E-Jurnal Manajemen Unud, Vol. 6, No. 5, 2017: 2528-2555

ISSN : 2302-8912

KINERJA PORTOFOLIO OPTIMAL BERDASARKAN MODEL INDEKS TUNGGAL

  • Golden Jr. Aliakur1

2

Nyoman Triaryati2

  • 1,2Fakultas Ekonomi dan Bisnis Universitas Udayana (Unud), Bali, Indonesia email: [email protected]

ABSTRAK

Tujuan penelitian ini adalah untuk mengetahui bagaimana kinerja portofolio optimal pada sektor basic industry and chemicals dan sektor trade, service, and investment pada Januari 2015 hingga Januari 2016 sebagai 2 sektor yang memiliki koefisien korelasi terendah antar sektor. Penelitian ini dilakukan di Perusahaan yang terdaftar di BEI dan tergabung dalam sektor basic industry and chemicals dan sektor trade, service, and investment. Jumlah sampel yang di ambil sebanyak 173 perusahaan, dengan metode sampling sensus. Pengumpulan data dilakukan dengan cara observasi non perilaku. Berdasarkan hasil perhitungan ditemukan bahwa terdapat 2 saham optimal pada masing-masing sektor yang selanjutnya di silang menjadi portofolio A, B, C, dan D. Setelah melakukan pengukuran kinerja untuk diperingkat didapatkan portofolio C dengan kinerja terbaik yang memberikan return yang lebih tinggi pada tingkat risiko sistematis yang relatif sama dibandingkan portofolio lainnya.

Kata kunci: portofolio optimal, model indeks tunggal, kinerja portofolio optimal.

ABSTRACT

The purpose of this study was to determine how the optimal portfolio performance in the sectors of basic industry and chemicals and sectors of trade, services, and investment in January 2015 until January 2016 as the two sectors with the lowest correlation coefficient between sectors. This research was conducted at the Company listed on the stock exchange in the basic industry and chemicals sector and trade, services, and investment sector. The number of samples taken as many as 173 companies, with census sampling method. The data collection is done by observation of non behavior. Based on calculations found that there are two optimal stocks in each sector are next on cross into the portfolio A, B, C, and D. After measuring the performance of the portfolio rated C obtained the best performance that provide higher returns on a risk systematic relatively the same compared to other portfolios.

Keywords: optimal portfolio, single index model, optimal portfolio performance

PENDAHULUAN

Manajer keuangan perlu menentukan tujuan yang harus dicapai agar dapat mengambil keputusan-keputusan keuangan yang benar. Secara normatif, tujuan keputusan keuangan tidak hanya terbatas pada perusahaan saja tetapi juga pada individu. Seseorang akan melakukan investasi dengan tujuan untuk membuat dirinya menjadi lebih kaya (Husnan, 2012:7). Investasi berkaitan dengan aset riil seperti tanah, emas, dan aset lainnya atau pada aset finansial seperti obligasi, deposito, saham, dan surat berharga lainnya. Kegiatan investasi dilakukan pihak-pihak yang disebut dengan investor (Tandelilin, 2010:10).

Pasar modal memiliki peran besar bagi perekonomian negara. Pasar modal membuat para investor yang kelebihan dana dapat menginvestasikan dananya diberbagai sekuritas dengan harapan mendapatkan return serta membuat perusahaan yang menerbitkan saham dapat memanfaatkan dana tersebut untuk mengembangkan proyek yang dijalankan (Nadir, 2013).

Saham merupakan instrumen investasi yang paling diminati oleh investor yang dibuktikan dengan tingginya frekuensi perdagangan saham dibanding dengan frekuensi perdagangan instrumen investasi lain di pasar modal (Setyoningsih, 2015). Terdapat dua komponen utama dari sumber-sumber return investasi, yaitu yield yang dalam saham ditunjukkan dengan besarnya dividen yang diperoleh dan komponen dari return yang merupakan selisih kenaikan (penurunan) harga saham disebut capital gain (loss) (Tandelilin, 2010:27).

Investor selain memperhitungkan return juga perlu mempertimbangkan tingkat risiko sebagai dasar pembuatan keputusan investasi. Semakin besar perbedaannya maka semakin besar risiko investasi tersebut (Jones, 2010:9).

Risiko dalam berinvestasi membuat para investor perlu melakukan diversifikasi, yang dimana investor perlu membentuk portofolio melalui pemilihan kombinasi berbagai aset sedemikian rupa sehingga dapat meminimalisir risiko. Zubir (2011:20) menyatakan bahwa investor yang rasional akan menginvestasikan dananya dengan memilih saham yang efisien, yang dapat memberikan return maksimal dengan risiko tertentu atau return tertentu dengan risiko minimal. Risiko portofolio secara umum dapat dibedakan menjadi dua, yaitu risiko sistematik yang tidak dapat dihilangkan dengan diversifikasi dan risiko tidak sistematis yang dapat diminimalkan dengan diversifikasi (Bogdan et al., 2010).

