Jurnal Ekonomi dan Bisnis

Vol. 3, No. 2, Juli 2009 (81-89)

ISSN: 1978 – 3116

KOREKSI BIAS KOEFISIEN BETA

DI BURSA EFEK INDONESIA

Rowland Bismark Fernando Pasaribu1

Abstract

This research aim to clarify deflect value of beta-stock coefficient enlisted Indonesian
Stock Exchange and correction to the diffraction value by Scholes and Williams,
Dimson, and also Fowler and Rorke method. The result indicate that beta-stock value
is deflect, others result form normality-test also confirm the abnormal of return
distribution. Adequate correction method for abnormal return distribution is Scholes
And Williams with correct period 2 lag and 3 lead, while for normal distribution is
Fowler-Rorke method with correct period 3 lag and 1 lead.

Keyword: Nonsyncronous-trading, thin tradings, bias, emerging market, trimming.

1
Email: rowland.pasaribu@gmail.com

2
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

PENDAHULUAN

Koefisien beta merepresentasikan sensitivitas suatu sekuritas terhadap

pergerakan pasar. Karenanya mengetahui beta suatu aset adalah berguna

untuk manajemen resiko portofolio. Risiko total yang diasosiasikan dengan

asset dapat dibagi ke dalam dua komponen: risiko sistematis dan risiko non-

sistematis. Risiko non-sistematis dapat dieliminir dengan melakukan

diversifikasi. Sebaliknya, risiko sistematis yang terdapat pada suatu aset tidak

dapat di-diversifikasi. Dengan kata lain, koefisien beta menggambarkan

jumlah relatif resiko sistematis suatu asset tertentu terhadap rata-rata resiko

aset.

Beberapa hasil penelitian mengungkapkan bahwa koefisien beta secara

relatif cenderung statisioner sepanjang waktu, khususnya untuk portofolio

saham (Blume, 1971). Meski demikian terdapat juga sejumlah hasil kajian

lainnya yang menyebutkan bahwa kecenderungan yang konsisten untuk

portofolio dengan historikal beta yang pendek (panjang) yang dihitung untuk

periode yang telah ditentukan menunjukkan nilai yang semakin tinggi

(semakin rendah) untuk periode waktu berikutnya. Dari tinggi rendahnya

beta yang dijelaskan dalam hubungannya terhadap beta pasar, koefisien beta

terlihat sebagai ekspose tendensi yang konvergen ke arah angka satu. Kalau

tendensi ini adalah stasioner, maka beta-mendatang dapat diprediksi dengan

beberapa derajat keyakinan tertentu. Blume (1971, 1975) dan Vasicek (1973)

3
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

memberikan dua teknik yang berbeda untuk mengestimasi beta berdasarkan

koefisien historikal untuk resiko sistematis.

Penjelasan teoritikal tersebut mungkin berlaku pada saat aktivitas

perdagangan pasar dalam kondisi yang sinkron. Pertanyaannya, kalau

ternyata aktivitas perdagangan pasar tidak sinkron maka yang dihasilkan

adalah koefisien beta yang bias dan mengaburkan kegunaannya seperti yang

disebut diatas. Jogiyanto dan Surianto (2000) menyatakan bahwa aktivitas

perdagangan yang tidak sinkron mengacu pada rendahnya transaksi

perdagangan (thin market). Jogiyanto (1998a, 1998b) menyatakan bahwa pada

pasar modal indonesia terjadi aktivitas perdagangan yang tidak sinkron

sehingga perlu dilakukan penyesuaian terhadap perhitungan nilai beta pasar

yang ada. Penelitian ini berusaha untuk melanjutkan penelitian Jogiyanto dan

Surianto (2000) dalam hal konfirmasi atas nilai beta yang bias dan

penggunaan metode koreksi bias beta (Scholes dan Williams, Dimson, serta

Fowler dan Rorke).

Perumusan Masalah

Berdasarkan uraian tersebut diatas, maka rumusan masalah penelitian ini

dapat dirumuskan sebagai berikut:

1. Apakah nilai beta saham yang terdaftar di Bursa Efek Indonesia

merupakan nilai yang bias?

2. Metode apa (Scholes dan Williams, 1997; Dimson, 1979; serta Fowler dan

Rorke, 1983) yang memadai dalam mengkoreksi bias beta yang terjadi?

4
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Tujuan Penelitian

Penelitian ini bertujuan untuk:

1. Mengklarifikasi nilai bias beta saham yang terdaftar di Bursa Efek

Indonesia.

2. Menghitung koreksi nilai beta dengan tiga metode tersebut, dan

menentukan mana yang paling memadai dalam mengkoreksi nilai bias

tersebut.

KAJIAN LITERATUR DAN HIPOTESIS

Stabilitas Koefisien Beta

Blume menyatakan bahwa beta cenderung bergerak regress pada nilai

rata-rata beta secara keseluruhan. Hasil penelitiannya menghasilkan teknik

penyesuaian berdasarkan premis bahwa beta beta selalu bergerak dinamis

mendekati nilai satu. Kolb dan Rodriguez (1989) menunjukkan bahwa beta

yang mendekati satu juga memiliki probabilitas yang lebih tinggi untuk

menjauh dari angka satu yang cenderung melakukan reversi off-set beta yang

sangat kecil atau sangat besar atas angka satu .

Beberapa penelitian telah dilakukan dalam kaitannya dengan stabilitas

koefisien beta terhadap periode waktu dan secara umum menghasilkan

kesimpulan yang hampir sama. Levy (1971) menggunakan tingkat

pengembalian mingguan pada 500 saham pasar modal New York (NYSE)

untuk menghitung beta pasar. Ia menyimpulkan bahwa pengukuran

5
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

terhadap resiko tidak stabil dalam jangka pendek (52 minggu). Sebaliknya,

beta portfolio saham menjadi lebih stabil dengan jumlah saham yang besar.

Hasil temuan lainnya adalah menyarankan nilai beta hasil regresi yang

melampaui rata-rata beta (yakni 1). Blume (1971) menggunakan periode

waktu 1926-1962 dan menghasilkan kesimpulan yang sama. Hasil ini

didukung oleh Fielitz (1974), Porter dan Ezzell (1975), serta Tole (1981) yang

menyatakan bahwa stabilitas beta meningkat dalam ukuran portofolio.

Dengan semangat yang sama, beberapa penelitian telah menghasilkan

bahwa lamanya periode waktu, dan jumlah observasi yang digunakan untuk

mengukur seberapa stabil pengaruh beta estimasi tersebut. Baesel (1974)

menyatakan bahwa beta lebih stabil selama panjangnya periode estimasi beta

ditingkatkan. Altman, et al. (1974) menghasilkan kesimpulan yang sama

untuk saham-saham di negara Perancis. Roenfeldt, et al. (1978) menyatakan

bahwa hasil estimasi beta yang semakin stabil dengan periode 48 bulan

adalah prediktor yang buruk dalam mengestimasi beta jangka pendek (12

bulan). Chen (1981) menyarankan bahwa pendekatan normal regresi OLS

untuk mengestimasi beta akan menghasilkan hasil yang bias dimana beta

tidak bersifat stagnan dan karenanya mendukung penggunaan pendekatan

penyesuaian bayesian seperti metode Vasicek.

