Você está na página 1de 22

BAB II

PEMBAHASAN
2.1. Model Penetapan Harga Kapital
Capital Asset Pricing Model (CAPM) pertama kali dikenalkan oleh Sharpe,
Lintner, dan Mossin pada pertengahan tahun 1960-an. CAPM merupakan suatu model
yang menghubungkan tingkat return harapan dari suatu aset berisiko dengan risiko dari
aset tersebut pada kondisi pasar yang seimbang. CAPM didasari oleh teori portofolio
yang dikemukakan oleh Markowitz. Berdasarkan model Markowitz, masing-masing
investor diasumsikan akan mendiversifikasikan portofolionya dan memilih portofolio
yang optimal atas dasar preferensinya terhadap return dan risiko. Portofolio pilihannya
merupakan titik-titik portofolio yang terletak disepanjang garis portofolio efesien.
Beberapa asumsi lain dalam CAPM yang dibuat untuk menyederhanakan realitas yang
ada, sebagai berikut:
1) Semua investor mempunyai distribusi probabilitas tingkat return di masa
depan yang identik, karena mereka mempunyai harapan atau ekspektasi yang
hampir sama. Semua investor menggunakan sumber informasi seperti tingkat
return, varians return, dan matriks korelasi yang sama dalam kaitannya dengan
pembentukan portofolio yang efesien.
2) Semua investor mempunyai satu periode waktu yang sama, misalnya satu tahun.
3) Semua investor dapat meminjam (borrowing) atau meminjamkan (lending) uang
pada tingkat return yang bebas resiko (risk-free rate of return).
4) Tidak ada biaya transaksi.
5) Tidak ada pajak pendapatan.
6) Tidak ada inflasi.
7) Terdapat banyak sekali investor, dan tidak ada satu pun investor yang dapat
mempengaruhi harga suatu sekuritas. Semua investor adalah price-taker.
8) Pasar dalam keadaan seimbang (equilibrium).
Asumsi-asumsi di atas memang terlihat tidak realistis, misalnya tidak ada biaya
transaksi inflasi, pajak, pendapatan, dan hanya ada satu periode waktu. Asumsi tersebut
memang sulit kita temui dalam dunia senyatanya. Jika demikian, Mengapa kita perlu
membahas CAPM? Kita perlu mempelajari CAPM karena CAPM merupakan model
yang secara parsimony (sederhana) bisa menggambarkan atau memprediksi realitas di
pasar yang bersifat kompleks, meskipun bukan kepada realitas asumsi-asumsi yang
digunakan. Oleh karena itu, CAPM sebagai sebuah model keseimbangan bisa
membantu kita menyederhanakan gambaran realitas hubungan return dan risiko dalam
dunia nyata yang terkadang sangat kompleks.
Jika semua asumsi diatas terpenuhi maka akan terbentuk suatu pasar yang
seimbang. Dalam kondisi pasar yang seimbang, investor tidak akan memperoleh return
abnormal (return ekstra) tingkat harga yang terbentuk, termasuk bagi investor
melakukan perdagangan spekulatif. Oleh karena itu, kondisi tersebut akan mendorong
semua investor untuk memilih portofolio pasar, yang terdiri dari semua aset berisiko
yang ada. Portofolio pasar tersebut akan berada pada permukaan garis efisien (efficient
frontier) dan sekaligus merupakan portofolio yang optimal.

2.2. Portofolio Pasar


Pada kondisi pasar yang seimbang, semua investor akan memilih portofolio
pasar, yaitu portofolio yang terdiri dari semua aset berisiko yang juga merupakan
portofolio yang optimal. Berdasarkan teori portofolio Markowitz, portofolio yang
efesien adalah portofolio yang berada di sepanjang kurva efficient frontier seperti yang
terlihat pada Gambar 6.1.
Titik M pada Gambar 6.1 merupakan titik persinggungan antara garis yang ditarik
dari RF (tingkat return bebas risiko) dengan efficient frontir yang terdiri dari portofolio
aset aset bebas risiko. Titik M ini merupakan titik yang memiliki sudut tangen tertinggi
dibanding titik titik lainnya di sepanjang garis efficient frontir, sehingga jika garis RF-L
dihubungkan dengan garis efficient frontir, maka titik persinggungan akan berada di
titik M. Dalam kondisi pasar yang seimbang, semua investor akan memilih portofolio
pada titik M sebagai portofolio yang (terdiri dari aset bebas risiko). Seperti telah
disebutkan di atas, dalam pasar yang seimbang, terdapat asumsi bahwa semua investor
menggunakan analisis Markowitz yang sama dalam pemilihan portofolio, sehingga
semua pilihan portofolio investor akan mengarah pada suatu partikel yang beresiko
yang sama (titik M), dan portofolio inilah yang disebut dengan portofolio pasar.

Gambar 6.1. Portofolio yang efisien dan portofolio yang optimal


Meskipun investor bisa saja memilih titik yang berbeda di sepanjang garis RF-L
(terdiri dari titik-titik portofolio yang merupakan gabungan aset berisiko dan Aset bebas
risiko) misalnya dititik C, semua investor diasumsikan akan berinvestasi pada
portofolio aset berisiko yang sama, yaitu dititik M. Perbedaannya bahwa di titik M
hanya terdiri dari portofolio pasar yang merupakan gabungan aset-aset berisiko saja,
sedangkan titik C merupakan kombinasi antara aset bebas risiko dengan portofolio aset
berisiko. Portofolio pada titik M akan selalu terdiri dari semua aset berisiko, sehingga
bisa disimpulkan bahwa pada CAPM, portofolio pasar adalah portofolio aset berisiko
yang optimal. Karena portofolio pasar terdiri dari semua aset beresiko, maka pertemuan
tersebut merupakan partai politik yang sudah terdiversifikasi dengan baik. Dengan
demikian, risiko portofolio pasar hanya akan terdiri dari risiko sistematis saja,
yaitu risiko yang tidak dapat dihilangkan oleh diversifikasi. Risiko sistematis ini terkait
dengan faktor faktor ekonomi makro yang bisa mempengaruhi semua sekuritas yang
ada.
Apa yang bisa dijadikan ukuran portofolio pasar? Berdasarkan model CAPM,
portofolio pasar seharusnya meliputi semua aset berisiko yang ada, baik itu aset
finansial (obligasi, opsi, future, dan sebagainya) maupun aset riil( emas, real estate).
Tetapi dalam kenyataannya hal itu sulit dilakukan karena jumlahnya yang banyak sekali
dan tidak mungkin diamati satu persatu. Untuk itu, diperlukan suatu proksi portofolio
pasar, yang bisa diwakili oleh partai politik yang terdiri dari semua saham yang ada di
pasar. Proksi ini bisa diwakili oleh nilai indeks pasar, seperti indeks Pasar Gabungan (
IHSG) ataupun LQ 45, untuk kasus di Indonesia. Untuk selanjutnya indeks pasar inilah
yang digunakan sebagai portofolio pasar. Portofolio tersebut merupakan portofolio
yang terdiri dari aset berisiko, dan risiko portofolio itu dapat diukur dengan
menggunakan nilai deviasi standar dari rata-rata return pasar (𝜎m).

