Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini bertujuan untuk mengetahui pengaruh rasio keuangan terhadap harga saham perusahaan energi yang terdaftar di Bursa Efek Indonesia BEI selama periode 2012-2016, baik secara parsial maupun simultan. Rasio keuangan yang diteliti yaitu: current ratio CR, debt to equity ratio DER, return on assets ROA , total assets turnover TATO dan earning per share EPS. Populasi dalam penelitian ini adalah perusahaan energi yang terdaftar di Bursa Efek Indonesia BEI pada tahun 2012 sampai 2016. Sampel penelitian sebanyak 31 perusahaan energi yang diperoleh dengan teknik purposive sampling. Teknik pengumpulan data yang digunakan adalah dokumentasi. Analisis data dilakukan dengan teknik analisis data panel. Hasil penelitian menunjukkan bahwa secara parsial variabel CR, ROA, dan EPS berpengaruh signifikan terhadap harga saham, sedangkan TATO dan DER tidak berpengaruh signifikan.

---

ABSTRACTThis research explain about the influence of financial ratio against stock price trend in energy companies listed in Indonesia Stock Exchange period 2012 to 2016. The financial ratios that has been researched are current ratio CR, debt to equity ratio DER, return on assets ROA, total assets turnover TATO dan earning per share EPS. The population in this research is all energy companies listed in Indonesia Stock Exchange period 2012 to 2016. Sample of this research is 31 energy companies that gatherd by purposive sampling method. The Analyze data is doing by panel data. The result of this research shown that current ratio CR, return on assets ROA , and earning per share EPS has significant result to stock price trends. "

"Memprediksi pergerakan harga saham merupakan tugas yang sangat menantang karena karakteristik pasar saham yang kompleks, tidak linier, dan penuh ketidakpastian. Namun berdasarkan pada teori efficient market hypothesis dan tingkat efisiensinya, memprediksi pergerakan harga saham merupakan tugas yang masih memungkinkan untuk dicapai. Banyak pendekatan telah diterapkan untuk memprediksi pergerakan harga saham mulai dari pendekatan statistik linier sederhana seperti discriminant analysis (DA) hingga pendekatan machine learning yang kompleks seperti support vector machine (SVM). Baik DA dan SVM adalah pendekatan yang dapat digunakan untuk melakukan klasifikasi seperti memprediksi tren harga saham dari beberapa kelas. Dalam penelitian ini, tren pergerakan harga saham diklasifikasikan ke dalam dua kelas, yaitu "highly possible to go up" dan "highly possible to go down or be neutral" di mana pemisahan kelasnya didasarkan pada variabel berupa data teknikal, fundamental, keuangan, dan koefisien beta dari saham di Bursa Efek Indonesia (BEI). Dengan menggunakan variabel-variabel ini, sejumlah model prediksi dengan periode prediksi atau fungsi tertentu dilatih dan kemudian digunakan untuk memprediksi tren pergerakan harga saham di BEI. Periode prediksi yang digunakan dalam penelitian ini berkisar dari 1 bulan hingga 9 bulan. Metode stepwise linear regression (SLR) dan sequential forward selection (SFS) diterapkan sebagai metode feature selection guna memilih variabel yang paling relevan sehingga kinerja setiap model prediksi dapat dioptimalkan. Pada penelitian ini, jumlah fitur, nilai signifikansi maksimum dari F-to-enter, fungsi kernel, dan metode parameter selection divariasikan sehingga dihasilkan 12 model prediksi DA dan 30 model prediksi SVM. Dengan menerapkan beberapa proses evaluasi, maka model prediksi dengan tingkat akurasi dan efektifitas yang paling baik dapat dipilih. Dari seluruh 12 model prediksi DA yang dirancang, terdapat 3 model prediksi yang dinilai layak untuk diterapkan. Sedangkan dari seluruh 30 model prediksi SVM yang dirancang, terdapat 11 model prediksi yang dinilai layak untuk diterapkan. Kemudian dari 14 model prediksi yang dinilai layak tersebut, 4 model prediksi terbaik untuk periode prediksi 3, 5, 7, dan 9 bulan serta 1 model prediksi terbaik dengan fungsi untuk mengklasifikasi major trend selama 9 bulan telah berhasil dipilih. Kelima model tersebut merupakan model prediksi SVM sehingga dapat disimpulkan bahwa SVM mengungguli DA dalam memprediksi tren pergerakan harga saham di Bursa Efek Indonesia.