Thin Market dan Prosedur Koreksi Non-Synchronicity

Terdapat dua sumber penelitian yang mengkaitkan bias beta dengan

trading delays dan price adjustment delays. Fisher (1966) adalah yang pertama

6
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

yang mengidentifikasi potensi permasalahan yang disebabkan aktivitas non-

trading. Selanjutnya Cohen, et al. (1980) secara eksplisit mengatakan

pentingnya price adjusment delays sebagai sumber bias beta.

Untuk membedakan panjangnya interval dan indeks pasar, Scholes

dan Williams (1977), Dimson (1979), Fowler et al. (1980, 1981, 1989) serta

Cohen, et al. (1983) memberikan bukti empiris bahwa beta saham yang

diperdagangkan kurang (lebih) dari indeks yang digunakan dalam estimasi

akan mengurangi (meningkatkan) nilai bias beta. Prosedur koreksi didesain

untuk mengurangi bias yang berhubungan dengan infrequent trading

menggunakan teknik ekonometrik pada tingkat pengembalian saham dan

estimator informasi yang terbatas.

Dimson (1979)

Teknik Dimson melakukan estimasi dengan menggunakan model

multiple regresi. Variabel dependen adalah time-series tingkat pengembalian

saham, variabel independen adalah tingkat pengembalian pasar dan variabel

lead dan lag pada indeks pasar:

Ριτ = αι + β−1Ρµ,τ−1 + β0µ,τ + β+1Ρµ,τ+1 + ειτ

Berdasarkan teknik ini, beta yang disesuaikan adalah sama dengan jumlah

estimasi koefisien beta : β∆ = β−1 + β0 + β+1

Scholes and Williams (1977)

Teknik Scholes and Williams (1977) membutuhkan tiga estimasi

terpisah pada model faktor tunggal: Ριτ = αι + βιΡµ,τ + ειτ. Regresi pertama

7
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

yang menggunakan observasi kontemporer pada variabel independen dan

dependen, menghasilkan estimasi pertama (β0). Regresi kedua dan ketiga

menggunakan variabel independen lag dan lead satu periode untuk

menghasilkan β−1 dan β+1. Penyesuaian beta Scholes and Williams (1977)

diperoleh dengan menghitung nilai rata-rata beta dengan persamaan sebagai

berikut:

βΣΩ = (β−1+ β0 + β+1)/(1+2ρ)

dimana ρ adalah koefisien korelasi first order serial untuk indeks pasar

Cohen, Hawawini, Maier, Schwartz and Whitcomb (1983)

Cohen, et al. (1983) mengusulkan teknik penyesuaian OLS untuk

estimasi beta yang terdiri dari estimasi pada interval cross-sectional atau

hubungan thinness (event pada saat transaksi perdagangan rendah). Teknik ini

mengacu pada proposisi bahwa semakin diperpanjang interval yang

membedakan, beta OLS semakin mendekati beta yang kongkret. Pertama

mereka mengestimasi model market untuk tiap emiten j, untuk beragam

panjang interval yang berbeda (1, …, 6, 8, 10, 12, 14, 15, 16, 18, dan 20 hari).

Selanjutnya estimasi persamaan berikut untuk tiap emiten:

βϕΛ = αϕ + βϕΛ−ν + εϕΛ, ν > 0, ∀ Λ dan ϕ.

dimana βjL adalah beta estimasi OLS saham (dari model market) untuk

panjang interval waktu yang berbeda-beda, L (hari), εjL adalah random error,

aj dan bj adalah parameters yang diestimasi. Nilai n is dipilih untuk memberi

8
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

linear fit terbaik. Untuk sampel 50 perusahaan, Cohen, et al. (1983) kemudian

mengestimasi cross-sectional interval sebagai berikut:

bj = c + b ln Vj + εjL, j = 1,…,50.

Dimana: bj = koefisien L-n; Vj = Market value shares outstanding akhir tahun; ε

jL = random error; c dan b= parameters yang diestimasi. Untuk sampel 50

emiten NYSE, Cohen, et al. (1983) menghasilkan estimasi berikut atas

persamaan diatas: bj = -2.637 + 0.181 ln Vj

Fowler, Rorke dan Jog (1989)

Fowler et al. (1989) mengembangkan teknik alternatif untuk

menghasilkan estimasi beta yang konsisten dalam aktivitas perdagangan

yang rendah. Esensi model mereka adalah penggunaan data trading

historikal untuk meningkatkan sekumpulan informasi guna menghasilkan

estimasi. Pertama mereka mengklasifikasi saham pada kategori “fat”,

“moderate” and “infrequent”. Mereka menunjukkan tiap-tiap kategori tersebut

memerlukan perlakuan yang berbeda untuk menghasilkan estimasi beta yang

tidak bias. Derajat kompleksitas pada model meningkat sebagaimana

meningkatnya derajat aktivitas perdagangan saham yang rendah.

Jumlah Lead dan Lag

Tidak ada aturan khusus yang mengatur jumlah ideal variabel lead dan

lag, kecuali aktivitas perdagangan warran yang rendah (Jarnecic et.al, 1997).

Berglund, et al. (1989) menyatakan bahwa penggunaan jumlah lag dan lead

yang berlebihan dalam estimator dapat menciptakan distorsi dalam estimasi.

9
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Murray (1995) mengkonfirmasi bahwa tidak ada justifikasi untuk

menggunakan sejumlah besar variabel lag dan lead dalam Cohen, et al.

(1983), sebagai suatu keuntungan potensial yang dapat hilang karena terjadi

noise pada estimasi.

Koreksi Bias Estimasi Beta Pada Thin Market

Trade-off diantara beragam teknik adalah antara: 1) perhitungan

kompleksitas dan informasi yang diperlukan pada prosedur ekonometrik,

dan; 2) bias dan efisiensi estimator. Dalam hal perhitungan kompleksitas dan

informasi yang diperlukan , terdapat dua teknik (Dimson, 1979; Scholes dan

Williams, 1977) yang menggunakan agregasi pada estimasi beta dari variabel

lag dan lead untuk menghasilkan estimasi beta yang konsisten. Estimasi beta

pada Cohen, et al. (1983) adalah berdasarkan model analitikal yang

menjelaskan struktur tingkat pengembalian dalam artian friksi pasar dan

menggunakan sejumlah regresi atas tingkat pengembalian saham untuk

memperoleh estimasi beta yang asymtotic. Prosedur Fowler, et al. (1989) juga

merupakan pendekatan statistik tapi diperlukan informasi saham tertentu

(dalam bentuk distribusi frekuensi perdagangan dalam periode yang

berbeda-beda) untuk mengimplementasikannya.