2.3. Garis Pasar Modal (Capital Market Line)


Garis pasar modal menggambarkan hubungan antara return harapan dengan
risiko total dari portofolio efisien pada pasar yang seimbang. Berdasarkan Gambar 6.1
di atas, terlihat bahwa titik M merupakan persinggungan antara garis RF-L dengan
kurva efficient frontier. Asumsinya, pada pasar yang seimbang semua investor akan
berinvestasi pada portofolio M, karena portofolio M merupakan portofolio aset berisiko
yang optimal. Selanjutnya, jika kita tarik Garis dari titik RF ke titik L dan menyinggung
titik M, maka pilihan investor akan berada pada titik titik tertentu sepanjang garis RF-
M. Pilihan masing-masing investor bisa berbeda-beda tergantung dari kombinasi porsi
dana yang akan diinvestasikan pada aset berisiko dan aset yang bebas risiko. Jika
pilihan investor berada pada titik RF, berarti 100% dana investor akan diinvestasikan
pada aset bebas risiko. Sebaliknya, Jika pilihan investor berada pada titik M, berarti
100% dan investor diinvestasikan pada aset berisiko, sednagkan, Jika pilihan investor
berada pada titik titik Setelah titik M (antara titik M dan L), berarti investor
menginvestasikan lebih dananya pada aset berisiko dengan porsi melebihi 100%.
Tindakan ini sering disebut sebagai short selling, yaitu meminjam sejumlah dana
sebagai tambahan dana untuk diinvestasikan pada aset berisiko (sehingga total dana
yang diinvestasikan oleh 100% plus porsi pinjaman). Untuk pembahasan CML kali ini,
kita asumsikan bahwa investor tidak melakukan short-selling, sehingga pemilihan
portofolio investor akan berada pada titik titik di sepanjang garis RF-M.
Jika kurva efficient frontier dalam Gambar 6.1 di atas kita hilangkan, dan hanya
kita ambil titik M saja sebagai portofolio aset yang beresiko optimal, maka akan kita
dapatkan garis RF-L, yang selanjutnya akan disebut sebagai garis CML. Dengan
demikian, garis pasar modal (CML) bisa digunakan seperti Gambar 6.2 berikut ini.
Gambar 6.2. Gambar Pasar Modal (CML)

Gambar 6.2 merupakan gambar garis pasar modal dengan tidak menampilkan
efficient frontier. Garis CML, tersebut memotong sumbu vertikal pada titik RF. Selisih
antara tingkat return harapan dari portofolio pasar (E(RM)) dengan tingkat return bebas
risiko merupakan tingkat return tambahan yang bisa diperoleh investor, sebagai
kompensasi atas risiko portofolio pasar (𝜎M) yang harus ditanggungnya. Return pasar
dan return bebas risiko ini disebut juga dengan premi risiko pasar (E(RM)-RF). Besarnya
risiko portofolio pasar ditunjukkan oleh garis putus-putus horizontal dari RF sampai 𝜎M.

Kemiringan (slope) CML pada gambar di atas, menunjukkan harga pasar risiko
(market price of risk) portofolio yang efisien atau harga keseimbangan resiko di pasar.
Besarnya slope CML akan mengindikasikan tambahan return yang disyaratkan pasar
untuk setiap 1% kenaikan risiko portofolio. Slope CML dapat dihitung dengan
menggunakan rumus:

E(RM)−RF
= Slope CML
σM
Contoh: Dalam kondisi pasar yang seimbang, return harapan pada portofolio
pasar adalah 15% dengan deviasi standar sebesar 20%. Tingkat return bebas risiko
sebesar 18%. Slope CML akan sebesar :

(0,15 – 0,08) : 0,20 = 0,35

Dengan demikian slope CML sebesar 0,35 ini dapat diartikan bahwa setiap terjadi
kenaikan 1% risiko portofolio, maka tambahan return yang disyaratkan oleh pasar
sebesar 0,35%. Dengan mengetahui slope CML dan garis intersep (RF) tersebut, maka
kita dapat membentuk persamaan CML tersebut menjadi :

𝐸(𝑅𝑀 )−𝑅𝐹
𝐸(𝑅𝑝 ) = 𝑅𝐹 + 𝜎𝑝
𝜎𝑀

Dalam hal ini :

E(Rp) = tingkat return harapan untuk suatu portofolio yang efisien pada CML

RF = tingkat return pada aset yang bebas risiko

E(RM) = tingkat return portofolio pasar (M)

𝜎M = deviasi standar return pada portofolio pasar

𝜎P = deviasi standar porofolio efisien yang ditentukan

Dari persamaan tersebut, terlibat bahwa tingkat return harapan dari setiap
portofolio yang efisien pada CML adalah penjumlahan tingkat return bebas risiko (RF)
dengan hasil perkalian antara harga pasar risiko (slope CML) dan risiko portofolio (𝜎P)
tersebut.

