BAB
I
Pendahuluan
1.1 Latar Belakang masalah
Pasar modal merupakan tempat
kegiatan perusahaan mencari dana untuk membiayai kegiatan usahanya. Selain itu,
pasar modal juga merupakan suatu usaha penghimpunan dana masyarakat secara
langsung dengan cara menanamkan dana ke dalam perusahaan yang sehat dan baik
pengelolaannya. Fungsi utama pasar modal adalah sebagai sarana pembentukan
modal dan akumulasi dana bagi pembiayaan suatu perusahaan / emiten. Dengan
demikian pasar modal merupakan salah satu sumber dana bagi pembiayaan
pembangunan nasional pada umumnya dan emiten pada khususnya di luar
sumber-sumber yang umum dikenal, seperti tabungan pemerintah, tabungan
masyarakat, kredit perbankan dan bantuan luar negeri.
Sementara itu, bagi kalangan
masyarakat yang memiliki kelebihan dana dan berminat untuk melakukan investasi,
hadirnya lembaga pasar modal di Indonesia menambah deretan alternatif untuk
menanamkan dananya. Banyak jenis surat
berharga (securities) dijual dipasar tersebut, salah satu yang
diperdagangkan adalah saham. Saham perusahaan go public sebagai komoditi investasi tergolong berisiko tinggi,
karena sifatnya yang peka terhadap perubahan-perubahan yang terjadi baik oleh
pengaruh yang bersumber dari luar ataupun dari dalam negeri seperti perubahan
dibidang politik, ekonomi, moneter, undang-undang atau peraturan maupun
perubahan yang terjadi dalam industri dan perusahaan yang mengeluarkan saham
(emiten) itu sendiri.
Untuk mengantisipasi perubahan harga
saham tersebut maka diperlukan analisis saham. Terdapat dua pendekatan yang
sering dilakukan untuk menganalisis harga saham, yaitu analisis fundamental dan
analisis teknikal (Sharpe dkk, 1995). Analisis Fundamental pada dasarnya adalah
melakukan analisis historis atas kekuatan keuangan, dimana proses ini sering
juga disebut sebagai analisis perusahaan (company analysis), sementara
itu analisis teknikal merupakan studi yang dilakukan untuk mempelajari berbagai
kekuatan yang berpengaruh dipasar saham dan implikasi pada harga saham (Robert
Ang, 1997)
Analisis teknikal merupakan upaya
untuk memperkirakan harga saham (kondisi pasar) dengan mengamati perubahan
harga saham tersebut (kondisi pasar) diwaktu yang lampau. Meskipun demikian.
analisis teknikal tidak terbatas dapat dilakukan pada saham saja, analisis teknikal
dapat pula dilakukan untuk memprediksi harga suatu komoditi maupun mata uang
asing (Fernandez-Rodriguez dkk, 2000).
Analisis teknikal menitikberatkan
pada upaya-upaya untuk memperkirakan suatu harga saham. Teori yang mendasarinya
adalah bahwa analisis ini berdasarkan pada kenyataan bahwa informasi masuk
secara perlahan-lahan kedalam harga saham, sehingga memungkinkan investor untuk
memperoleh keuntungan yang lebih dari biasanya (excessive return) dengan
mengamati tren pergerakan harga saham (Parisi dan Vasquez, 2000).
Analisis teknikal dapat dilakukan
dengan menggunakan metode-metode peramalan seperti Moving Average (MA), exponential
moving average (EMA) dan trendline (Parisi dan Vasquez, 2000).
Ketiga teknik tersebut dapat digabungkan menjadi satu teknik peramalan yaitu
ARIMA (Autoregressive Integrated Moving Average). Selain ARIMA dapat
digunakan pula metode lainnya seperti GARCH, jaringan Syaraf Tiruan (Artificial
Neural Network), Algoritma Genetika (Genetic Algorithm) dan Fuzzy
Logic untuk melakukan peramalan saham.
ARIMA adalah teknik mencari pola
yang paling cocok dari sekelompok data (curve fitting) (Sugiarto dan
Harijono, 2000), curve fitting dilakukan dengan membandingan sebuah
kurva (yang merupakan representasi dari data deret waktu) dengan kelompok data
lain atau batasan-batasan tertentu. ARIMA memanfaatkan sepenuhnya data masa
lalu dan sekarang untuk melakukan peramalan jangka pendek yang akurat. Contoh
pemakaian model ARIMA adalah peramalan harga saham di pasar modal yang
dilakukan para pialang yang didasarkan pada pola perubahan harga saham dimasa
lampau. (Sugiarto dan Harijono, 2000).
Telah banyak diyakini bahwa data
return akan memiliki sifat multifraktal (Turiel, 2002). Sifat multifraktal ini
penting untuk memperlihatkan pola self-similarity dalam data deret
waktu. Hal ini semakin menegaskan bahwa perubahan nilai data dengan volatilitas
tinggi tidaklah sepenuhnya acak.