Prosedur Scholes dan Williams (1977) dan Dimson (1979) dalam

mengestimasi beta telah dikritisi oleh Fowler dan Rorke (1983) serta Fowler et

al. (1980) yang menyatakan kedua model tersebut masih membuka celah

untuk terjadinya bias perdagangan yang tidak sinkron. Fowler, et al. (1980)

10
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

menyatakan bahwa metode Dimson (1979) memiliki beberapa kendala

matematika yang membuatnya bias sebagai model estimasi. Selanjutnya

mereka menyatakan bahwa estimator dalam metode Scholes dan Williams

(1977) memberikan hasil yang lebih baik dalam hal memindahkan bias, tapi

varian estimator-nya sangat besar sehingga beta yang dihasilkan juga tidak

akurat. Generalisir ini dibantah oleh Riding (1992) yang menguji efisiensi

metode Scholes dan Williams dan Dimson untuk data pasar modal Selandia

Baru. Cohen, et al. (1983) serta Fung, et al. (1985) memberikan bukti empiris

mengenai efektivitas pendekatan Cohen, et al. (1983).

McInish dan Wood (1986) menggunakan model linnear programming

untuk meneliti tingkatan bias beta untuk saham pada pasar modal New York

dan efektivitas teknik Scholes dan Williams (1977), Dimson (1979), Fowler, et

al. (1980), serta Cohen, et al. (1983) dalam mengkoreksi bias tersebut. Hasil

penelitiannya menyatakan justru metode Dimson (1979) yang superior

dibanding dua metode koreksi bias lainnya.

Hasil Penelitian di Negara Berkembang

Penelitian mengenai koreksi beta telah dilakukan oleh Arif dan Johnson

(1990), Jogiyanto (1998b), serta Jogiyanto dan Surianto (2000).

Arif dan Johson (1990) menggunakan data bulanan pasar modal

Singapura untuk menghitung nilai beta pasar dengan periode penelitian

Januari 1975-Maret1988. Metode yang digunakan adalah OLS yang belum

disesuaikan, Scholes dan William, Dimson, serta Fowler et al. Koreksi dengan

11
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

menggunakan 1 lag dan lead mengurangi bias pada ketiga model, sementara

penggunaan 2 lag dan 2 periode memberikan hasil bahwa metode Dimson

adalah yang terbaik (1,083 terdekat dengan angka 1), selanjutnya untuk

penggunaan 3 lag dan lead metode Scholes dan William adalah yang terbaik

(1,071). Jogiyanto (1998b) menyatakan jumlah rata-rata perdagangan saham

emiten yang tidak aktif adalah 40,45% adalah salah satu fakta penyebab

aktivitas perdagangan yang tidak sinkron yang pada akhirnya menyebabkan

nilai beta menjadi bias. Jogiyanto dan Surianto (2000) meneliti koreksi bias

pada beta pasar di BEJ periode Mei 1995-Mei 1997. Periode koreksi nilai beta

adalah 5 lag dan 5 lead. Untuk distribusi data yang tidak normal dan yang

telah dinormalkan, metode Fowler, et al. adalah yang terbaik dalam

menghasilkan koreksi bias beta.

Berdasarkan review literatur dan penelitian sebelumnya, maka dapat

dinyatakan bahwa nilai beta pada saham yang terdaftar di Bursa Efek

Indonesia (emerging market dengan aktivitas perdagangan saham yang

rendah) adalah bias. Maka hipotesis penelitian ini adalah:

Ho : Nilai beta dalam Bursa Efek Indonesia adalah nilai yang tidak bias.

Ha : Nilai beta dalam Bursa Efek Indonesia adalah nilai yang bias

12
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

METODE PENELITIAN

Sampel dan Data

Data penelitian adalah emiten yang terdaftar pada Bursa Efek Indonesia

periode 2007. Emiten dalam sampel penelitian dipilih dengan

mengaplikasikan metode purposive sampling. Kriteria sampel yang harus

dipenuhi oleh emiten mengacu pada kriteria berikut:

1. Menyampaikan laporan keuangan Desember 2007 tepat waktu, yakni

paling lambat 31 Maret 2008;

2. Emiten sudah tercatat di bursa sebelum tahun 2007;

3. Tidak mendapat penilaian disclaimer atau adverse dari akuntan publik;

4. Rugi yang diderita emiten tidak lebih dari 50% modal disetor;

5. Memiliki ekuitas tidak kurang dari Rp 30 miliar;

6. Tidak menderita rugi selama tiga tahun berturut-turut ;

7. Laporan keuangan emiten harus menggunakan tahun buku Desember;

8. Emiten harus memiliki ekuitas positif selama dua tahun terakhir;

9. Aktivitas perdagangan pasif tidak lebih dari sepuluh minggu

10. Jumlah pemegang saham lebih dari 30 pihak

Terdapat 87 sampel yang memenuhi kriteria ini. Data return emiten dan

return pasar diperoleh dari www.yahoo-finance.com, www.reuters.com.

Penelitian ini menggunakan data harian karena meningkatkan kekuatan

statistikal melalui tambahan degree of freedom. Penelitian ini bukan merupakan

event study dengan alasan estimasi koefisien beta dilakukan dalam periode

13
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

estimasi yang sama pada seluruh emiten dan tidak dikaitkan dengan suatu

peristiwa tertentu (corporate action) yang dilakukan oleh emiten.

Model Empiris

Nilai beta dalam penelitian ini diestimasi dengan menggunakan model

market. Nilai beta dihitung dalam periode 2 Januari-28 Desember 2007.

Rit = αi + βiRmt + εit

i = emiten i
t = hari ke-t sesuai dengan periode estimasi
Rit = return saham emiten i hari ke-t
αi = intersep regresi untuk tiap emiten i
βi = beta emiten i
Rmt = return market hari ke-t
Εit = residual regresi emiten i hari ke-t

Tingkat Keuntungan Pasar

Rm1 = (IHSGt – IHSGt-i) / IHSGt-i

Rm = Return dari pasar

IHSGt = Indeks Harga Saham Gabungan periode t
IHSGt-1 = Indeks Harga Saham Gabungan periode t -1

Nilai beta pasar adalah rata-rata tertimbang pada nilai beta saham dalam pasar.

Kalau nilai tersebut tidak bias maka nilai beta pasar akan sama dengan satu.

Sebaliknya, dalam lingkungan perdagangan yang tidak sinkron dimana nilai beta

individu adalah bias, nilai beta pasar tidak akan sama dengan satu. Oleh sebab itu

ukuran bias pada nilai beta dapat dilakukan dengan menentukan apakah nilai beta

pasar sama dengan satu atau tidak. Nilai beta pasar adalah rata-rata tertimbang nilai

beta seluruh saham. Kalau nilai beta pasar tidak sama dengan satu, maka perlu

dilakukan penyesuaian terhadapnya. Koreksi penyesuaian dapat dilakukan dengan

14
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

beberapa metode: Scholes dan Williams, 1997; Dimson, 1979; serta Fowler dan Rorke,

1983.