---

Predicting the movement of stock prices is a very challenging task because the characteristics of the stock market are complex, non-linear, and full of uncertainty. However, based on the efficient market hypothesis theory and its level of efficiency, predicting stock price movements is a task that is still possible to achieve. Many approaches have been applied for predicting the movement of stock prices ranging from simple linear statistical approaches such as discriminant analysis (DA) to complex machine learning approaches such as support vector machines (SVM). Both DA and SVM are approaches that can be used to perform classifications such as predicting stock price trends from several classes. In this study, the trends of stock price movements are classified into two classes, namely "highly possible to go up" and "highly possible to go down or be neutral" in which the class separation is based on variables in the form of technical, fundamental, financial, and beta coefficient data of stocks on the Indonesia Stock Exchange (IDX). By using these variables, a number of prediction models with specific prediction periods or functions are trained and then used to predict the trends of stock price movements on the IDX. The prediction periods used in this study range from 1 month to 9 months. The stepwise linear regression (SLR) and sequential forward selection (SFS) methods are applied as the feature selection methods to select the most relevant variables so that the performance of each prediction model can be optimized. In this study, the number of features, the maximum significance value of the F-to-enter, kernel function, and parameter selection method are varied to produce 12 DA prediction models and 30 SVM prediction models. By applying several evaluation processes, the prediction model with the best level of accuracy and effectiveness can be chosen. From all 12 DA prediction models designed, there are 3 prediction models that are considered feasible to be applied. While from all 30 SVM prediction models designed, there are 11 prediction models that are considered feasible to be applied. Then, out of these 14 prediction models that are considered feasible, 4 best prediction models for the prediction periods of 3, 5, 7, and 9 months and 1 best prediction model with the function to classify the major trend for 9 months have been successfully selected. These five prediction models are SVM prediction models so that it can be concluded that SVM outperforms DA in predicting the trends of stock price movements on the Indonesia Stock Exchange."

"Penelitian ini bertujuan untuk menganalisis pengaruh rasio-rasio keuangan terhadap imbal hasil saham. Data yang digunakan dalam penelitian ini adalah rasio-rasio keuangan perusahaan yang terdaftar ke dalam indeks KOMPAS 100 periode tahun 2008-2012. Teknik analisis yang digunakan dalam penelitian ini adalah regresi linear berganda untuk memperoleh gambaran menyeluruh antara variabel dependen dengan variabel independen. Hasil penelitian menunjukkan bahwa variabel PBV, TATO, dan ROE memiliki pengaruh yang signifikan terhadap imbal hasil saham. Sedangkan CR, PER, NPM, dan DER tidak memiliki pengaruh yang signifikan terhadap imbal hasil saham.

---

This research aims to analyze the impact of financial ratios from the corporations that listed in KOMPAS 100 index for the 2008-2012 period. The analysis technique that used in this study is multiple linear regressions to obtain the significance between dependent variable and its independent variables. The result showed that PBV, TATO, and ROE have a significant impact on stock returns. While CR, PER, NPM, and DER have no significant impact on stock returns."

