISSN : 2087-5290.
Vol 2, November 2011
p(m  1)
untuk rotasi parsimax.
pm2
4. ANALISIS KLUSTER
Analisis kluster adalah analisis statistika yang bertujuan untuk mengelompokkan data
sedemikian hingga data yang berada dalam kelompok yang sama mempunyai sifat yang relatif
homogen daripada data yang berada dalam kelompok yang berbeda. Dilihat dari apa yang
dikelompokkan, maka analisis kelompok dibagi menjadi dua yaitu :
a. Pengelompokan observasi.
b. Pengelompokan variabel.
Secara umum ada dua metode di dalam analisis kluster yaitu:
a. Metode hirarki, hasil pengelompokkannya disajikan secara hirarki atau berjenjang
dari
n,
(n-1)
sampai
1
kelompok,
yang
termasuk
dalam
metode
ini
adalah single linkage, complete linkage, average linkage, median linkage, dan
centroid linkage
b. Metode tidak hirarki. Metode ini dipakai jika banyaknya kelompok sudah
diketahui dan biasanya metode ini dipakai untuk mengelompokkan data yang
berukuran besar, yang termasuk dalam metode ini adalah metode K’means
Untuk menyatakan suatu observasi atau variabel mempunyai sifat yang lebih dekat
dengan observasi tertentu daripada dengan observasi yang lain digunakan fungsi yang disebut
jarak (distance). Suatu fungsi disebut jarak jika mempunyai sifat :
a. tak negatif dij ≥ 0 dan dij = 0 jika i = j,
b. simetri dij = dji,
c. dij ≤ dik + djk panjang salah satu sisi segitiga selalu lebih kecil atau sama dengan jumlah
dua sisi yang lain
Beberapa macam jarak yang biasa dipakai dalam analisis kluster:
Tabel 1. Jenis-Jenis Fungsi Jarak
Jurusan Statistika-FMIPA-Unpad 2011
372
PROSIDING
Seminar Nasional Statistika | 12 November 2011
ISSN : 2087-5290.
Vol 2, November 2011
5. PEMBAHASAN
Proses analisis dimulai dengan melakukan review data mengenai aktivitas
perdagangan selama tahun 2010 untuk melihat kondisi transaksi antara saham LQ45 dengan
saham Non LQ45. Aktivitas transaksi saham Non LQ45 jauh lebih rendah dibandingkan
dengan saham LQ45 yang dapat dijelaskan seperti efek pareto, yakni sekitar 65% aktivitas
transaksi saham didominasi oleh 45 saham (LQ45). Akibatnya 375 saham lainnya yang tercatat
dan diperdagangkan bursa kurang aktif. Selain itu, beberapa diantaranya memiliki aktivitas
transaksi yang kecil (skew positif).
Tabel 2. Aktivitas Transaksi Saham LQ45 dengan Saham Non LQ45
Market capitalization, total volume, dan total frekuensi saham-saham Non
LQ45menyebar pada nilai yang relatif kecil. Market capitalization misalnya, sebaagian
besar(279 saham Non LQ45) berada pada nilai kurang dari 2.000 miliar rupiah. Bahkan
terdapat saham yang tidak pernah ditransaksikan selama tahun 2010 (total volume dan
total frekuensinya sama dengan 0). Detail informasi tersebut dapat dilihat pada grafik
berikut ini.
Gambar 1. Distribusi Market Capitalization Saham Non LQ45
Jurusan Statistika-FMIPA-Unpad 2011
373
PROSIDING
Seminar Nasional Statistika | 12 November 2011
Berdasarkan
analisis
faktor
dengan
ISSN : 2087-5290.
Vol 2, November 2011
menggunakan
beberapa
variabel
yangmenunjukkan ukuran likuidiitas suatu saham, antara lain: harga, volumme, value,
frekuensi, hari transaksi (%), spread relatif, amihud ratio, market capitalizzation, dan listed
shared. Analisis factor bertujuan untuk mereduksi banyaknya jumlaah variabel tersebut
menjadi beberapa faktor yang dapat mewakili dan tetap menncerminkan likuiditas
saham.
Tabel 3. Hasil Analisis Faktor tentang Likuiditas Saham
Extraction Method : Princcipal Component Analysis
Rotation Method : Varimax with Kaiser Normalization
Component Scores.