Metode Scholes dan Williams

Rit = αi + βi–nRmt-n + εit Untuk memperoleh βi–n

.
.
Rit = αi + βi–2Rmt-2 + εit
Rit = αi + βi–1Rmt-1 + εit
Rit = αi + βi–0Rmt-0 + εit
Rit = αi + βi+1Rmt+1 + εit
Rit = αi + βi+2Rmt+2 + εit
.
.
Rit = αi + βi+nRmt+n + εit
Rit = αi + ρ1Rmt-1 + εit
Rit = αi + ρ2Rmt-2 + εit
.
.
Rit = αi + ρnRmt-n + εit
Untuk memperoleh βi–2
Untuk memperoleh βi–1
Untuk memperoleh βi–0
Untuk memperoleh βi+1
Untuk memperoleh βi+2
Untuk memperoleh βi+n
Untuk memperoleh ρ1
Untuk memperoleh ρ2
Untuk memperoleh ρn

Nilai beta koreksi untuk tiap saham berdasarkan model koreksi Scholes dan

Williams yang mengikutsertakan n lag dan lead, dapat diformulasikan sebagai

berikut:

βi = βi-n + … + βi0 + … + βi+n .

1 + 2ρ1 + 2ρ2 + ... + 2ρn

Metode Dimson

Metode lain untuk mengkoreksi bias adalah metode Dimson. Metode ini
merupakan simplifikasi metode Scholes dan Williams dengan hanya
menggunakan satu persamaan multiregresi sehingga hanya digunakan
sebuah pengoperasian regresi saja berapapun banyaknya periode lag dan lead.
Berikut adalah rumus koreksi beta untuk saham i:
Rit = αi + βi–nRmt-n + ... + βi0Rmt + ... + βi+nRmt+n +εit

15
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Nilai beta koreksi adalah jumlah koefisien multiregresi, sehingga metode

Dimson ini juga dikenal dengan istilah metode penjumlahan koefisien

(aggregate coefficient method). Besarnya beta koreksi adalah sebagai berikut:

βi = βi-n + … + βi0 + … + βi+n

Metode Fowler-Rorke

Fowler dan Rorke (1983) berargumentasi bahwa metode Dimson hanya

menjumlah koefisien regresi berganda tanpa memberi bobot akan tetap

memberikan beta yang bias. Oleh karena itu Fowler dan Rorke mengalikan

seluruh koefisien regresi yang dihasilkan dari metode Dimson dengan faktor

pembobotan sebelum menambahkan koefisien regresi. Faktor pembobotan

untuk mengalikan periode koefisien regresi ke-n dihitung sebagai berikut:

ω1 = 1 + 2r1 + 2r2 + ... + 2rn-1 + rn

1 + 2r1 + 2r2 + Ö + 2rn

ω2 = 1 + 2r1 + 2r2 + Ö + rn-1 + rn

1 + 2r1 + 2r2 + Ö + 2rn
.
ωn = 1 + 2r1 + 2r2 + Ö + rn-1 + rn
1 + 2r1 + 2r2 + Ö + 2rn

Nilai r1, r2, Ö, rn dihasilkan dari persamaan regresi berikut:

Rmt = αi + ρ1Rmt-1 + ρ2Rmt-2 + ... + ρnRmt-n +εit

Dan nilai beta koreksi untuk emiten i adalah sebagai berikut:

βi = ωnβi-n + … + ω1βi-1 + βi0 ω1 βi-1 +… + ωnβi+n

16
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

HASIL EMPIRIS

Tabel. 2 Nilai Beta Belum Dikoreksi Emiten

No. Emiten β No. Emiten β No. Emiten Β No. Emiten β
1 AALI 0.0839 23 TLKM 1.0100 45 BCIC 1.0271 67 MIRA 0.6943
2 ADMG -0.1685 24 UNSP 1.1691 46 BNLI 0.4511 68 MLPL 1.1582
3 ANTM -0.2753 25 UNTR 0.9640 47 BTEL 0.8992 69 MRAT 0.7552
4 ASII -0.0117 26 BDMN 1.2298 48 BVIC 1.0725 70 MTDL 1.5631
5 ASGR 0.1973 27 CTRA 1.2359 49 CFIN 0.6850 71 MYOR 0.4814
6 BBCA 0.1030 28 INDF 1.1072 50 DAVO 0.9951 72 NISP -0.7465
7 BLTA 1.1739 29 INKP 0.9295 51 EPMT 0.3752 73 PBRX 1.3851
8 BHIT 0.9631 30 ISAT 0.9103 52 EXCL 0.9588 74 PJAA 0.5384
9 BMTR 0.7472 31 KIJA 1.4462 53 FREN 0.7712 75 PNIN 0.7334
10 BNBR 1.3215 32 LSIP 0.6186 54 GGRM 0.4126 76 PYFA 1.1135
11 BNII 1.0763 33 SMCB 1.0987 55 GJTL 0.8875 77 PANS 0.2007
12 BRPT 1.2530 34 TSPC 0.8980 56 HMSP 0.2272 78 PTRO 0.5572
13 BUMI 1.3805 35 BNGA 1.2272 57 IGAR 0.5768 79 PUDP 0.8089
14 CMNP 1.0025 36 BMRI 1.4009 58 IIKP 0.9943 80 SIIP 0.4470
15 ELTY 1.6328 37 BBRI 1.0331 59 INCO 1.3092 81 RALS 0.6276
16 KLBF 0.6691 38 PGAS 1.0039 60 INTA 0.9165 82 RMBA 0.7418
17 MEDC 1.3076 39 ENRG 1.0853 61 JPRS 0.9840 83 SMAR 0.3263
18 PNBN 1.2515 40 CPRO 1.3827 62 KAEF 1.1137 84 SMRA 0.7117
19 PTBA 1.5034 41 TOTL 0.9472 63 LPBN 0.4444 85 TRIM 0.9240
20 SULI 1.1880 42 ADHI 1.1746 64 LPKR 0.1670 86 TRST 0.9399
21 TINS 1.7112 43 ALMI 0.1779 65 LPLI 1.0109 87 UNVR 0.9138
22 TKIM 0.8975 44 APEX 0.4734 66 META 1.2714

Beta pasar merupakan rata-rata tertimbang dari beta saham. Beta pasar

yang belum dikoreksi yang dihitung dari rata-rata 94 emiten adalah sebesar

0,85. Nilai beta ini secara statistik signifikan (dengan tingkat signifikansi

kurang dari 1%, yaitu Z-hitung = -3,1 dengan p= 0,0001) yang berbeda

dengan nilai 1. Hasil ini menunjukkan bahwa beta sekuritas yang terdaftar di

BEI merupakan beta yang bias.

Beta tiap saham kemudian dikoreksi dengan metode Scholes-Williams,

Dimson, dan Fowler-Rorke. Nilai beta pasar setelah dikoreksi dengan metode

tersebut dapat dilihat pada tabel 3. Hasil koreksi menunjukkan bahwa

17
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

metode yang paling tepat digunakan adalah metode Scholes-Williams dengan

menggunakan 2 lag dan 3 lead koreksi.