Beberapa perangkat statistik telah
dikembangkan untuk mengukur tingkat pengaruh diantara data, salah satu
perangkat yang telah berkembang cukup lama adalah model otokorelasi. Dalam
perkembangan lebih lanjut model dasar ini dikembangkan dengan memperhatikan
selang waktu. Data tidak lagi dianggap sebagai satu kelompok yang utuh, tetapi
dikelompokkan menjadi beberapa bagian. Keuntungan dalam model ini adalah
terhindar prasangka awal, bahwa seperangkat data dalam satu selang waktu
memiliki karakteristik yang sama, misalnya nilai rata-rata. Dengan dipecahnya
data menjadi beberapa kelompok data, memungkinkan untuk memperlakukan data
secara lebih baik (Hariadi dan Surya, 2003)
Analisis R/S (Rescaled Range Analysis) mampu membedakan data runtun waktu acak
dengan runtun waktu tidak acak, tanpa memperhatikan distribusi data runtun
waktu tersebut.( Yao dkk, 1999). Analisis R/S digunakan untuk mendeteksi efek
memori jangka panjang (long memory
effects) pada data runtun waktu yang digunakan selama periode
penelitian.
Jaringan Syaraf Tiruan (Jaringan
Syaraf Tiruan) atau dikenal dengan Artificial
Neural Network(ANN) atau disebut juga Simulated Neural Network (SNN)
adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan
jaringan syaraf manusia. JST merupakan sistem adaptif yang dapat merubah
strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun
internal yang mengalir melalui jaringan tersebut. Secara sederhana, JST
merupakan salah satu alat permodelan data statistik non-linier, JST dapat
digunakan untuk memodelkan hubungan yang kompleks antara masukan(input) dan keluaran(output) untuk menemukan pola-pola data.
Beberapa penelitian yang telah
dilakukan dipasar modal Indonesia, sebagian besar hanya melakukan kajian yang
berkaitan dengan analisis fundamental saja (misalnya penelitian Mas'ud Machfoed
(1994), Mamduh Hanafi (1997), Parawiyati dan Zaki Baridwan (1998), Wiwik Utami
dan Suharmadi (1998), Triyono dan Jogiyanto Hartono (1999), Syahib Natarsyah
(2000), dan Nur Fadjrih Asyik (2000), tetapi
sangat sedikit sekali yang melakukan kajian terhadap analisis teknikal, salah
satunya adalah penelitian Dedhy Sulistiawan (2001), tetapi penelitian ini hanya
bersifat suatu tinjuan teori saja. Penelitian Taylor dan Aller (1992) dalan
Fernandez-Rodriguez dkk(1999) menyatakan bahwa lebih dari 90% investor
memberikan bobot yang lebih tinggi pada penggunaan analisis teknikal
dibandingkan analisis fundamental dalam membeli dan menjual saham. Hal ini
dapat terjadi karena investor cenderung berorientasi jangka pendek dalam
membeli atau menjual saham.
Penelitian ini diawali dengan
mencari sifat multifraktal pada return saham objek penelitian dengan analisis rescaled
range (untuk mendapatkan eksponen hurst)
untuk mengetahui apakah data return tersebut bersifat acak atau terdapat
pengulangan trend sehingga dapat dilakukan analisis teknikal. Selanjutnya akan
dilakukan prediksi terhadap return saham tersebut dengan metode ARIMA(Auto Regressive Integrated Moving Average)
dan Jaringan Syaraf Tiruan (Artificial Neural Network) untuk kemudian
akan dilakukan komparasi metode mana yang memiliki kesalahan lebih kecil dalam memprediksi
indeks LQ 45.
Pemilihan indeks LQ45 dilakukan karena
LQ 45 lebih mampu menjelaskan pergerakan harga saham daripada IHSG (Indeks
Harga Saham Gabungan) (Agus Sartono dan Sri Zulaihati, 1998), bahkan secara
empiris telah dibuktikan oleh Bima Putra (2001) bahwa indeks LQ 45 lebih baik
digunakan sebagai proxy pasar saham dibandingkan IHSG.
Volatilitas yang tinggi di pasar
modal menyebabkan munculnya kebutuhan untuk memahami pola dan perilaku harga
saham maupun indeks di pasar modal. Berbagai macam metode dapat digunakan
untuk melakukan analisis teknikal pada
pasar modal. Oleh karena itu, perlu diketahui performa prediksi tiap metode
agar prediksi dapat dilakukan dengan lebih baik. Berdasarkan latar belakang yang dijabarkan diatas, maka
penelitian ini mengambil judul “Multifraktalitas
dan studi komparatif prediksi Indeks dengan metode ARIMA dan Jaringan Syaraf
Tiruan”.
Untuk mendapatkan file lengkap dalam bentuk MS-Word, (bukan pdf) silahkan klik Cara Mendapatkan File atau klik disini
Untuk mendapatkan file lengkap dalam bentuk MS-Word, (bukan pdf) silahkan klik Cara Mendapatkan File atau klik disini