Dari uraian di atas, beberapa hal penting yang dapat disimpulkan dari penjelasan
mengenai garis pasar modal (CML) adalah sebagai berikut.

1) Garis pasar modal terdiri dari portofolio efisien yang merupakan kombinasi dari
aset yang berisiko dan aset yang bebas risiko. Portofolio M, merupakan portofolio
yang terdiri dari aset yang berisiko, atau disebut dengan portofolio pasar.
Sedangkan titik RF, merupakan pilihan aset yang bebas risiko. Kombinasi atau
titik-titik portofolio di sepanjang garis RF-M ini, selanjutnya merupakan
portofolio yang efisien bagi investor.
2) Slope CML akan cenderung positif karena adanya asumsi bahwa investor bersifat
risk averse. Artinya, investor hanya akan mau berinvestasi pada aset yang
berisiko, jika mendapatkan kompensasi berupa return harapan yang lebih tinggi.
Dengan demikian, semakin besar risiko suatu investasi, semakin besar pula return
harapan.
3) Berdasarkan data historis, adanya risiko akibat perbedaan return aktual dan return
harapan akan bisa menyebabkan slope CML yang negatif. Slope negatif ini terjadi
bila tingkat keuntungan bebas risiko.
4) Garis pasar modal dapat digunakan untuk menentukan tingkat return harapan
untuk setiap risiko portofolio yang berbeda.

2.4. Garis Pasar Sekuritas

Garis garis pasar sekuritas atau security market line (SML) adalah garis yang
menghubungkan tingkat return harapan dari suatu sekuritas dengan risiko sistematis
(beta). SML digunakan untuk menilai sekuritas secara individual pada kondisi pasar
yang seimbang, yaitu menilai tingkat return yang diharapkan dari suatu sekuritas
individual pada suatu tingkat risiko sistematis tertentu (𝜎P).

Untuk menghitung risiko portofolio yang terdiri dari beberapa jenis aset kita bisa
menggunakan deviasi standar. Kontribusi masing-masing aset terhadap deviasi standar
portofolio pasar dipengaruhi oleh besarnya kovarian sekuritas tersebut terhadap
portofolio pasar, sehingga pada kondisi pasar yang seimbang, ukuran risiko sekuritas
yang dianggap relevan adalah kovarian sekuritas tersebut dengan portofolio pasar.
Sedangkan besarnya kontribusi sekuritas terhadap risiko portofolio pasar adalah:

𝜎𝑖,𝑀
𝜎𝑀
Dalam hal ini, σi,M adalah kovarian sekuritas tersebut dengan portofolio pasar. Dengan
memasukkan kontribusi sekuritas terhadap risiko portofolio dalam persamaan CML.
Return Harapan dari suatu sekuritas dapat dihitung dengan menggunakan rumus:

E(R i ) = R F + βi [(ERM) − R F ]
Gambaran tentang hubungan risiko dan tingkat return harapan dari sekuritas
Individual, digambarkan seperti gambar berikut ini.

Gambar 6.3. Garis Pasar Sekuritas (SML)

Risiko sekuritas dalam gambar di atas ditunjukkan dengan beta, karena pada
pasar yang seimbang portofolio yang terbentuk sudah terdiversifikasi dengan baik
sehingga risiko yang relevan adalah risiko sistematis. Beta merupakan ukuran risiko
sistematis suatu sekuritas yang tidak dapat dihilangkan dengan melakukan diversifikasi.
Beta menunjukkan sensitivitas return sekuritas terhadap perubahan return pasar.
Semakin tinggi beta suatu sekuritas maka semakin sensitif sekuritas tersebut terhadap
perubahan pasar. Sebagai ukuran sensitifitas return saham, beta juga dapat digunakan
untuk membandingkan risiko sistematis antara satu saham dengan saham lain.

Secara teoritis bisa saja terdapat beta sekuritas yang bernilai negatif, tetapi dalam
praktek jarang ditemui adanya sekuritas yang mempunyai batang negatif. Dalam model
keseimbangan CAPM, nilai beta sangat mempengaruhi tingkat return Harapan pada
suatu sekuritas. Semakin tinggi nilai beta dan return pasar maka akan semakin tinggi
tingkat return yang disyaratkan oleh investor.

Berdasarkan hubungan tingkat return dengan beta yang sudah dijelaskan maka
dapat disimpulkan bahwa return harapan dari sekuritas i terdiri dari dua komponen
penyusun utama penyusun tingkat return yang disyaratkan investor (required rate of
return), yaitu: tingkat return bebas risiko dan premi risiko. Tingkat return yang
disyaratkan adalah jumlah minimum return yang disyaratkan investor untuk
berinvestasi pada suatu sekuritas tertentu. Secara matematis, hubungan tersebut bisa
digambarkan dalam persamaan berikut ini.

𝑘𝑖 = tingkat risiko aset bebas risiko + premi risiko

= R F + βi [E(R M ) − R F ]

Dalam hal ini:


ki = tingkat return yang disyaratkan investor pada sekuritas i
E(RM) = return portofolio pasar yang diharapkan
i = koefisien beta sekuritas i
RF = tingkat return bebas risiko

Dari persamaan diatas kita bisa mengetahui besarnya premi risiko untuk
sekuritas. Premi risiko sekuritas dapat dihitung dengan mengalikan batas-batas tersebut
dengan premi risiko pasar. Sedangkan premi risiko pasar adalah selisih antara return
harapan pada portofolio pasar dengan tingkat return bebas risiko.

Sekuritas yang Undervalued atau Overvalued. Ketika suatu sekuritas tidak berada
pada SML, karena sekuritas tersebut undervalued atau overvalued. Dengan mengetahui
besarnya beta suatu sekuritas maka kita dapat menghitung tingkat return Harapan pada
sekuritas tersebut. Jika tingkat return Harapan tidak berada pada SML, maka sekuritas
tersebut undervalued atau overvalued.
Contoh: Seorang analis fundamentalis menganalisis tingkat return harapan dari
sekuritas A dan sekuritas B. Hasil analisis tersebut kemudian digambarkan pada SML
seperti pada Gambar 6.4. berikut:

Gambar 6.4. Menilai sekuritas yang undervalued dan overvalued dengan


menggunakan SML

Pada gambar diatas, terlihat bahwa sekuritas A terletak diatas SML, dan dinilai
sebagai sekuritas yang rendah (undervalued) karena tingkat return harapan E(RA’) lebih
besar dari return yang disyaratkan investor E(RA). Selain itu, terlihat bahwa dengan
beta A sebesar ß(A), sehingga besarnya return yang disyaratkan oleh investor E(RA).
Tetapi ternyata menuntut analis, sekuritas A akan memberikan return harapan sebesar
E(RA’).