Tabel 3. Nilai Koreksi Beta

Dengan Distribusi Return Tidak Normal
Periode Koreksi SW β DIM β FR β
2lag1lead 0.8668 0.8933 0.8644
2lag2lead 0.8173 0.8616 0.8516
2lag3lead 1.0191 0.9058 0.8649
2lag4lead 0.8488 0.8090 0.8113
2lag5lead 0.4101 0.5863 0.7394
3lag1lead 1.0791 1.0613 0.9149
3lag2lead 1.0296 1.0296 0.9022
3lag3lead 1.2314 1.0739 0.9155
3lag4lead 1.0611 0.9770 0.8618
3lag5lead 0.6224 0.7544 0.7900
4lag1lead 0.9278 1.0068 0.8847
4lag2lead 0.8782 0.9751 0.8720
4lag3lead 1.0801 1.0194 0.8853
4lag4lead 0.9097 0.9225 0.8317
4lag5lead 0.4711 0.6999 0.7598

Karena data di BEI juga diduga memiliki distribusi yang tidak normal,

penelitian ini akan menguji distribusi return yang digunakan untuk

menghitung beta saham. Pengujian normalitas dilakukan berdasarkan nilai

skewness sebagai berikut: Z = Skewness / (√6/ΣN).

Hasil pengujian menunjukkan nilai skewness sebesar 1,484 dengan Z-hitung

sebesar 5,652 yang menunjukkan bahwa data tersebut memiliki distribusi
yang tidak normal.
Foster (1986) menyarankan beberapa cara untuk menjadikan distribusi data
menjadi normal, yaitu dengan cara transformasi data, trimming, dan
winsorizing. Dalam penelitian ini hanya akan dilakukan transformasi data dan
trimming. Cara transformasi dilakukan dengan transformasi data return
menjadi nilai log return. Trimming dilakukan dengan membuang sampel yang
nilainya dianggap sebagai outlier. Penelitian ini menggunakan batasan 2 deviasi
standar dari rata-rata untuk menentukan outlier. Dengan metode trimming, sejumlah
8 outlier tidak diikutsertakan sebagai sampel, sehingga jumlah observasi menjadi 79.

18
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Tabel 4 menunjukkan bahwa metode trimming berhasil mengatasi masalah data

return yang tidak berdistribusi normal.

Tabel 4. Hasil Uji Normalitas Data Return

Z- Distribusi
Metode N Skewness
Hitung Data
Data Awal 87 1.484 5.6519 Tidak Normal
Transformasi 87 1.672 6.3662 Tidak Normal
Trimming 79 0.401 1.4543 Normal

Tahap selanjutnya adalah mengkoreksi kembali nilai beta dengan metode koreksi

yang digunakan untuk data yang distribusinya sudah dinormalkan. Tabel 5

menyajikan hasil perhitungan beta pasar yang telah dikoreksi dengan metode

Scholes-Williams, Dimson, dan Fowler-Rorke untuk data return yang sudah

berdistribusi normal dengan cara transformasi dan trimming.

Tabel 5. Nilai Koreksi Beta Untuk

Data Return Berdistribusi Normal
Periode Transformasi Data Trimming
Koreksi SW β DIM β FR β SW β DIM β FR β
3lag1lead 0.4752 0.4825 0.2395 1.0684 1.0569 0.9089
3lag2lead 0.4265 0.4736 0.2356 1.0189 1.0233 0.8954
3lag3lead 0.6315 0.4545 0.2293 1.2207 1.0632 0.9074
3lag4lead 0.4611 0.4709 0.2388 1.0504 0.9724 0.8571
3lag5lead 0.0200 0.4133 0.2188 0.6118 0.7511 0.7857

Beta pasar koreksi yang paling mendekati nilai 1 terjadi pada periode 3 lag dan 1 lead
dengan menggunakan metode Fowler-Rorke yaitu sebesar 0,9089. Hasil ini
menunjukkan bahwa metode Fowler dan Rorke merupakan metode yang paling
memadai mengurangi bias pada beta saham untuk data return yang berdistribusi
normal. Akan tetapi untuk data yang berdistribusi normal, periode koreksi yang
dibutuhkan justru lebih panjang dibanding data yang tidak berdistribusi normal (2
lag dan 3 lead koreksi). Dalam hal ini hasil empiris tidak setuju dengan pernyataan
Jogiyanto dan Surianto (2000) yang menyatakan bahwa data return yang
berdistribusi tidak normal memperbesar bias beta saham.

19
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

KESIMPULAN

BEI merupakan pasar modal yang sedang berkembang yang

perdagangannya masih tipis. Akibat dari perdagangan yang tipis ini adalah
terjadinya perdagangan yang tidak sinkron. Efek selanjutnya adalah beta
saham yang terdaftar di BEI adalah bias. Hasil empiris menolak hipotesis nol
yang menyatakan beta sekuritas BEI tidak bias. Hasil ini konsisten dengan
penelitian yang dilakukan Arif dan Johnson (1990) untuk pasar modal
Singapura, Jogiyanto dan Surianto (2000) untuk BEJ periode Maret 1995-
Maret 1997).
Beta saham yang bias perlu dikoreksi. Penelitian ini menggunakan 3 metode
koreksi, yaitu Scholes-Williams, Dimson, dan Fowler-Rorke. Hasil koreksi
menunjukkan bahwa metode yang paling tepat digunakan untuk data return
berdistribusi tidak normal adalah metode Scholes-Williams dengan periode koreksi 2
lag dan 3 lead koreksi, sedang untuk data return berdistribusi normal, metode Fowler-
Rorke adalah metode yang memadai dalam mengurangi bias pada beta saham
dengan periode koreksi 3 lag dan 1 lead.

Keterbatasan dan Saran

Jumlah sampel yang kecil adalah salah satu keterbatasan penelitian ini
(kurang dari 50% dari total emiten yang listing di BEJ). Selain itu periode penelitian
hanya satu tahun (2007) dimana formasi periode koreksi juga hanya 1 macam (data
harian), yakni. Berdasarkan hal tersebut pada penelitian selanjutnya mungkin dapat
memodifikasi kriteria sampel sehingga bisa diperoleh jumlah sampel yang lebih
memadai (50%-85% dari seluruh emiten yang listing). Penelitian selanjutnya juga
dapat menambah metode koreksi bias, misalnya dengan metode Vasicek, Merrill
Lynch Adjusted Beta, fundamental beta, cash-flow beta, Rosenberg dan Guy Beta, atau
Leverage Adjusted Betas.

