Metodologi Studi Peristiwa [PDF]

Citation preview

METODOLOGI STUDI PERISTIWA



Studi peristiwa adalah bagian dalam konsep hipotesis pasar efisiensi (efficient market hypothesis) yang dikemukakan oleh Fama (1991). Studi peristiwa merupakan bentuk studi untuk menguji efisiensi pasar bentuk setengah kuat (semi-strong form). Selain efisiensi pasar berbentuk setengah kuat, Fama (1970) juga mengklasifikasi tipologi efisiensi pasar bentuk lemah (weak form) dan bentuk kuat (strong form). Secara lebih spesifik, studi peristiwa menyelidiki respon pasar terhadap kandungan informasi dari suatu pengumuman atau publikasi peristiwa tertentu. Kandungan informasi dapat berupa berita baik (good news) atau berita buruk (bad news). JENIS STUDI PERISTIWA Literatur keuangan menunjukkan bahwa respon pasar terhadap jenis peristiwa yang berbeda mungkin berbeda dan seringkali juga membutuhkan metode penelitian yang berbeda. Jenis studi peristiwa tersebut diantaranya: Studi Peristiwa Konvensional Studi peristiwa konvensional mempelajari respon pasar terhadap peristiwa-peristiwa yang seringkali terjadi dan diumumkan secara terbuka oleh emiten di pasar modal. Karakteristik studi peristiwa konvensional diantaranya: 1. Pemicu peristiwa yang sama dapat terjadi (dilakukan) pada perusahaan lainnya namun pada umumnya tidak dilakukan pada waktu yang sama (walaupun hal tersebut dimungkinkan terjadi). 2. Peristiwa bersifat umum (lazim) dan seringkali merupakan peristiwa rutin yang terjadi dalam suatu perusahaan. 3. Untuk peristiwa rutin, interval waktu peristiwa bervariasi dari rentang terpendek (kuartalan) hinga tahunan per peristiwa. 4. Dampak peristiwa hanya terjadi pada perusahaan yang mengumumkan peristiwa. 5. Tidak terdapat peristiwa lain yang berdekatan (dalam periode peristiwa) untuk menghindari ambiguitas respon pasar terhadap informasi ganda atau confounding effect. Studi peristiwa konvensional sudah banyak dilakukan di dalam maupun luar negeri. Contohnya seperti pengumuman laba, pembayaran dividen, penawaran ha katas saham (right 1



issue), merger dan akuisisi, pengumuman pembelanjaan capital, stock split, dan bentuk sejenis lainnya. peneliti perlu melakukan kajian literature terhadap suatu peristiwa untuk mengidentifikasi berbagai kemungkinan respons pasar terhadap suatu peristiwa dari berbagai sudut pandang teori untuk melandasi argumentasi mereka dalam menyusun hipotesis. Studi Peristiwa Kluster Studi peristiwa kluster atau kelompok mempelajari respon pasar terhadap peristiwa yang diumumkan secara terbuka yang terjadi pada waktu yang sama dan berdampak pada sekelompok perusahaan (kluster perusahaan) tertentu. Karakteristiknya sebagai berikut: 1. Pemicu peristiwa bersifat tunggal 2. Peristiwa yang terjadi berdampak (berita baik atau buruk) pada sekelompok perusahaan. Dalam beberapa kasus, efek peristiwa lebih kuat pada sekelompok perusahaan daripada kelompok perusahaan lainnya. Peristiwa kluster memiliki bentuk yang beragam. Kluster dapat bersifat relative sempit hingga luas. Sebagai contoh, pengumuman pemerintah yang emmbuat regulasi pada industry tertentu sehingga diperkirakan berdampak pada aliran kas perusahaan dalam industry yang bersangkutan. Respon pasar dalam studi peristiwa kluster cenderung lebih sulit diprediksi. Hal ini disebabkan eristiwa kluster bukan peristiwa yang sering terjadi sehingga investor mungkin belum memahami kandungan informasi dari suatu peristiwa apakah berdampak positif atau negatif terhadap aliran kas perusahaan. Studi tipe ini selain sesuai untuk menguji efisiensi informasi (kecepatan respon terhdap informasi) juga relevan untuk menguji efisiensi keputusan (ketepatan respon terhadap infromasi). Untuk menguji efisiensi keputusan, peneliti dapat memecah sampel menajdi dua bagian, yaitu kluster perusahaan utama (kelompok perusahaan yang diduga terkena dampak peristiwa) dan klister perusahaan control (kelompok perusahaan yang diduga tidak terkena dampak peristiwa). Dalam hal ini, hipotesis pasar efisien secara keputusam terbukti bila pasar dapat bereaksi secara tepat dan mampu membedakan efek peristiwa (informasi) pada kluster yang berbeda. Studi Peristiwa Tak Terduga