"Penelitian ini bertujuan untuk menganalisis pengaruh volume perdagangan dan turnover dalam menginvestigasi kinerja portofolio saham dari berbagai investment styles. Investment styles tersebut antara lain adalah value vs growth price to book ratio , small vs large market cap dan winner vs loser momentum by the previous 6-month return . Penelitian menggunakan sampel perusahaan yang tercatat dalam Indeks Kompas 100 dan Largest 200 IHSG periode 2008 ndash; 2015. Berdasarkan metode purposive sampling, jumlah perusahaan yang dijadikan sampel dalam penelitian ini adalah 76 perusahaan dari Indeks Kompas 100 dan 96 perusahaan dari Largest 200 IHSG. Variabel dependen yang digunakan adalah return portofolio saham. Variabel Independen yang digunakan adalah volume perdagangan dan turnover. Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi linear berganda, dengan model regresi CAPM, Fama French Three Factors, dan Carhart Four Factor. Data yang digunakan dalam penelitian ini merupakan data harian. Hasil regresi menunjukkan bahwa; 1 Portofolio saham heavily traded stocks memiliki kinerja yang lebih baik dibandingkan less heavily traded stocks, 2 Volume perdagangan dan turnover dapat dijadikan proksi untuk kinerja portofolio saham.

---

This study aims to analyze the effect of trading volume and turnover measurement to investigate stock portfolios performance of various investment styles. The investment styles include value vs growth price to book ratio , small vs large market capitalization, and winner vs loser momentum by the previous 6 month returns. This study uses data of listed firms in KOMPAS 100 Index and Largest 200 IHSG for the period of 2008 ndash 2015. Based on purposive sampling method, the number of companies used as the sample in this study is 76 companies from Kompas 100 Index and 96 companies from Largest 200 IHSG. The dependent variable used in this study is stock portfolio returns. The independent variables used in this study are trading volume and turnover. The hypothesis testing was performed using multiple regression analysis, such as CAPM, Fama French three factor, and Carhart Four Factor regression model. The data used in this study are daily data. The regression results indicate that 1 The heavily traded stock portfolios have better performance than the less heavily traded stock portfolios, 2 Trading volume and turnover can be used as a proxy to determine the performance of stock portfolios."

"Pesatnya perkembangan ekonomi menyebabkan kebutuhan manusia menjadi tidak terbatas. Usaha yang dapat dilakukan untuk pemenuhan kebutuhan hidup di masa yang akan datang adalah dengan melakukan investasi. Saham merupakan salah satu instrumen investasi dengan tingkat keuntungan yang menarik, namun memiliki risiko kerugian yang tinggi. Hal ini disebabkan oleh adanya pergerakan harga saham yang cenderung tak menentu selama periode waktu tertentu. Untuk meminimalkan risiko kerugian, perlu dilakukan prediksi pergerakan harga saham. Prediksi yang akurat akan membantu para investor dalam menentukan nilai saham di masa yang akan datang. Pada penelitian ini, dilakukan perbandingan untuk memprediksi pergerakan harga saham menggunakan tiga algoritma supervised machine learning yaitu Random Forest, Support Vector Regression (SVR) dan K- Nearest Neighbor (KNN) berdasarkan tingkat akurasinya. Sutau model dikatakan akurat jika memiliki nilai Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) yang lebih rendah. Pada penelitian ini, diperoleh hasil prediksi harga penutupan saham terbaik menggunakan metode Support Vector Regression dengan melihat rendahnya nilai RMSE dan MAE yang dihasilkan dibandingkan dengan dua metode lain. Dalam perhitungannya, penelitian ini menggunakan histori data harian dari website investing.com. periode Maret 2017 hingga Februari 2020 dari tiga perusahaan di Indonesia yang terdaftar dalam IDX30.

---

The fast growth of economic development causes human needs to be immeasurable. One of the efforts that could be done to fulfill life needs in the future was Investation. Stock is one of the Investation instruments with interesting benefits but has high- risk loss caused by the unstable stock market trend between some period. For minimalizing the risky loss, the literati need to predicting the stock rate trend. The accurate prediction will help the investor in choosing a stock value in the future. In this study, the literati make a comparison to predict stock market trend with three kinds of algorithms supervised machine learning that are Randon Forest, Support Vector Regression (SVR), and K-Nearest Neighbor (KNN) based on their accurate level. A model could be said accurate just if they have a lower value of Root Mean Square Error (RMSE) and Mean Absolute Error (MAE). The best Stock Closing Price prediction will be obtained by the Support Vector Regression method and see how low the result of RMSE and MAE value is compared with another method. To calculate, the study uses a daily data history from investing.com website between March 2017 to February 2020 period. The object data is a three big company in Indonesia which listed in IDX30."