20
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

REFERENSI

Ariff, M dan L.W. Johnson. 1990. Securities Markets and Stock Pricing :
Evidence From a Developing Capital Market in Asia. Singapore:
Longman Singapore Publisher Ltd.
Altman E., B. Jacquillat and M. Levasseur. 1974. Comparative analysis of risk
measures: France and the United States. Journal of Finance 29(5),
1495-1511.
Baesel, J. 1974. On the assessment of risk: Some further considerations. Journal
of Finance, 29(5), 1491-1494.
Berglund, T., E. Liljeblom dan A. Loflund. 1989. Estimating betas on daily
data for a small stock market. Journal of Banking and Finance 13, 41-
64.
Blume, M.E. 1971. On the assessment of risk. Journal of Finance 26, 1-10.
Blume, M.E. 1975. Betas and their regression tendencies. Journal of Finance 30,
785-799.
Chen, S. 1981. Beta nonstationarity, portfolio residual risk and diversification.
Journal of Financial and Quantitative Analysis 16, 95-111.
Cohen, K.J., G.A. Hawawini, S.F. Maier, R.A. Schwartz dan D.K. Whitcomb.
1983. Estimating and adjusting for the intervalling-effect bias in
beta. Management Science 29, 135-148.
Cohen, K.J., G.A. Hawawini, S.F. Maier, R.A. Schwartz, dan D.K. Whitcomb.
1980. Implications of microstructure theory for empirical research
on stock price behaviour. Journal of Finance 2, 249-257.
Dimson, E. 1979. Risk measurement when shares are subject to infrequent
trading. Journal of Financial Economics 10, 197-226.
Fielitz, B. 1974. Indirect versus direct diversification. Financial Management, 3,
54-62.
Fisher, L. Some new stock market indexes. Journal of Business 39, 191-225.
Fowler, D.J. dan C.H. Rorke. 1983. Risk measurement when shares are subject
to infrequent trading: Comment. Journal of Financial Economics 12,
279-283.
Fowler, D.J., C.H. Rorke, dan V.M. Jog. 1980. Thin trading and beta estimation
techniques on the Toronto Stock Exchange. Journal of Business
Administration 12, 77-90.
Fowler, D.J., C.H. Rorke, dan V.M. Jog. 1981. A note on beta stability and thin
trading on the Toronto Stock Exchange. Journal of Business Finance
and Accounting 8, 267-278.

21
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Fowler, D.J., C.H. Rorke, dan V.M. Jog. 1989. A bias-correcting procedure for
beta correction in the presence of thin trading. Journal of Financial
Research 12, 23-32.
Fung, W.H.K., R.A. Schwartz, dan D.K. Whitcomb. 1985. Adjusting the
intervalling effect bias in beta. Journal of Banking and Finance 9, 443-
460.
Jogiyanto. 1998a. Isu-isu Metodologi Penelitian Akuntansi Bidang Pasar
Modal. Paper Pada Semiloka Sehari :Arah dan Topik Penelitian
Akuntansi Keuangan dan Pasar Modal. Juli, 1-21.
Jogiyanto. 1998b. Teori Portfolio dan Analisis Investasi. Yogyakarta: BPFE
Jogiyanto, dan Surianto. 2000. Bias in Beta Values and Its Correction. Gadjah
Madda International Journal of Business, September, Bol.2, No.3;
337-349.
Kolb, R. W. dan R. Rodriguez. 1989. The regression tendencies of betas: A
reappraisal. The Financial Review, 24, 319-334.
Levy, R.A. 1971. On the short term stationarity of beta coefficients. Financial
Analysts Journal 27, 55-72.
McInish, T.H., dan R.A. Wood. 1986. Adjusting for beta bias: An assessment
of alternative techniques: A note. Journal of Finance 41, 277-286.
Murray, L. 1995. An examination of beta estimation using daily Irish data.
Journal of Business Finance and Accounting 22(6), 893-906.
Porter, R. B. and J. R. Ezzell. 1975. A note on the predictive ability of beta
coefficients. Journal of Business Research, 3, 365-372.
Roenfeldt, R., G. L. Griepentrog dan C. C. Pflamm. 1978. Further evidence on
the stationarity of beta co-efficients. Journal of Financial and
Quantitative Analysis 13, 117-121.
Scholes, M., dan J. Williams. 1977. Estimating betas from non-synchronous
data. Journal of Financial Economics 5, 309-327.
Tole, T. M. 1981. How to maximise stationarity of beta. Journal of Portfolio
Management, 7, 45-49.
Vasicek, O. 1973. A note on using cross-sectional information in Bayesian
estimation of security betas. Journal of Finance 28, 1233-1239.

22
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Lampiran 1. Koefisien βt-5, βt0, βt+5