Portofolio dapat dikatakan efisien jika memiliki tingkat risiko yang sama, namun mampu memberikan tingkat keuntungan yang lebih tinggi ataupun mampu memberikan keuntungan yang sama namun dengan risiko yang lebih rendah (Darmawan, 2015). Portofolio yang dipilih oleh investor dari sekian banyak portofolio yang efisien merupakan portofolio optimal. Tingkat ketidaksukaan/kepekaan risiko tiap investor berbeda-beda dan maka dari itu tentunya investor memilih portofolio yang sesuai dengan preferensinya (Dwi Rendra, 2016).

Return yang diharapkan dari suatu portofolio dapat diestimasi dengan menghitung mean-variance dengan menggunakan model Markowitz. Dwi Rendra

(2016) menyatakan portofolio optimal yang terbentuk berdasarkan model Markowitz tidak mempertimbangkan aktiva bebas risiko, dan hanya mempertimbangkan return ekspektasi beserta risiko saja. Model Markowitz memang membantu untuk menghitung return harapan dan risiko portofolio, tetapi model ini memerlukan perhitungan kovarians yang terlalu kompleks jika dihadapkan pada banyaknya sekuritas (Mary, 2015).

Model portofolio Markowitz yang begitu kompleks dalam perhitungan kovarians selanjutnya dikembangkan oleh William Sharpe dengan menciptakan model indeks tunggal. Model indeks tunggal mengaitkan perhitungan return setiap aset pada return indeks pasar (Tandelilin, 2010:134). William Sharpe berkontribusi terhadap karya Markowitz dan menemukan model yang lebih sederhana (Kamal, 2012). Model indeks tunggal Sharpe telah mendapatkan popularitas untuk sebagian besar di investasi keuangan dibandingkan dengan model Markowitz (Mandal, 2013).

Portofolio yang telah dibentuk juga perlu dievaluasi kinerjanya seperti layaknya evaluasi pada kinerja perusahaan. Teori investasi mengatakan bahwa pengambilan keputusan investasi tidak hanya didasarkan pada tingkat pengembalian yang diharapkan tetapi juga tingkat risiko (Pratiwi, 2013). Teori pasar modal mengemukakan bahwa terdapat beberapa ukuran kinerja yang memasukkan faktor return dan risiko dalam perhitungannya, antara lain indeks Sharpe, indeks Treynor, dan Indeks Jensen. Investor akan memilih kinerja saham yang paling baik diantara saham yang ada untuk digunakan sebagai saham investasi. Treynor dalam Hartono (2010:621) berpendapat bahwa portofolio yang

dibentuk adalah portofolio optimal, maka risiko tidak sistematis akan terdiversifikasi hingga yang tersisa hanya risiko sistematis yang diukur dengan Beta. Berbeda dengan indeks Sharpe yang menggunakan deviasi standar untuk mengukur total risiko dalam portofolio dan indeks Jansen yang perlu melakukan pengujian kembali perbedaan kedua return apakah signifikan atau tidak (Tandelilin, 2010:494-502). Peneliti melakukan pengukuran kinerja portofolio menggunakan indeks Treynor dikarenakan peneliti membentuk portofolio optimal terlebih dahulu sebelum mengukur kinerjanya.

Bursa Efek Indonesia mencatat hingga Maret 2013 terdapat 464 perusahaan yang terdaftar dan terbagi pada 9 sektor perusahaan yang menjadikan semakin banyak pula kemungkinan portofolio yang dapat dibentuk (Krismeidyan, 2014).

Peneliti memilih 2 dari 9 sektor yaitu sektor basic industry and chemicals dan sektor trade, service, and investment dikarenakan kedua sektor tersebut mempunyai tingkat korelasi positif yang paling rendah diantara perbandingan sektor lainnya yaitu sebesar 0,703888302 yang bersumber dari pengolahan data SPSS dengan membandingkan satu sektor dengan sektor lainnya.

Kelebihan lainnya yaitu pada sektor basic industry and chemicals berorientasi pada teknologi dan pentingnya sektor ini bagi perkembangan sektor lainnya juga menjadi alasan mengapa perusahaan basic industry and chemicals memiliki prospek yang baik di masa mendatang (Izati, 2014). Sektor trade, services and investment juga memiliki kelebihan lainnya karena sektor ini pada tahun 2010 hingga tahun 2014 mengalami rata-rata kenaikan IHSS sebesar 3,16%,

sehingga kedua sektor tersebut dapat menjadi pilihan yang menjanjikan bagi investor dalam berinvestasi.