Component 1 (width & depth) dibentuk dari variabel spread relatif, amihud ratio, dan hari
transaksi (%) sedangkan component 2 (immediacy) dibentuk dari total volume
dan total frekuensi. Tanda negatif (-) menunjukkan bahwa semakin besar hari transaksi
(%) suatu saham, maka width & depth-nya semakin berkurang. Width & depth yang besar
dapat diartikan sebagai ukuran untuk menilai tingkat illiquidity suatu saham. Jadi, semakin
besar hari transaksi (%) menunjukkan likuiditas saham semakin besar. Variabel lainnya
(selain kelima variabel diatas) tidak termasuk dalam kedua faktor karena nilai MSA tidak
memenuhi untuk analisis faktor atau nilai faktor loading-nya kurang sehingga dikeluarkan dari
model.
Proses selanjutnya mengelompokkan saham berdasarkan faktor atau dimensi yang
dihasilkan dari analisis faktor. Pengelompokan dilakukan dengan menggunakan analisis kluster
dimana saham-saham yang memiliki kesamaan sifat (karakteristik) akan dikumpulkan dalam
satu kelompok yang homogen. Metode pengelompokan yang digunakan dalam analisis
kluster ini adalah K-Means Cluster. Hasil pengelompokkan saham melalui analisis kluster
diperoleh tiga kelompok saham sebagai berikut.
Jurusan Statistika-FMIPA-Unpad 2011
374
PROSIDING
Seminar Nasional Statistika | 12 November 2011
ISSN : 2087-5290.
Vol 2, November 2011
Gambar 2. Visualisasi Pengelompokan Saham Berdasarkan Likuiditasnya.
Pertambahan nilai pada dimensi immediacy dapat mengerakan saham pada kelompok
yang lebih likuid. Sedangkan nilai pada dimensi width & depth yang semakin besar akan
mengakibatkan saham semakin kurang likuid. Ketiga kelompok yang dihasilkan dapat
menggambarkan posisi likuditas saham terhadap saham lainnya. Untuk lebih mudah dalam
memahami setiap kelompok, diberikan nama sebagai berikut.
a. Kelompok 1 (saham kurang likuid)
b. Kelompok 2 (saham likuid)
c. Kelompok 3 (saham lebih likuid)
Investor diharapkan dapat menggunakan kelompok saham tersebut sebagai alat
bantu untuk mempermudah dalam pemilihan saham berdasarkan aspek teknikal selain
menggunakan acuan pendukung pergerakan indeks LQ45. Tentunya masih perlu kajian lebih
lanjut
untuk
mengetahui
dan
melakukan
identifikasi
kemungkinan
terjadinya
perpindahan antar kelompok saham. Penggunaan parameter beserta nilai standar yang dapat
membedakan kelompok saham sangatlah dibutuhkan agar pemantauan tingkat dan posisi
likuditas saham dapat dilakukan secara praktis dan periodik.
6. KESIMPULAN
Saham kurang likuid merupakan permasalahan umum yang dialami oleh beberapa
bursa. Kurangnya informasi yang ada di publik, jumlah dan minat investor yang belum
mencukupi, tingginya spread harga antara bid dengan ask dapat menjadi penyebab saham
jarang
ditransaksikan
di
bursa. Selama tahun
2010, ada beberapa sahamyang
diperdagangkan di BEI termasuk saham kurang likuid berdasarkan dua dimensi yang telah
ditentukan (immediacy dan width & depth). Salah satu upaya yang disarankan bagi emiten
untuk meningkatkan aktivitas transaksi untuk saham yang kurang likuid, yakni melakukan
aksi korporasi untuk menambah free float seperti stock split, right issue.
Jurusan Statistika-FMIPA-Unpad 2011
375
PROSIDING
Seminar Nasional Statistika | 12 November 2011
ISSN : 2087-5290.
Vol 2, November 2011
7. DAFTAR PUSTAKA
Larry Harris. (2003). Trading & Exchanges: Market Microstructure for Practioners.
New York: Oxford University Press.
Amihud, Y. (2000). Illiquidity and Stock Return: Cross-Section and Time-Series
Effects. Stern School of Business, New York University.
Situngkir, H, dkk. (2005). Antara Saham Likuid Dan Tak Likuid di Bursa Efek Jakarta. Makalah
penelitian kerjasama antara Surya Research International dan Bursa Efek Jakarta.
Situngkir, H, dkk. (2005). Membandingkan Sistem Perdagangan Saham dalam Aspek
Likuiditas. Makalah penelitian kerjasama antara Surya Research International dan
Bursa Efek Jakarta.
http://www.bauer.uh.edu/rsusmel/
Jurusan Statistika-FMIPA-Unpad 2011
376