2



Studi peristiwa tak terduga (unanticipated event) merupakan varian dari studi peristiwa kluster. Studi ini mepelajari respon pasar terhadap suatu peristiwa yang tidak terduga (unticipated event). Sesuai dengan namanya, karakteristik utama dari studi ini adalah peristiwa yang bersifat tak terduga. Sebagai contoh, penelitian yang pernah dilakukan oleh Hill dan Schneeweis (1983) meneliti dampak kebocoran nuklir Three Mile Island terhadap return tak normal perusahaan utilitas bertenaga nuklir dan non-nuklir. Studi peristiwa tak terduga juga relevan untuk menguji hipotesis efisien secara informasi dan efisien secara keputusan. Studi Peristiwa Berurutan (Sequential Events) Studi peristiwa berurutan juga merupakan varian dari studi peristiwa kluster. Studi ini mempelajari respons pasar terhadap serangkaian peristiwa-peristiwa yang terjadi secara berurutan dalam situasi ketidakpastian yang tinggi. Dalam hal ini kecepatan dan ketepatan informasi menjadi kunci dari respon pasar, sebagai contoh, studi yang dilakukan oleh Mansur, Cochran, dan Phillips (1991) meneliti kecelakaan kapan tanker Exon Valdes yang berdampak pada ditutupnya lalu lintas kapal minyak di perairan Alaska. Persoalan peristiwa berurutan terjadi karena pasar belum memperoleh informasi tingkat kebocoran kapal dan dampak kebocoran minyak yang menghalangi kapal-kapal tanker lainnya. Mereka melakukan penelitian ini dengan membagi event menjadi beberapa tahap pengumuman resmi, hingga otoritas perairan setempat mengumumkan tingkat final kecelakaan tersebut. TUJUAN STUDI PERISTIWA Pengujian Teoritis Studi peristiwa pada dasarnya mrupakan metodologi untuk pengujian teori atu hipotesis efisiensi pasar berbentuk setengah kuat. Peneliti harus melakukan interpretasi hasil analisis secara hati-hati terutama bia hipotesis tersebut tidak terbukti dalam suatu pembuktian secara empiris. Jika hipotesis efisiensi pasar bentuk setengah kuat tidak terbukti, bukan berarti mendukung efisiensi pasar bentuk Masing-masing hipotesis memiliki bentuk pengujian tersendiri. Selain teori (hipotesis) pasar efisien, peristiwa-peristiwa tertentu seringkali terkait dengan landasan teori relevan lainnya, misalnya sebagai berikut:



3



1. Studi peristiwa tentang pengumuman dividen seringkali dikaitkan dengan teori signaling. Peningkatan dividen mengandung informasi sinyal atau berita baik (good news), dan penurunan dividen mengandung informasi sinyal atau berita buruk (bad news). 2. Studi peristiwa tentang pengumuman pemecahan saham (stock split) dapat dikaitkan dengan teori signaling dan teori likuiditas (Copeland, 1977). Teori signaling berargumen bahwa pemecahan saham menunjukkan sinyal optimisme manajemen akan mampu meningkatkan kembali harga saham di masa datang. Teori likuiditas berargumen bahwa pemecahan saham akan membawa harga saham pada tingkat yang lebih murah dan menarik bagi investor, sehingga saham menjadi lebih likuid dan dengan meningkatnya permintaan saham akan dapat meningkatkan harga saham. Pengujian Respons Pasar Terkait dengan aspek pengujian teoritis, respons pasar terhadap suatu peristiwa mungkin tidak sejalan dengan teori. Oleh karena itu tujuan penelitian tidak sekadar mencari ada atau tidak ada return tak normal di seputar peristiwa melainkan apakah pasar bereaksi dengan cepat dan benar. Pengujian respons pasar terkait dengan hipotesis efisiensi informasi (kecepatan respons pasar) dan hipotesis efisiensi keputusan (ketepatan respon pasar). Efisiensi informasi (kecepatan respons pasar) relevan dengan pengujian teori atau hipotesis pasar efisien bentuk setengah kuat, sedangkan efisiensi keputusan (ketepatan respons pasar) relevan dengan pengujian teori yang terkait dengan stud peristiwa seperti telah disinggung pada tujuan pengujian teoritis. Perlu ditekankan disini bahwa kecepatan respons pasar berarti reaksi pasar bersifat segera dan serentak, artinya return tak normal (signifikan) hanya terjadi pada satu atau dua spot waktu seputaar pengumuman peristiwa. Return tak normal (signifikan) yang terjadi pada semua spot waktu di seputar pengumuman peristiwa mengindikasi pasar bereaksi berkepanjangan dan justru menunjukkan tidak efisien, karena terdapat pelaku pasar yang bereaksi terlalu cepat atau terlalu lambat terhadap suatu informasi. Sebaliknya bila tidak terdapat return tak normal (tidak signifikan) pada semua spot waktu di seputar pengumuman peristiwa menunjukkan bahwa pasar tidak bereaksi atau tidak mempercayai kandungan informasi dari suatu peristiwa yang diumumkan. Ketepatan respons pasar terkait dengan apakah pasar breaksi dengan benar. Hal ini diindikasikan oleh arah respons pasar bersifat positif atau negative. Indicator tersebut tampak 4



dari return tak normal positif untuk good news dan return tak normal untuk bad news. Reaksi pasar secara benar hanya terjadi bila investor memiliki pengetahuan yang benar tentang suatu peristiwa sehingga ia dapat membuat keputusan yang benar (tepat). Oleh karena itu, walaupun secara informasi efisien, namun secara keputusan salah mengindikasikan bahwa pasar salah (keliru) dalam merespons suatu peristiwa dan dengan dekikian berarti pasar tidak efisien secara keputusan. Pengujian Return Tak Normal Dua tujuan sebelumnya lebih bersifat landasan konseptual. Secara empiris bentuk pengujian yang umum digunakan dalam studi peristiwa adalah bertujuan untuk menguji ada atau tidak ada return tak normal di seputar pengumuman peristiwa. Return tak norma (RTN i) adalah (Ri) degan return harapan E(Ri), atau dapat dituliskan dalam rumus sebagai berikut: RTNi = Ri - E(Ri) Bila tidak terdapat peristiwa, return aktual cenderung tidak berbeda dengan return harapan. Namun bila terdapat suatu perstiwa yang diduga dapat menyebabkan perubahan aliran kas di masa datang, pasar akan berekasi terhadap pengumuman tersebut sehingga return aktual cenderung berbeda dari return harapan. Oleh karena itu, peristiwa yang ada menyebabkan return tak normal (AR) cenderung berbeda dari nol secara signifikan. METODE STUDI PERISTIWA Prosedur Studi Peristiwa Metodologi penelitian studi peristiwa konvensional mengikuti prosedur sebagai berikut: 1. Mengidentifikasi bentuk, efek dan waktu peristiwa (i) peristiwa apa yang memiliki nilai informasi; (ii) apakah nilai informasi peristiwa memiliki efek negative atau positif terhadap return tak normal perusahaan tertentu; dan (iii) bilamana peristiwa terjadi atau dipublikasi. 2. Menentukan rentang waktu studi preistiwa termasuk periode estimasi dan periode peristiwa. Priode estimasi (T-n-e hingga T-n) adaah periode yang digunakan untuk meramalkan return harapan pada periode preistiwa. Periode peristiwa (T -n hingga T+n) adalah periode di seputar peristiwa (T0) yang digunakan untuk menguji perubahan return 5