Selanjutnya, investor yang mengetahui bahwa sekuritas A undervalued, akan


tergerak untuk melakukan pembelian sekuritas A tersebut. Dengan demikian,
permintaan sekuritas A akan naik dan sesuai dengan hukum permintaan-penawaran,
selanjutnya harga sekuritas A juga akan terdorong naik pula. Sebaliknya return
sekuritas A akan turun sampai dengan tingkat yang diindikasikan oleh SML yaitu
E(RA).

Sedangkan sekuritas B menurut analis fundamental terletak di bawah SML,


sehingga sekuritas B dikatakan ternilai rendah (overvalued). Hal ini dikarenakan tingkat
return harapan E(RB’) lebih kecil dari return yang disyaratkan oleh investor E(RB).
Investor yang mengetahui bahwa sekuritas B overvalued akan berusaha untuk menjual,
sehingga jumlah penawaran sekuritas B akan naik dan menyebabkan harganya menjadi
turun. Selanjutnya, return sekuritas B akan naik sampai dengan return yang disyaratkan
oleh investor E(RB).

Misalnya return harapan yang ditunjukkan Gambar 6.5. untuk sekuritas A adalah
17% dan untuk sekuritas B adalah 14%. Tingkat bebas risiko (RF), yang diukur dengan
surat hutang pemerintah adalah 12%. Sedangkan return harapan untuk pasar [E(Rm)]
adalah 15%. Jika sekuritas A dan B mempunyai koefisien beta 1,3 dan 0,9, maka return
yang disyaratkan untuk kedua sekuritas yang diukur dengan CAPM adalah:

E(RA) = 0,12 + (0,15 – 0,12) (1,3) = 0,159 atau 15,9%

E(RB) = 0,12 + (0,15 – 0,12) (0,9) = 0,147 atau 14,7%

Karena return harapan sekuritas A (17%) adalah lebih besar daripada return yang
disyaratkan CAPM (15,9%), maka sekuritas A diplot diatas garis SML. Sekuritas A ini
adalah undervalued. Investor yang menyadari hal ini akan membeli sekuritas A
sehingga akan menyebabkan harganya meningkat dan return harapannya menurun
sampai pada harga keseimbangan, yaitu return harapannya berada segaris dengan return
pasar yang disyaratkan. Pada titik itu, sekuritas A berada dalam garis SML.

Sebaliknya, karena return harapan sekuritas B (14%) adalah lebih kecil daripada
return yang disyaratkan CAPM (14,7%), maka sekuritas B terletak dibawah garis SML
sehingga sekuritas B ini dikatakan overlovalued. Investor yang menyadari hal ini akan
menjual sekuritas B sehingga akan menyebabkan harganya turun dan return harapannya
meningkat sampai mencapai titik keseimbangan baru. Pada titik itu, sekuritas B juga
berada dalam garis SML.

Dari gambaran situasi sekuritas yang undervalued atau overvalued seperti diatas,
kita bisa melihat bagaimana mekanisme penyesuaian return yang terjadi sehingga
akhirnya dicapai kembali posisi keseimbangan (terletak pada garis SML).

Estimasi garis pasar sekuritas. Untuk membentuk persamaan SML, investor perlu
mengestimasi tiga variabel, yaitu tingkat return bebas risiko, tingkat return harapan oleh
pasar (diwakili oleh indeks pasar), dan besarnya beta untuk masing-masaing sekuritas.
Umumnya estimasi return bebas risiko menggunakan data return obligasi yang
dikeluarkan oleh pemerintah, misalnya untuk Indonesia digunakan Sertifikast Bank
Indonesia (SBI). Sedangkan estimasi return pasar umumnya menggunakan data indeks
pasar, seperti Indeks Harga Saham Gabungan (IHSG) ataupun LQ45. Beta sekuritas
sebagai komponen ketiga, merupakan variabel yang penting dalam proses estimasi
CAPM. Dalam teori CAPM, beta merupakan satu-satunya faktor risiko yang relevan
untuk mengukur risiko sekuritas. Estimasi terhadap beta perlu dilakukan untuk setiap
sekuritas. Sedangkan untuk estimasi variabel return bebas risiko dan return pasar hanya
perlu dilakukan sekali saja dan bisa dipakai untuk mengestimasi SML setiap sekuritas.

2.4.1 Estimasi Beta

Untuk mengestimasi besarnya koefisien beta, bisa digunakan market model.


Market model pada dasarnya hampir sama dengan single index model, hanya saja
pada market model tidak digunakan asumsi bahwa error term untuk setiap
sekuritas tidak berkorelasi satu dengan lainnya. Oleh karena itu, persamaan
market model bisa dituliskan juga seperti persamaan single index model seperti
berikut:

Ri = αi + ßiRM + ei

Keterangan:

Ri = return sekuritas i

RM = return indeks pasar


αi = intersep

ßi = slope

ei = random residual error

Persamaan market model bisa diestimasi dengan melakukan regresi antara


return sekuritas yang akan dinilai dengan return indeks pasar. Regresi tersebut
akan menghasilkan nilai αi yang merupakan ukuran return sekuritas i yang tidak
terikat dengan return pasar, dan ßi yang menunjukkan besarnya slope yang
mengindikasikan peningkatan return harapan pada sekuritas i untuk setiap
kenaikan return pasar sebesar 1%. Persamaan regresi market model tersebut
selanjutnya juga bisa dipakai untuk membentuk garis karakteristik (characteristic
line), yaitu garis yang menghubungkan total return sekuritas dengan return pasar,
dengan cara meletakkan titik-titik return total suatu saham dalam suatu periode
tertentu terhadap return total indeks pasar.