Emiten βt-5 βt-4 βt-3 βt-2 βt-1 β0 βt+1 βt+2 βt+3 βt+4 βt+5
AALI -0.1949 -0.0227 -0.0043 0.1753 1.1861 0.0839 -0.0341 0.1074 -0.0369 -0.2509 0.2099
ADMG -0.1317 0.0449 0.1784 -0.0922 0.8489 -0.1685 0.0487 0.0135 -0.1948 -0.1919 -0.0271
ANTM 0.0089 -0.0583 -0.1912 -0.0477 1.7224 -0.2753 -0.0095 0.0055 0.0413 -0.6067 -0.1744
ASII -0.2780 0.1691 -0.0318 0.0886 1.1651 -0.0117 0.0406 0.0382 -0.0773 -0.2782 0.0882
ASGR 0.2510 -0.2735 0.6172 -0.1561 1.2194 0.1973 -0.0192 0.0169 -0.2188 -0.0872 -0.2972
BBCA -0.1659 0.1240 0.0341 0.0049 0.9781 0.1030 -0.0701 0.0474 -0.0535 -0.2532 -0.0374
BLTA -0.1156 -0.1773 0.2722 0.1108 -0.0036 1.1739 -0.0170 -0.2293 -0.0339 0.1010 -0.3663
BHIT -0.1731 -0.2896 0.4355 0.1373 -0.0801 0.9631 -0.0113 -0.2884 0.0886 0.0909 -0.3684
BMTR -0.3301 -0.2059 0.1991 -0.3333 -0.0076 0.7472 0.0974 -0.1727 0.2484 0.1398 -0.1071
BNBR -0.1240 -0.1419 0.3588 0.1203 -0.0109 1.3215 -0.0025 -0.1834 -0.0206 -0.0596 -0.3869
BNII -0.1611 -0.0724 0.2041 0.1055 0.0063 1.0763 -0.0575 0.0481 -0.0345 -0.0903 -0.3201
BRPT -0.3672 0.4182 0.4989 0.3841 0.0164 1.2530 -0.3572 -0.2533 0.0020 -0.1487 -0.5057
BUMI -0.3411 0.0075 0.1308 -0.0024 -0.1276 1.3805 0.0636 0.0639 0.1108 -0.2256 -0.5057
CMNP -0.2523 -0.1802 0.3010 0.0644 0.0778 1.0025 -0.0713 -0.0391 0.3103 -0.0536 -0.3899
ELTY -0.0626 -0.2577 0.1755 0.0753 -0.0872 1.6328 -0.1172 -0.0399 -0.0437 -0.2260 -0.5612
KLBF -0.2309 -0.0892 0.1700 -0.0868 0.1231 0.6691 0.0008 -0.0925 0.0477 -0.0727 -0.2063
MEDC -0.4988 -0.1761 0.2189 -0.0954 0.0596 1.3076 -0.1403 -0.1331 -0.0175 -0.0443 -0.4125
PNBN -0.3753 0.0472 0.0769 -0.0206 0.0196 1.2515 0.0381 -0.0656 -0.0721 -0.1246 -0.2875
PTBA -0.2657 -0.0780 0.3483 0.1519 -0.0650 1.5034 -0.1276 -0.2302 0.1525 -0.0535 -0.3562
SULI -0.0633 -0.1339 0.4259 0.1091 0.1672 1.1880 -0.0492 0.1155 0.1981 -0.3631 -0.3551
TINS -0.2531 -0.0252 0.2053 -0.0404 -0.0224 1.7112 -0.2485 -0.0204 0.1007 -0.4029 -0.3675
TKIM -0.1483 0.0327 0.2750 0.1360 -0.0792 0.8975 -0.1655 -0.1055 0.1281 -0.2033 -0.1785
TLKM -0.1992 -0.0050 0.0310 -0.0721 -0.1277 1.0100 -0.0564 -0.0736 0.2607 -0.0900 -0.0757
UNSP -0.3408 -0.1981 0.0413 0.1357 -0.0071 1.1691 -0.1557 -0.0760 0.0967 -0.2300 -0.2039
UNTR -0.2065 -0.2233 0.0073 0.0392 0.0581 0.9640 0.2129 0.0266 0.0545 -0.1397 -0.2896
BDMN -0.3224 -0.1799 -0.0223 -0.1677 -0.0621 1.2298 0.1279 0.0430 0.1940 -0.2069 -0.1891
CTRA -0.0593 -0.2088 -0.1244 -0.0250 0.2112 1.2359 0.1308 -0.0231 0.0474 -0.1823 -0.3282
INDF -0.3854 -0.0898 0.0483 -0.0551 -0.0311 1.1072 -0.0900 -0.0012 0.0593 -0.1428 -0.1586
INKP -0.1762 0.0393 0.0780 0.0542 -0.0695 0.9295 -0.0632 -0.0415 -0.0201 -0.2332 -0.1311
ISAT -0.1434 -0.0554 0.0168 -0.0339 -0.1342 0.9103 0.0561 0.0007 0.0990 -0.0045 -0.1755
KIJA -0.3048 -0.1100 0.2438 0.0834 -0.1590 1.4462 -0.0156 0.0563 0.1432 -0.0166 -0.5805
LSIP -0.1013 -0.0507 0.0379 -0.0120 0.1201 0.6186 -0.0840 -0.0578 0.1116 0.0651 -0.0313
SMCB -0.2939 0.0795 0.1000 -0.0707 0.0488 1.0987 -0.0227 -0.1714 -0.1343 -0.1144 -0.4797
TSPC -0.2351 -0.0174 0.0949 -0.0213 0.1167 0.8980 -0.0350 -0.0806 0.0576 -0.1789 -0.2945
BNGA -0.1928 -0.1174 0.0817 0.0201 -0.1007 1.2272 0.1322 0.0254 0.0293 -0.2523 -0.2852
BMRI -0.2804 -0.1729 0.1439 0.0215 -0.0964 1.4009 0.0996 0.0340 0.1967 -0.0738 -0.2827
BBRI -0.1313 -0.1717 0.2229 -0.1590 0.1352 1.0331 0.1444 0.0407 0.0257 -0.0367 -0.1739
PGAS -0.2036 -0.1308 0.0897 0.1312 -0.0182 1.0039 -0.1522 -0.2155 0.0168 -0.0561 -0.2690
ENRG -0.0576 -0.0131 0.2470 -0.0597 -0.1913 1.0853 0.0067 -0.1474 -0.2210 -0.0043 -0.4642
CPRO -0.1782 -0.1015 0.0201 0.5063 -0.2593 1.3827 -0.2459 -0.0247 0.1367 0.0670 -0.0015
TOTL -0.0008 -0.1524 0.1705 0.1443 -0.0008 0.9472 0.0167 -0.0292 -0.1549 -0.0333 -0.2430
ADHI 0.0188 -0.1775 0.1011 0.0820 0.0945 1.1746 0.0551 -0.0936 0.0988 -0.0452 -0.2608
ALMI -0.1252 -0.6750 0.9463 -0.2172 -0.3283 0.1779 0.4683 -0.2884 0.2424 0.1457 -0.3546
APEX -0.3434 0.3129 -0.1121 -0.0981 0.0159 0.4734 0.1299 -0.2304 0.4224 -0.0457 -0.2147
BCIC -0.3428 0.0171 0.2047 0.1653 -0.2253 1.0271 -0.1411 -0.1612 0.2203 -0.3930 -0.1995
BNLI -0.0490 -0.1935 0.1695 -0.0183 0.1111 0.4511 0.0672 -0.0401 0.0221 -0.0411 -0.1060