tak normal. (Catatan: asumsi jumlah interval waktu adalah sama untuk waktu sebelum dan sesudah peristiwa, yaitu sebanyak n). T-n-e T-n To T+n Periode Estimasi Periode Peristiwa 3. Menentukan metode penyesuaian return yang digunakan untuk menghitung return tak normal. Terdapat tiga metode yang secara luas digunakan dalam penelitian studi peristiwa. (i) Model-model statistka: terdapat dua model penyesuaian yang paling umum digunakan, yaitu: model disesuaikan rata-rata (mean adjusted model) dan model pasar (market model). (ii) Model disesuaikan dengan pasar (market adjusted model). (iii) Model-model ekonomika (economic models). Terdapat dua model yang secara luas digunakan, yaitu: capital asset pricing model (CAPM) dan arbitrage pricing theory (APT). Periode estimasi diperlukan bila perhitungan return tak normal menggunakan model statistic dan model ekonomika. Periode estimasi tidak diperlukan bila perhitungan return tak normal dihitung dengan menggunakan model disesuaikan dengan pasar (market adjusted model). 4. Menghitung return tak normal di sekitar periode peristiwa (beberapaa waktu sebelum dan sesudah pengumuman peristiwa terjadi). Return tak normal adalah return aktual di sekitar periode peristiwa dikurangi return harapan atau prediksian pada periode tersebut berdasarkan metode yang ditetapkan dalam poin 3. RTNit = Rit – E(Rit) Dalam hal ini: RTNit = return tak normal saham i pada periode t Rit = return aktual saham i pada periode t E(Rit) =return harapan atau return prediksian Return haraan atau return prediksian, E(Rit), dapat diestimasi dengan beberapa cara seperti telah disinggung pada langkah 3, sebagai berikut. a. Model statistika: (i) Model disesuaikan rata-rata. Model ini memprediksi E(R it) berdasarkan rata-rata return selama periode estimasi: E(Rit) = µi + eit Model tersebut dapat diproksi dengan cara sebagai berikut (rata-rata aritmatik):



6



t =−n



∑



E( Rit )=



t=−n−e



Rit



T Dalam hal ini T adalah jumlah hari (interval waktu) selama periode estimasi. (ii) Model pasar. Model ini memprediksi E(Rit) berdasarkan hasil estimasi moel pasar selama periode estimasi dengan cara sebagai berikut: E(Rit) = αi + βiRMt + εit b. Model disesuaikan pasar. Model ini memprediksi E(Rit) berdasarkan return indeks pasar pada hari pengumuman peristiwa. Dengan demikian perhitungan model ini tidak memerlukan periode estimasi. c. Model-model ekonomika: (i) Capital asset pricing model: E(Rit) = RFt + (RMt – RFt) βiRMt Dalam hal ini RFt adalah tingkat return bebas risiko pada periode t dan RMt adalah tingkat return pasar pada periode t. (ii) Arbitrage pricing model: E(Rit) = δ0 + δi1F1t + δi2F2t + … + δinFnt + eit Dalam hal ini Fj adalah faktor yang berpotensi menghasilkan return dan δ adalah muatan faktor (factor loading). Dalam banyak studi empiris, bukti yang ada cenderung kurang konsisten dengan model-model ekonomika, sehingga model ini kemudian kurang mendapat perhatian dalam studi empiris berikutnya. Model statistic pada umumnya membutuhkan periode estimasi antara 100 hingga 200 observasi return harian sebelum periode



peristiwa. 5. Menghitung rata-rata return tak normal dan return tak normal kumulatif dalam periode peristiwa. Terdapat beberapa metode pengukuran return tak normal di seputar periode jendela antara lain sebagai berikut: a. Return tak normal rata-rata (mean tak normal return) aritmatik: return tak normal rata-rata semua sekuritas untuk setiap interval waktu dalam periode peristiwa: n