Contoh, jika seorang investor mempunyai data return saham XXX dan
return pasar selama 5 bulan seperti berikut.

Bulan Return saham XXX Return pasar


Juni 0,4 0,3
Juli 0,1 0,1
Agustus -0,05 -0,1
September 0 -0,05
Oktober 0,4 0,2

Berdasarkan data diatas, persamaan regresi linier sederhana dapat dibentuk


dengan menggunakan persamaan Ri = αi + ßi RM + ei.

Berbagai program perangkat lunak tersedia untuk melakukannya. Berikut adalah


printout SPSS untuk contoh ini. Koefisien regresi yang diestimasi adalah 1,237
dan signifikan berbeda dengan nol pada taraf signifikansi 5%. Dengan demikian
beta saham XXX didapat sebesar 1,237. Sedangkan nilai αi dari persamaan
tersebut adalah 0,059.
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .059 .039 1.506 .229
RET_M 1.237 .223 .954 5.542 .012

a.
Dependent Variable: RET_XXX

Dari persamaan tersebut juga dapat digunakan untuk mencari beta dengan tabel
berikut.

Return Deviasi Return Deviasi Kuadrat


Perkalian
Bulan Saham Saham Saham
Pasar Pasar Pasar Deviasi
XXX XXX XXX
Juni 0,4 0,3 0,23 0,21 0,0529 0,0441 0,0483
Juli 0,1 0,1 -0,07 0,01 0,0049 0,0001 -0,0007
Agustus -0,05 -0,1 -0,22 -0,19 0,0484 0,0361 0,0418
September 0 -0,05 -0,17 -0,14 0,0289 0,0196 0,0238
Oktober 0,4 0,2 0,23 0,11 0,0529 0,0121 0,0253
Jumlah 0,85 0,45 0 0 0,188 0,1120 0,1385

Berdasarkan tabel diatas, perhitungan berikut dapat dibuat.

 Rata-rata return saham XXX = 0,85 / 5 = 0,17


 Varians return saham XXX = 0,188 / 4 = 0,047
 Deviasi standar return saham XXX = √0,047 = 0,216795

 Rata-rata return pasar = 0,45 / 5 = 0,15


 Varians return pasar = 0,112 / 4 = 0,028
 Deviasi standar return saham XXX = = √0,028 = 0,167332

 Covarians = 0,1385 / 4 = 0,034625


 Korelasi = 0,034625 / (0,216795 × 0,167332) = 0,954469

Dengan menggunakan persamaan tersebut, beta saham XXX dihitung seperti


berikut:
ßsaham XXX = 0,034625 / (0,028) = 1,236607.
atau
ßsaham XXX = ƤƠXXX / 𝜎M

ßsaham XXX = (0,954469) (0,216795) / (0,167332) = 1,236607

Garis karakteristik juga bisa dibentuk dengan menggunakan excess


return, dengan mengurangkan masing-masing return total sekuritas maupun
return pasar dengan return bebas risiko. Analisis terhadap garis karakteristik
yang dibentuk dengan menggunakan excess return, pada dasarnya akan
sama dengan analisis persamaan regresi diatas. Dengan demikian,
persamaan regresi diatas dapat dimodifikasi menjadi:

(Ri – RF) = αi + ßi (RM – RF) + ei

Dalam bentuk excess return sekuritas pada saat excess return pasar
nol. Sedangkan ß, atau slope dari garis karakteristik, akan menunjukkan
sensitivitas excess return sekaligus terhadap portofolio pasar.

Meneruskan contoh saham XXX, anggap RF = 5%. Maka return


saham XXX dan return pasar dapat diubah menjadi seperti pada tabel
berikut.

Return
Bulan
Saham XXX Pasar
Juni 0,35 0,25
Juli 0,05 0,05
Agustus -0,1 -0,15
September -0,05 -0,1
Oktober 0,35 0,15

Selanjutnya cara-cara seperti yang telah dibahas sebelumnya dapat


dilakukan untuk mencari beta. Apabila menggunakan regresi linier
sederhana, printout SPSS ditunjukkan pada gambar berikut. Hasilnya
adalah sama dengan cara sebelumnya, yaitu beta = 1,236607.

Coefficients(a)
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .071 .035 2.040 .134
RET_M 1.237 .223 .954 5.542 .012
a Dependent Variable: RET_XXX

Satu hal yang perlu diperhatikan dalam pengestimasian beta adalah


data dan sumbernya. Data yang diperoleh dari sumber yang berbeda sering
manghasilkan beta yang berbeda-beda untuk suatu aset yang sama.
Mengapa hal ini terjadi? Ingat bahwa beta adalah nilai yang diestimasi
dengan data aktual. Tentu saja, nilai beta estimasian tersebut memiliki
kemungkinan berbeda-beda jika dihasilkan dari data yang berbeda-beda
pula.

Beta dapat dihitung dengan menggunakan returm harian, mingguan,


bulanan semesteran, atau tahunan. Ini tidak menjadi masalah dengan
manakah yang dipilih, tetapi estimasi beta yang dihasilkan akan menjadi
berbeda. Beta juag dapat dieestimasi beta yang dihasilkan akan menjadi
berbeda. Beta juga dapat diestimasi dengan jangka waktu periode yang
pendek, misalnya beberapa minggu ataupun periode panjang seperti 5 tahun
atau lebih. Selain itu, pemilihan indeks pasar misalny IHSG atau LQ 45
untuk mengukur return portofolio pasar juga menyumbang perbedaan
estimasi beta.

Dari uraian estimasi persamaan regresi dia tas, kemudian akan timbul
satu pertanyaan tentang sejauh manakah keakuratan hsail estimasi beta
sebagai ukuran sensitivitas return suatu saham terhadap return psar. Hal ini
terkait dengan danya kemungkinan bahwa indeks pasar yang digunakan
dalam regresi tersebut tidak bisa menggambarakan portofolio pasar yang
sebenarnya. Selain itu, ada beberapa porfolio pasar yang sebenarnya. Selain
itu, ada beberapa hal lainnya yang bisa membuat kita ragu terhadap
keakuratan hasil estimasi beta tersebut.