"Ada beberapa tipe anomali yang sudah diteliti di seluruh dunia, sebagai contoh anomali bulanan, anomali pergantian bulan, anomali liburan, dan anomali kalendar keagamaan. Keberadaan anomali ini berlawanan dengan teori hipotesis pasar efisien yang menyatakan bahwa return saham seharusnya tidak dapat diprediksi dan memiliki pola tidak jelas karena harga saham di setiap tanggalnya telah mencerminkan seluruh variabel yang tersedia. Penelitian ini menguji keberadaan anomali kalendar keagamaan yaitu pada bulan Ramadhan di Indonesia pada Indeks Harga Saham Gabungan (IHSG), menggunakan analisis time series dan metode GARCH (p,q) dengan bulan Ramadhan sebagai variabel dummy. Hasil dari penelitian ini ditemukan bahwa rata-rata return tidak signifikan berbeda antara bulan Ramadhan dengan bulan lainnya atau dapat dikatakan tidak terdapat anomali bulan Ramadhan di Indonesia.

---

There are few types of anomalies has been studied around the world, for example monthly effect, turn-of-the month effect, holiday effect, and religious calendar effect. The existence of these anomalies is in contrast to the efficient market hypotesis theory with states that stock returns should be unpredictable and random walk because stock price at any date has reflect all variable information. This study tested the existence of religious calendar anomalies in the month of Ramadhan in Indonesia on the Indeks Harga Saham Gabungan (IHSG), by using time-series analysis and the GARCH (p,q) method with month of Ramadhan as variable dummy. Result from this study found that no significant different mean return between the month of Ramadhan with other month or can be said there is no Ramadhan effect in Indonesia."

"Tujuan penelitian ini adalah untuk mengetahui pengaruh harga properti terhadap indeks harga saham di Indonesia pada periode 2007 hingga 2011. Penelitian ini dilakukan karena pada penelitian sejenis yang dilakukan sebelumnya menghasilkan bahwa harga properti di Hong Kong maupun di Singapura berpengaruh terhadap indeks harga saham masing-masing negara tersebut, serta perkembangan bisnis properti di Indonesia yang dinilai menjanjikan dan terus meningkat. Metode penelitian pada penelitian ini menggunakan model Fama- Gibbons. Hasil penelitian menunjukkan bahwa harga properti mempengaruhi perubahan pada IHSG. Di sisi lain, tingkat laju inflasi sebagai variabel kontrol diketahui tidak memiliki pengaruh terhadap perubahan IHSG.

---

The objective of this study is to analyze the impact of property prices on stock prices indices in Indonesia within the period of 2007 until 2011. The research was conducted based on prior researches resulted that property prices in Hong Kong and Singapore affected to its stock price indices, as well as the development of the property business in Indonesia is promising and rising. The methodology for this study is the Fama-Gibbons model. The result indicated that the property prices have an impact to the change of Jakarta Composite Index (JCI). On the other hand, the inflation rate as the control variable has no impact to the change of JCI."

