Professional Documents
Culture Documents
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.
1
Email: rowland.pasaribu@gmail.com
2
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116
PENDAHULUAN
asset dapat dibagi ke dalam dua komponen: risiko sistematis dan risiko non-
diversifikasi. Sebaliknya, risiko sistematis yang terdapat pada suatu aset tidak
jumlah relatif resiko sistematis suatu asset tertentu terhadap rata-rata resiko
aset.
saham (Blume, 1971). Meski demikian terdapat juga sejumlah hasil kajian
portofolio dengan historikal beta yang pendek (panjang) yang dihitung untuk
beta yang dijelaskan dalam hubungannya terhadap beta pasar, koefisien beta
terlihat sebagai ekspose tendensi yang konvergen ke arah angka satu. Kalau
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
adalah koefisien beta yang bias dan mengaburkan kegunaannya seperti yang
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
Perumusan Masalah
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
Indonesia.
tersebut.
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
pengembalian mingguan pada 500 saham pasar modal New York (NYSE)
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
didukung oleh Fielitz (1974), Porter dan Ezzell (1975), serta Tole (1981) yang
bahwa lamanya periode waktu, dan jumlah observasi yang digunakan untuk
menyatakan bahwa beta lebih stabil selama panjangnya periode estimasi beta
bahwa hasil estimasi beta yang semakin stabil dengan periode 48 bulan
adalah prediktor yang buruk dalam mengestimasi beta jangka pendek (12
untuk mengestimasi beta akan menghasilkan hasil yang bias dimana beta
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
dan Williams (1977), Dimson (1979), Fowler et al. (1980, 1981, 1989) serta
Cohen, et al. (1983) memberikan bukti empiris bahwa beta saham yang
Dimson (1979)
Berdasarkan teknik ini, beta yang disesuaikan adalah sama dengan jumlah
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
menghasilkan β−1 dan β+1. Penyesuaian beta Scholes and Williams (1977)
berikut:
dimana ρ adalah koefisien korelasi first order serial untuk indeks pasar
estimasi beta yang terdiri dari estimasi pada interval cross-sectional atau
hubungan thinness (event pada saat transaksi perdagangan rendah). Teknik ini
panjang interval yang berbeda (1, …, 6, 8, 10, 12, 14, 15, 16, 18, dan 20 hari).
dimana βjL adalah beta estimasi OLS saham (dari model market) untuk
panjang interval waktu yang berbeda-beda, L (hari), εjL adalah random error,
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
bj = c + b ln Vj + εjL, j = 1,…,50.
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
9
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116
menggunakan sejumlah besar variabel lag dan lead dalam Cohen, et al.
(1983), sebagai suatu keuntungan potensial yang dapat hilang karena terjadi
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
memperoleh estimasi beta yang asymtotic. Prosedur Fowler, et al. (1989) juga
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
(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
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
Penelitian mengenai koreksi beta telah dilakukan oleh Arif dan Johnson
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
adalah yang terbaik (1,083 terdekat dengan angka 1), selanjutnya untuk
penggunaan 3 lag dan lead metode Scholes dan William adalah yang terbaik
emiten yang tidak aktif adalah 40,45% adalah salah satu fakta penyebab
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
dinyatakan bahwa nilai beta pada saham yang terdaftar di Bursa Efek
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
Data penelitian adalah emiten yang terdaftar pada Bursa Efek Indonesia
4. Rugi yang diderita emiten tidak lebih dari 50% modal disetor;
Terdapat 87 sampel yang memenuhi kriteria ini. Data return emiten dan
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
Model Empiris
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
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.
Nilai beta koreksi untuk tiap saham berdasarkan model koreksi Scholes dan
berikut:
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
Metode Fowler-Rorke
memberikan beta yang bias. Oleh karena itu Fowler dan Rorke mengalikan
seluruh koefisien regresi yang dihasilkan dari metode Dimson dengan faktor
16
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116
HASIL EMPIRIS
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
Dimson, dan Fowler-Rorke. Nilai beta pasar setelah dikoreksi dengan metode
17
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116
Karena data di BEI juga diduga memiliki distribusi yang tidak normal,
18
Jurnal Ekonomi dan Bisnis
Vol. 3, No. 2, Juli 2009 (81-89)
ISSN: 1978 – 3116
Tahap selanjutnya adalah mengkoreksi kembali nilai beta dengan metode koreksi
menyajikan hasil perhitungan beta pasar yang telah dikoreksi dengan metode
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
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
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
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