1) Estimasi beta tersebut menggunakan data historis. Hal ini secara


implisit berarti bahawa kita mengganggap apa yang terjadi pada beta
masa lalu, akan sama dengan apa yang terjadi pada beta masa lalu,
akan sama dengan apa yang terjadi pada beta masa datang. Padahal
dalam kenyataannya, apa yang terjadi di masal lalu mungkin akan
jauh berbeda dengan apa yang terjadi dimasa depan.
2) Garis karakteristik dapat dibentuk pleh berbagai observasi dan
periode waktu yang berbeda, dan tidak ada satupun periode dan
observasi yang dianggap tepat. Dengan demikian,estimasi beta untuk
satu sekuritas dapat berbeda karena observasi dan periode waktunya
yang digunakan berbeda

3) Nilai α dan β yang diperoleh dari hasil regresi tersebut tidak terlepas
dari adanya error, sehingga bisa jadi estimasi beta tidak akurat karena
α dan β tidak menunjukkan nilai yang sebenarnya. Beta merupakan
risiko sistematis yang juga bisa berkaitan dengan perubahan
perusahaan secara khusus. Jika terjadi perubahan pada kondisi
perusahaan (misalnya adanya perbahan pendapatan, hutang) maka
betanya pun akan berubah. Oleh karena itu beta tidak bersifat
stasioner sepanjang waktu.

Pada bagian akhir disajikan suplemen yang menyediakan berbagai


alternatif koreksi dalam mengukur beta beberapa kondisi tertentu, metode
koreksi beta pasar dapat menyediakan pengukuran risiko sistemastis yang
lebih akurat.

2.4.2 Beta Portofolio

Beta portofolio dapat dihitung seperti menghitung return harapan portofolio

Sebagai contoh, informasi berikut diperoleh :

Sekuritas Banyaknya Return Harapan Beta


Investasi
FF Rp 20 juta 0,10 0,90
GG Rp 5 Juta 0,12 0,95
HH Rp10 Juta 0,15 1,20
II Rp 15 Juta 0,17 1,30

Bobot portofolio dihitung terlebih dahulu. Jumlah dana yang diinvestasikan


adalah Rp 50 juta, maka sebanyak Rp 20 Juta/ Rp 50 Juta = 40% diinvestasikan
pada sekuritas FF. Dengan cara seperti itu, 10% diinvestasikan pada sekuritas
GG, 20% diinvestasikan pada sekuritas HH, dan 30% diinvestasikan pada
sekuritas II.
Return harapan portofolio [E(Rp) dan beta portofolio (βp) adalah:
Return harapan portofolio,
E(EP) = (0,4)(0,10) + (0,1)(0,12) + (0,2)(0,15) + (0,3)(0,17)
= 0,133 atau 13,3%
Beta Portofolio,
ßP = (0,4)(βff) + (0,1)( βGG) + (0,2)( βHH) + (0,3)( βII)
= (0,4)(0,9) + (0,1)(0,95) + (0,2)(1,2) + (0,3)(0,13)
= 1,085
Dengan demikian, portofolio ini mempunyai return harapan sebesar 13,3 %
dan beta portofolio sebesar 1,085. Karena beta adalah lebih besar dari 1, maka
portofolio ini mempunyai risiko sistimatis yang lebih besar daripada aset rata-
rata.

2.5. Pengujian Terhadap CAPM

Kesimpulan yang bisa diambil dari penjelasan mengenai CAPM tersebut adalah
sebagai berikut.

1) Risiko dan return berhubungan positif, artinya semakin besar risiko maka
semakin besar pula return-nya
2) Ukuran risiko sekuritas yang relevan adalah ukuran ‘kontribusi’ risiko sekuritas
terhadap risiko portofolio.

Untuk menguji validitas CAPM, perlu dilakukan penelitian penelitian empiris


mengenai CAPM tersebut. Jika CAPM valid, maka hasil penelitian empiris yang
dilakukan akan menunjukkan bahwa return yang terjadi (realized return) akan sama
dengan estimasi return dengan menggunakan CAPM.

Pengujian CAPM dapat menggunakan persamaan berikut :

Ri = a1 + a2 βi
Dalam hal ini :

Ri = rata-rata return sekuritas i dalam periode tertentu

βi = estimasi estimasi beta untuk sekuritas i

jika CAPM valid, maka nilai a1 akan mendekati nilai rata-rata return bebas risiko
selama periode pengujian dan nilai a2 akan mendekati rata-rata premi risiko pasar
selama periode tersebut.

Dalam langkah pertama ini, analisis data misalnya return bulanan selama 60
bulan dari sejumlah sampel besar dari saham-saham. Suatu indeks pasar misalnya
IHSG juga dipilih berikut data return bulanannya. Selanjutnya beta tiap saham
diestimasi dengan manjalankan regresi untuk tiap saham terhadap IHSG seperti yang
telah didiskusikan pada bahasan terdahulu.

Studi menunjukkan beta-beta saham indvidual diestimasi dengan beberapa


keekliruan (error) sehingga menghasilkan beta yang berubah antar waktu. Namun, beta
portofolio lebih stabil sepanjang waktu sehingga menyediakan estimsai yang lebih baik
dibanding beta saham individual. Olek karenanya, banyak studi saham dalam sampel
untuk menguji CAPM. Sebagai contoh peneliti dapat merangking saham-saham secara
menaik berdasarkan besarnya beta saham individual yang diestimasi. Portofilio
dibentuk sehinggan portofolio 1 mengandung saham dengan beta terkecil diikuti
portofolio 2 dan seterusnya.