"Tesis ini membahas mengenai analisis kinerja saham berdasarkan perbedaan komposisi Index LQ45 menggunakan metode empat faktor Carhart. Penelitian dilakukan terhadap ketiga jenis saham, yaitu saham yang secara konsisten berada dalam indeks (saham inti), dikeluarkan dari indeks, dan menjadi saham pengganti dari saham yang keluar indeks LQ45 selama Tahun 2009-2014. Analisis kinerja saham dilakukan menggunakan metode empat faktor Carhart, antara lain konstanta intercept, market premium, faktor SMB (kapitalisasi pasar), faktor HML (nilai buku terhadap nilai pasar), dan faktor WML (momentum). Menggunakan metode empat faktor Carhart, hanya saham inti yang memiliki excess return positif, yang ditunjukkan oleh konstanta intercept positif. Variabel dependen saham inti dapat dijelaskan oleh nilai konstanta intercept dan HML (rasio nilai buku terhadap nilai pasar). Variabel dependen saham yang dikeluarkan dari indeks LQ45 dapat dijelaskan oleh faktor SMB (nilai kapitalisasi pasar). Sedangkan variabel dependen saham yang masuk sebagai pengganti di indeks LQ45 dapat dijelaskan oleh faktor rm-rf, HML (rasio nilai buku terhadap nilai pasar), dan faktor WML (momentum). Bila dibandingkan dengan hasil penelitian sebelumnya yang telah dilakukan oleh Chan et al (2013), menggunakan periode 1962-2003 dengan 788 saham yang masuk ke dalam indeks S&P 500 dan 244 saham yang dikeluarkan dari indeks S&P 500, Chan et al memiliki kesimpulan kedua jenis saham dipengaruhi secara signifikan oleh nilai konstanta intercept, faktor SMB (kapitalisasi pasar), dan faktor HML (nilai buku terhadap nilai pasar).

---

The objective of this research is to analyze the stock performance based on differences in the composition of the LQ45 Index using the Carhart four-factor. This research is conducted on three types of stocks, which are stocks that consistently remain in the index, being removed from the index, and become substitution of the stock that comes out from LQ45 index during the year of 2009-2014. The analysis of the stock performance uses Carhart four factors method, which are the intercept constant value, market premium, SMB factor (market capitalization), HML factor (book value to market value), and WML factor (momentum). Using the method of Carhart four factors, only stocks that consistently remain in the index LQ45 have positive excess return, while also demonstrating positive intercept constants. These intercept constants value and HML factor (ratio of book value to market value) explain dependent variable of stocks that consistently remain in the index LQ45. SMB factor (market capitalization) explain dependent variable of stocks that are removed from LQ45 index. While market premium, HML factor (ratio of book value to market value) and WML factor (momentum) explain dependent variable stocks that is being substitution of the stock that comes out from LQ45 index. In comparation to the results of previous studies by Chan et al (2013), using period of 1962-2003 with 788 of shares join into the S&P 500 and removal 244 of shares from S&P 500, Chan et al conclude that intercept constants value, SMB factor and HML factor influence both types of stock significantly."

"Maraknya penutupan berbagai gerai ritel di Asia Tenggara menimbulkan dampak terhadap kondisi finansial emiten ritel, yang juga akan memberi pengaruh pada kondisi finansial investor. Penelitian ini secara spesifik ditujukan untuk menganalisis dampak finansial penutupan gerai ritel terhadap imbal hasil saham dan kinerja keuangan emiten ritel. Pendekatan empiris menggunakan Fama French three-factor model dipilih untuk menghitung imbal hasil abnormal yang disebabkan oleh kejadian ini. Rasio profitabilitas dan nilai pasar relatif digunakan untuk menilai kinerja keuangan tiap emiten. Studi memperlihatkan adanya nilai cumulative abnormal return negatif yang signifikan secara statistik sejak pengumuman hingga hari pertama setelah pengumuman. Cumulative abnormal return dengan nilai negatif terjadi sampai hari kelima setelah pengumuman, akan tetapi sudah tidak signifikan secara statistik. Adapun, kondisi kinerja keuangan emiten ritel sebelum dan sesudah penutupan gerai tidak berbeda signifikan secara statistik.

---

The spreading news of retail store closure in Southeast Asia brings the impact toward the financial condition of the retail listed companies as well as of the investors’. The specific objective of this study is to examine the financial impact of closing retail outlets on stock return and the financial performance of retail listed companies. Empirical approach is used in this study, using the Fama French three-factor model to calculate stock return that occur due to this event. Profitability and relative market value ratios are used to evaluate the financial performance. An interesting finding from this study is that there is an abnormal and negative return from the closure of retail stores. It is showed by the negative cumulative abnormal return (CAR), that is significant statistically, until the first day after the store closure announcement is announced. The negative abnormal return occurs until the fifth day after announcement that is not significant statistically anymore. However, the financial performances before and after store closure are not different statistically."