23
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Lampiran 1. (lanjutan)
Emiten βt-5 βt-4 βt-3 βt-2 βt-1 β0 βt+1 βt+2 βt+3 βt+4 βt+5
BTEL -0.1234 0.0087 -0.0406 0.0779 0.0587 0.8992 -0.2058 0.2034 -0.0402 -0.2316 -0.0361
BVIC -0.1112 0.2292 0.3620 0.1594 -0.1427 1.0725 -0.2202 -0.1416 -0.1544 -0.3075 -0.4904
CFIN -0.2863 -0.0205 -0.1486 0.1957 0.0022 0.6850 -0.0085 0.0673 -0.0166 -0.2062 -0.1016
DAVO -0.2510 0.0718 -0.0162 -0.1906 -0.1182 0.9951 -0.1690 -0.0374 -0.0821 -0.1162 -0.0169
EPMT 0.2570 -0.3632 0.0660 0.0141 -0.0579 0.3752 0.1275 0.0052 -0.1560 0.0242 -0.1392
EXCL -0.1209 -0.0666 0.1596 -0.2685 -0.0712 0.9588 -0.1480 -0.0871 -0.0038 -0.1739 -0.2417
FREN -0.0905 -0.0658 0.1453 0.0663 -0.0842 0.7712 -0.0048 -0.1441 0.1977 -0.1416 -0.1378
GGRM -0.0948 -0.0219 0.0659 0.0049 0.1525 0.4126 0.0200 -0.0260 0.0382 0.0803 -0.1557
GJTL -0.2378 -0.0349 0.1322 0.1304 0.1252 0.8875 -0.0307 -0.0339 -0.0775 -0.1170 -0.1445
HMSP 0.0232 -0.0812 0.0645 -0.0304 0.0059 0.2272 -0.1289 0.0369 0.0230 -0.0481 -0.0103
IGAR -0.0803 -0.1322 0.0730 0.0798 -0.1868 0.5768 0.0916 -0.1555 -0.0046 0.0256 0.0035
IIKP -0.2529 0.3581 0.3362 0.3334 0.3850 0.9943 -0.0034 -0.0418 0.1554 0.0866 -0.3162
INCO -0.3343 -0.1259 0.0619 -0.1801 0.3774 1.3092 -0.0061 0.0430 0.1851 -0.2058 -0.2583
INTA -0.5061 0.1842 0.0055 -0.2215 -0.0285 0.9165 0.0803 -0.3047 0.5016 0.1934 -0.3293
JPRS -0.2769 -0.0616 0.3466 -0.0983 -0.2203 0.9840 0.0735 0.0270 0.5165 0.1147 -0.5124
KAEF -0.1956 -0.0261 0.0810 0.1002 0.0929 1.1137 -0.3257 -0.0385 -0.1793 -0.1261 -0.1285
LPBN 0.0664 -0.0243 0.2313 0.0876 -0.0059 0.4444 0.0442 0.0414 -0.1840 -0.1235 -0.1527
LPKR 0.0373 0.0722 0.3472 0.1406 0.0094 0.1670 -0.1396 -0.0095 0.0879 0.0469 -0.2188
LPLI -0.1347 0.2920 0.6332 0.0741 -0.0581 1.0109 -0.3095 -0.1449 -0.0672 -0.1846 -0.3504
META -0.3907 -0.0764 0.4866 -0.5418 -0.0675 1.2714 -0.3623 0.0645 0.5302 -0.1543 -0.2242
MIRA 0.6083 0.4023 0.6371 -0.4939 -0.2867 0.6943 -0.1926 0.4517 0.2461 -0.0373 0.0924
MLPL -0.3322 0.2568 0.1762 0.0710 -0.1048 1.1582 -0.0943 -0.1534 0.0198 -0.2225 -0.1919
MRAT -0.2851 -0.2229 0.4501 -0.1666 0.1600 0.7552 0.1497 -0.1339 0.0655 0.0607 -0.4476
MTDL -0.3691 -0.1706 0.0292 0.6323 0.0206 1.5631 0.0024 -0.2535 0.0676 -0.3172 -0.3746
MYOR -0.0895 0.1211 -0.1102 0.0247 0.0693 0.4814 -0.1657 0.0145 -0.0679 -0.0384 0.0536
NISP 0.3236 -0.8753 0.7796 -0.6737 0.6486 -0.7465 0.0105 1.0170 -0.7202 0.1636 0.5826
PBRX -0.2137 -0.1905 0.2211 0.3512 -0.2961 1.3851 0.1087 -0.2492 0.0078 0.0998 -0.2554
PJAA -0.3800 -0.0558 -0.0015 0.2303 0.3774 0.5384 -0.1553 0.0402 -0.1741 -0.1385 -0.1703
PNIN -0.1033 -0.0809 -0.0151 -0.0217 0.0171 0.7334 0.0255 -0.0328 -0.0067 -0.0579 -0.1493
PYFA -0.1164 -0.0531 0.3534 -0.0445 -0.2752 1.1135 -0.2391 -0.1517 0.0631 -0.1485 -0.2312
PANS -0.2437 0.3325 0.1642 -0.1561 0.3129 0.2007 -0.2944 0.2388 -0.0005 -0.0424 -0.0500
PTRO 0.0018 -0.2004 0.1557 0.3731 -0.0862 0.5572 -0.1193 -0.0039 -0.3311 -0.0122 -0.0351
PUDP -0.4219 0.3434 0.3912 -0.2877 0.2511 0.8089 -0.8392 -0.3008 0.4088 -0.1016 -0.7541
SIIP 0.0320 -0.0386 -0.1854 0.1190 0.1610 0.4470 0.0401 0.0799 -0.0444 -0.0349 -0.1080
RALS -0.1274 -0.0779 0.1206 -0.0852 0.0557 0.6276 0.0946 0.1162 -0.0205 -0.1069 -0.2363
RMBA -0.0127 -0.0464 0.0934 -0.0871 -0.0059 0.7418 -0.1334 -0.0345 0.0691 0.0013 -0.1716
SMAR 0.0023 -0.2220 0.0666 0.1337 -0.0882 0.3263 -0.3196 0.0479 0.0774 0.0366 -0.1301
SMRA -0.2075 -0.2536 0.1043 0.0663 0.0003 0.7117 0.1316 0.0181 -0.0684 -0.0061 -0.3249
TRIM -0.2210 0.2281 0.0345 -0.1216 0.2622 0.9240 -0.2115 0.0664 0.2491 -0.1785 -0.3356
TRST -0.0537 0.0086 -0.0280 -0.0271 -0.0683 0.9399 -0.1010 0.1005 -0.0527 -0.0653 -0.2597
UNVR -0.2198 -0.1267 0.0544 -0.3052 -0.0039 0.9138 0.1835 -0.0330 0.1619 -0.0659 -0.2048

24
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116

Lampiran 2. Matrik Korelasi Return Market

IHSG IHSGlag1 IHSGlag2 IHSGlag3 IHSGlag4 IHSGlag5 IHSGlead1 IHSGlead2 IHSGlead3 IHSGlead4 IHSGlead5
Pearson Correlation 1 0.003 -0.025 0.101 -0.085 -0.219 0.003 -0.028 0.098 -0.083 -0.216
IHSG
Sig. (2-tailed) 0.967 0.699 0.114 0.183 0.001 0.966 0.658 0.124 0.192 0.001
Pearson Correlation 0.003 1 0.002 -0.025 0.101 -0.085 -0.028 0.098 -0.084 -0.216 -0.046
IHSGlag1
Sig. (2-tailed) 0.967 0.969 0.697 0.114 0.183 0.659 0.124 0.192 0.001 0.469
Pearson Correlation -0.025 0.002 1 -0.001 -0.026 0.104 0.099 -0.087 -0.215 -0.049 0.104
IHSGlag2
Sig. (2-tailed) 0.699 0.969 0.992 0.686 0.104 0.121 0.173 0.001 0.448 0.102
Pearson Correlation 0.101 -0.025 -0.001 1 -0.001 -0.023 -0.085 -0.222 -0.050 0.105 -0.072
IHSGlag3
Sig. (2-tailed) 0.114 0.697 0.992 0.982 0.715 0.186 0.000 0.438 0.101 0.260
Pearson Correlation -0.085 0.101 -0.026 -0.001 1 -0.002 -0.222 -0.050 0.104 -0.071 0.047
IHSGlag4
Sig. (2-tailed) 0.183 0.114 0.686 0.982 0.979 0.000 0.434 0.102 0.266 0.467
Pearson Correlation -0.219 -0.085 0.104 -0.023 -0.002 1 -0.052 0.106 -0.070 0.044 0.061
IHSGlag5
Sig. (2-tailed) 0.001 0.183 0.104 0.715 0.979 0.418 0.098 0.272 0.489 0.343
Pearson Correlation 0.003 -0.028 0.099 -0.085 -0.222 -0.052 1 0.004 -0.028 0.097 -0.080
IHSGlead1
Sig. (2-tailed) 0.966 0.659 0.121 0.186 0.000 0.418 0.944 0.658 0.128 0.209
Pearson Correlation -0.028 0.098 -0.087 -0.222 -0.050 0.106 0.004 1 0.002 -0.029 0.097
IHSGlead2
Sig. (2-tailed) 0.658 0.124 0.173 0.000 0.434 0.098 0.944 0.978 0.656 0.131
Pearson Correlation 0.098 -0.084 -0.215 -0.050 0.104 -0.070 -0.028 0.002 1 0.003 -0.030
IHSGlead3
Sig. (2-tailed) 0.124 0.192 0.001 0.438 0.102 0.272 0.658 0.978 0.965 0.642
Pearson Correlation -0.083 -0.216 -0.049 0.105 -0.071 0.044 0.097 -0.029 0.003 1 0.004
IHSGlead4
Sig. (2-tailed) 0.192 0.001 0.448 0.101 0.266 0.489 0.128 0.656 0.965 0.956
Pearson Correlation -0.216 -0.046 0.104 -0.072 0.047 0.061 -0.080 0.097 -0.030 0.004 1
IHSGlead5
Sig. (2-tailed) 0.001 0.469 0.102 0.260 0.467 0.343 0.209 0.131 0.642 0.956

25