Langkah kedua dalam pengujian CAPM adalah meregresikan return aktual saham
indivifdual terhadap beta saham tersebut atau meregresikan return aktual portofolio
yangdibentuknya terhadap beta portofolio tersebut. Langkah melakukan regresi ini
dapat penerapkan persamaan

Ri = α1 + βiRm + ei,

dengan i merupakan saham i atau portofolio i. Dengan menjalankan regresi


tersebut selama periode waktu yang berbeda, peneliti dapat menentukan apakah a0 dan
a1 sesuai dengan teori CAPM. Setelah nilai a0 dan a1 diperoleh, hasilnya dievaluasi
menuut prediksi CAPM. Menurut CAPM, hubungan antara βi dan Ri seharusnya positif.
Nilai rata-rata a2 yang positif menunjukkan bahwa sekuritas dengan risiko sittematis
yang lebih tinggi seharusnya mempunyai return rata-rat yang juga lebih tinggi.
Hipotesis pertama yaitu :

H1 : E(a2) > 0

Hipotesis kedua (H2) menurut CAPM adalah nilai rata-rata a0 seharusnya sama
dengan nilai rata-rata tingkat return aset bebas risiko. Dengan demikian hipotesis kedua
adalah sebaai berikut.

H2 : E(a1) = E(Rf)

Nilai E(Rf) diukur dengan nilai rata-rat tingkat return bebas risiko selam period
estimasi.

Elton dan Gruber (1995), mendokumentasikan kesimpulan dari hasil penelitian


empiris pengujian CAPM, yaitu:

1) SML yang terbentuk cenderung linier.


2) Sebagian besar hasil penelitian menunjukkan bahwa intersep SML lebih besar
dari return bebas risiko (Rf).
3) Slope CAPM (a2)yang dihasilkan cenderung lebih kecil dari slope hasil
perhitungan dari teori CAPM.
4) Meskipun hasilnya beragam, tetapi disimpulkan bahwa investor hanya akan
mendapatkan retun berdasarkan risiko sistemasi yang diasumsikan.
Masalah dalam pengujian CAPM adalah bagaimana meformulasikan sesuatu
yang belum terjadi (ex ante) berdasarkan data masa lalu (es post). Disamping itu kita
juga tidak akan pernah tahu secara pasti mengenai harapan investor dimasa depan.
Maka dari itu bisa terjadi perbedaan antara pengujian CAPM yang diestimasikan
dengan teori CAPM. Meskipun demikian dalam kenyataannya hasil pengujian empiris
CAPM cukup mendukung teorinya. Studi dengan menggunakan data beberapa tahun
telah menunjukkan bahwa hargapsar sekuritas didasari hubungan return dan risiko
sistematis. Sedangkan risiko nonsistematis mempunyai peran yang kecil dalam
mekanisme penentuan harga suatu sekuritas.
2.6. Teori Penetapan Harga Arbitrasi

Salah satu alternatif teori model keseimbangan selain CAPM adalah Arbritage
Pricing Theory (APT). Arbritage Pricing Theory merupakan return harapan dan suatu
sekuritas ditentukan oleh multi faktor/indeks dari sumber risiko-risiko lainnya. Seperti
halnya CAPM, APT menggambarkan hubungan antara risiko dan return, tetapi dengan
menggunakan asumsi dan prosedur yang berbeda. Estimasi return harapan dari suatu
sekuritas dengan menggunakan APT, tidak terlalu dipengaruhi portofolio pasar seperti
hanya dalam CAPM. Pada CAPM, portofolio pasar sangat berpangaruh karena
diasumsikan bahwa risiko yang relevan adalah risiko sistematis yang diukur dengan
beta (menunjukkan sensitivitas return sekuritas terhadap perubahan return pasar).
Sedangkan pada APT, return sekuritas tidak hanya dipengaruhi oleh portofolio pasar
karena adanya asumsi bahwa return harapan dari suatu sekuritas bisa dipengaruhi oleh
beberapa sumber risiko lainnya.

Di samping itu, APT juga tidak menggunakan asumsi-asumsi yang dipakai dalam
CAPM, seperti:

1) Adanya satu periode waktu tertentu, misalnya satu tahun;


2) Tidak ada pajak;
3) Investor bisa meminjam dan menginvestasikan dananya pada tingkat return bebas
risiko (Rf); serta
4) Investor memilih portofolio berdasarkan return harapan dan variannya.
Asumsi-asumsi CAPM yang masih digunakan adalah:
1) Investor mempunyai kepercayaan yang bersifat homogen;
2) Investor adalah risk-averse yang berusaha untuk memaksimalkan utilitas;
3) Pasar dalam kondisi sempurna;
4) Return diperoleh dengan menggunakan model faktorial.

APT didasari oleh pandangan bahwa return harapan untuk suatu sekuritas akan
dipengaruhi oleh beberapa faktor risiko. Faktor-faktor risiko tersebut akan
menunjukkan kondisi ekonomi secara umum, dan bukan merupakan karakteristik
khusus perusahaan. Faktor-faktor risiko tersebut harus mempunyai karakteristik seperti
berikut ini.
1) Masing-masing faktor risiko harus mempunyai pengaruh luas terhadap return
saham-saham di pasar. Kejadian-kejadian khusus yang berkaitan dengan kondisi
perusahaan, bukan merupakan faktor risiko APT.
2) Faktor-faktor risiko tersebut harus mempengaruhi return harapan. Untuk itu perlu
dilakukan pengujian secara empiris, dengan cara menganalisis return saham
secara statistik, untuk melihat bagaimana faktor-faktor risiko tersebut
berpengaruh secara luas terhadap return saham.
3) Pada awal periode, faktor risiko tersebut tidak dapat diprediksikan oleh pasar
karena faktor-faktor risiko tersebut mengandung informassi yang tidak
diharapkan atau bersifat mengejutkan pasar (ada perbedaan antara nilai yang
diharapkan dengan nilai yang sebenarnya).