∑ RTN t



´ t= i=1 RTN



k



Dalam hal ini: 7



´ t=return tak normal rata−rata pada waktu ke t RTN k = jumlah sekuritas b. Return tak normal kumulatif (cumulative abnormal return): Return tak normal kumulatif untuk setiap sekuritas selama periode peristiwa: t=+n



RTNK i= ∑ RTN it t =−n



6. Merumuskan hipotesis statistis Untuk rata-rata return tak normal: ´ H0 : RTN =0 Ha :



´ RTN #0



Untuk rata-rata return tak normal kumulatif: ´ H0 : RTN K =0 H0 :



´ RTNK #0



7. Menguji apakah return tak normal rata-rata atau return tak normal kumulatif yang telah dihitung pada langkah ke-5 berbeda dari 0, atau apakah return tak normal sebelum peristiwa berbeda dari return sesudah peristiwa. Pengujian dapat dilakukan dengan uji parametric seperti uji t dan uji Z atau uji non-parametrik seperti uji tanda. Return tak normal yang telah distandarisasi sekuritas. ´ S= RTN



´ S RTN



merupakan nilai t hitung untuk setiap



´ RTN ´ ) KSE (RTN



Untuk pengujian hipotesis, nilai t hitung dapat diperoleh: ´ S ∑ RTN t hitung= √k (Catatan: untuk melakukan uji statistic, lihat isu kesalahan standar estimasi atau KSE (RTN) karena pendekatan yang digunakan dalam uji ini berbeda dari model biasa sehingga program komputer statistik seperti SPSS tidak dapat digunakan dalam pengujian hipotesis.) 8. Simpulan hasil studi didasarkan pada probabilitas signifikansi kurang dari probabilitas yang disyaratkan (misalnya 0,01; 0,05; atau 0,10). Terkaitdengan langkah ke-6, prosedur perhitungan t hitung tidak dapat diperoleh dari program komputer standar.



8



ANALISIS STATISTIK Metode studi peristiwa membutuhkan pemilihan alat analisis statistik untuk menguji hipotesis penelitian. Alat statistik yang digunakan dapat menggunakan uji t, uji Z, dan uji non-parametrik. Uji Statistik Parametrik 1. Kesalahan standar estimasi berdasarkan return rata-rata periode estimasi: R´ i R ij−¿ ¿ ¿2 KSEi = t−n¿ ∑¿ j=1



¿



√¿



KSEi Rij ´ R i



= kesalahan standar estimasi sekuritas ke-i = return aktual sekuritas ke-i untuk hari ke-j dalam periode estimasi



T-n-2



= jumlah hari atau interval waktu selama periode estimasi dikurangi 2



= return rata-rata aritmatik sekuritas ke-i selama periode estimasi



2. Kesalahan standar estimasi berdasarkan return prediksi periode estimasi: E(R ij) R ij−¿ ¿ ¿2 ¿ KSEi = t −n ∑¿ j=1



¿



√¿



KSEi



= kesalahan standar estimasi sekuritas ke-i



Rij



= return aktual sekuritas ke-i untuk hari ke-j dalam periode estimasi



E(Rij)



= return prediksi sekuritas ke-i selama periode estimasi



T-n-2



= jumlah hari atau interval waktu selama periode estimasi dikurangi 2



3. Kesalahan standar estimasi dengan penyesuaian dependensi sederhana (crude dependency adjustment):



9



KSEt =



√



t −n



∑



( t =−n−e



∑



t −n



RTN it k



k



∑ ∑ RTNit



− t =t−n−e j =1 T −n−e−k T −n−1



)



4. Kesalahan standar estimasi dengan cara seksi silang: ´ t RTN R TNit−¿ ¿ ¿2 ¿ ¿ KSEt = k



∑¿ i=1



¿



√¿



5. Kesalahan standar peramalan: ´ M R R Mt−¿ ¿ ¿2 ¿ ´R M R Mj−¿ KSPt = KSEi ¿ ¿2 ¿ ¿ 1 1+ +¿ T −n √¿



10