Dengan demikian, hal penting yang perlu diamati adalah besarnya penyimpangan
(deviasi) nilai aktual faktor risiko tersebut dari yang diharapkan. Sebagai contoh, jika
suku bunga diperkirakan naik 19% per tahun, dan ternyata kenaikan tingkat suku bunga
yang terjadi adalah 30%, maka penyimpangan sebesar 11% inilah yang akan
mempengaruhi return aktual selama periode tersebut.
Model APT. Dari uraian di atas, diketahui bahwa APT mengasumsikan investor
percaya bahwa return sekuritas akan ditentukan oleh sebuah model faktorial dengan n
faktor risiko. Dengan demikian, kita dapat menentukan return aktual untuk sekuritas i
dengan menggunakan rumus berikut ini.
Ri = E(Ri) + bi1 f1 + bi2 f2 + ... +bin fn + ei
Dalam hal ini:
Ri = tingkat return aktual sekuritas i
E(Ri) = return harapan untuk sekurtitas i
f = deviasi faktor sistematis F dari nilai yang diharapkan
bi = sensitivitas sekuritas i terhadap faktor i
ei = random error
Satu hal yang perlu diingat adalah bahwa nilai yang diharapkan pada masing-
masing faktor risiko (F) adalah nol, sehingga tingkat return aktual suatu sekuritas i akan
sama dengan return harapan, jika faktor risiko berada pada tingkat yang diharapkan.
Model faktorial di atas tidak memberikan penjelasan mengenai kondisi
keseimbangan. Untuk itu kita perlu mengubah persamaan sebelumnya ke dalam model
keseimbangan, sehingga return harapan untuk suatu sekuritas adalah:
E(Ri) = a0 + bi1 F1 + bi2 F2 + ... + bin Fn
Dalam hal ini:
E(Ri) = return harapan untuk sekurtitas i
a0 = return harapan dari sekuritas i bila risiko sistematis sebesar nol
bin = koefisien yang menunjukkan besarnya pengaruh faktor n terhadap
return sekuritas i
F = Premi risiko untuk sebuah faktor (misalnya premi risiko untuk F1
adalah E(F1) – a0)
Persamaan tersebut menunjukkan bahwa dalam APT, risiko didefinisikan sebagai
sensitivitas saham terhadap faktor-faktor ekonomi makro (bi) dan sebenarnya return
harapan akan dipengaruhi oleh sensitivitas tersebut. Ukuran sensitivitas dalam APT (bi)
akan mempunyai interpretasi yang sama dengan nilai sensitivitas dalam CAPM (β),
karena bi dan β tersebut sama-sama merupakan ukuran sensitivitas return sekuritas
terhadap suatu premi risiko. Kesimpulan tersebut bisa kita tarik atas dasar
perbandingan hubungan return dan sekuritas dari kedua model tersebut (APT dan
CAPM). Seperti telah dijelaskan di depan, hubungan return dan risiko pada CAPM
adalah:
E(Ri) = RF + βi (premi risiko pasar)
Sedangkan hubungan return dan risiko pada APT adalah:
E(Ri) = RF + bi1 (premi risiko untuk faktor 1) + bi2 (premi risiko untuk faktor 2) +
... + bin (premi risiko untuk faktor n)
Dari perbandinga tersebut, terlihat bahwa pada CAPM, nilai βi merupakan ukuran
sensitivitas return sekuritas terhadap premi risiko pasar (tingkat return pasar dikurangi
Rf), sedangkan pada APT, nilai bi juga merupakan sensitivitas relatif return sekuritas
terhadap premi risiko untuk suatu faktor risiko. Dengan demikian, bisa disimpulkan
bahwa CAPM pada dasarnya merupakan model APT yang hanya mempertimbangkan
satu faktor risiko, yaitu risiko sistematis pasar.
Salah satu kritik atas model APT adalah adanya kesulitan dalam menentukan
faktor-faktor risiko yang relevan, karena faktor-faktor tersebut merupakan data ex ante.
Untuk mengimplementasikan APT, kita perlu menemukan faktor-faktor risiko yang
relevan bagi tingkat return sekuritas, yang dalam kenyataannya belum ada kesepakatan
mengenai faktor-faktor risiko apa saja yang relevan dan berapa jumlahnya. Oleh karena
itu, dalam penerapan model APT, berbagai faktor risiko bisa saja dimasukkan sebagai
faktor risiko. Namun demikian, daya tarik model APT adalah tidak perlu
mengasumsikan adanya portofolio pasar yang harus efisien secara teoritis. Di samping
itu, APT memungkinkan penggunaan lebih dari satu faktor untuk menjelaskan tingkat
keuntungan yang diharapkan. Meskipun demikian, APT tidak menjelaskan faktor-
faktor apa yang mempengaruhi pricing suatu sekuritas. Sebaliknya, CAPM menyatukan
semua faktor makro ke dalam faktor risiko pasar.
Beberapa penelitian empiris, pernah menggunakan tiga sampai lima faktor risiko
yang mempengaruhi return sekuritas. Sebagai misal, Chen, Roll, dan Ross (1986),
mengidentifikasi empat faktor yang mempengaruhi return sekuritas, yaitu: sebagai
berikut.
1) Perubahan tingkat inflasi;
2) Perubahan produksi industri yang tidak diantisipasi;
3) Perubahan premi risk-default yang tidak diantisipasi;
4) Perubahan struktur tingkat suku bunga yang tidak diantisipasi.
Menurut Chen, Roll, dan Ross, dua faktor pertama akan mempengaruhi aliran kas
pada perusahaan, sedangka dua faktor lainnya akan mempengaruhi tingkat diskonto.
Penelitian lain ada yang menggunakan lima variabel ekonomi makro yang
mempengaruhi return sekuritas, yaitu:
1) Default risk;
2) Struktur tingkat bunga;
3) Inflasi dan deflasi;
4) Pertumbuha ekonomi dalam jangka panjang;
5) Risiko pasar residual.
Dengan demikian, APT mengasumsikan bahwa sekuritas yang berbeda akan
mempunyai sensitivitas terhadap faktor-faktor risiko sistematis yang berbeda pula.
Masing-masing investor dapat membentuk portofolio tergantung dari preferensinya
terhadap risiko, pada masing-masing faktor risiko. Dengan mengetahui harga pasar dari
faktor-faktor risiko yang dianggap relevan, dan sesnitivitas return sekuritas terhadap
perubahan pada faktor tersebut, maka kita dapat menentukan estimasi return harapan
untuk berbagai sekuritas.