Penelitian Putri Yanawati (2014) menunjukkan bahwa penentuan portofolio optimal berdasarkan model indeks tunggal dengan menggunakan 75 sampel saham perusahaan sektor manufaktur terpilih hanya 2 saham dengan kinerja yang baik. Penelitian Kavitha Lal (2016) menunjukkan bahwa penentuan portofolio optimal berdasarkan model indeks tunggal CNX Nifty yang terdiri dari 11 sektor, terpilih 5 sektor dengan kinerja yang baik. Pembentukan portofolio optimal dan melakukan evaluasi kinerja portofolio dapat mempengaruhi keinginan para investor untuk membeli portofolio tersebut.

Berdasarkan latar belakang masalah, maka dapat dirumuskan masalah dalam penelitian, yaitu bagaimanakah kinerja portofolio optimal yang dibentuk dari saham sektor basic industry and chemicals dan sektor trade, services and investment. Tujuan penelitian ini adalah untuk mengetahui bagaimana kinerja portofolio optimal yang dibentuk dari saham sektor basic industry and chemicals dan sektor trade, services and investment.

Kegunaan teoritis penelitian ini diharapkan dapat menjadi masukan yang berguna dan memperkaya ilmu pengetahuan serta dapat menjadi dokumen akademik yang berguna sebagai acuan dan dan refrensi bagi civitas akademika yang melakukan penelitian sejenis tentang pengukuran kinerja portofolio optimal.

Kegunaan praktis penelitian ini diharapkan dapat menjadi panduan kepada investor saham untuk berinvestasi yang berkaitan dengan diversifikasi kinerja portofolio saham yang optimal pada perusahaan yang tergabung pada sektor basic

industry and chemicals serta sektor trade, services and investment di Bursa Efek Indonesia.

Investasi merupakan penundaan konsumsi sekarang untuk digunakan di dalam produksi efisien selama periode waktu tertentu Hartono (2010:5). Menurut Martalenda dan Malinda (2011), investasi merupakan bentuk penundaan konsumsi masa sekarang untuk memperoleh konsumsi di masa yang akan datang, yang dimana didalamnya terkandung unsur risiko ketidakpastian sehingga dibutuhkan kompensasi atas penundaan tersebut.

Pada investasi aktiva keuangan, terdapat aktivitas lain yaitu spekulasi. Spekulasi biasanya mencakup pembelian aktiva yang dapat dijual dengan harapan memperoleh keuntungan yang cepat dari kenaikan harga aset tersebut yang dapat terjadi dalam beberapa minggu atau beberapa bulan. Mengacu pada pengertian investasi dan spekulasi, aktivitas spekulator akan menambah likuiditas dan kedalam pasar, karena frekuensi perputaran dan perubahan portofolio mereka cukup tinggi (Ahmad, 2004:2).

Proses keputusan investasi menunjukkan bagaimana investor seharusnya melakukan investasi dalam sekuritas, yaitu sekuritas apa yang dipilih, berapa banyak investasi tersebut dan kapan investasi tersebut dilakukan. Pengambilan keputusan diperlukan langkah-langkah yaitu menentukan tujuan investasi, menganalisis sekuritas, pembentukan portofolio, melakukan revisi portofolio serta yang terakhir yaitu mengukur dan mengevaluasi kinerja portofolio (Husnan, 2012:48-49). Saham (stock) dapat didefinisikan sebagai tanda penyertaan atau pemilikan seseorang atau badan usaha dalam suatu perusahaan atau Perseroan

Terbatas (Darmadji dan Fakruddin, 2011:5). Porsi kepemilikan ditentukan oleh seberapa besar penyertaan yang ditanamkan di perusahaan tersebut (Anggraini, 2013).

Menurut Hadi (2013:67) saham adalah salah satu komoditas keuangan yang diperdagangkan di pasar modal yang paling populer. Investasi saham oleh investor diharapkan memberikan keuntungan, yang sudah barang pasti dalam saham juga mengandung risiko. Saham merupakan salah satu bentuk instrumen investasi yang paling diminati oleh investor di Indonesia, namun terdapat risiko yang terlibat dalam berinvestasi di saham sehingga harus ada seleksi yang seksama dari perusahaan untuk diinvestasikan (Varadharajan, 2011). Definisi saham menurut Fahmi (2012:85) yaitu tanda bukti pernyataan kepemilikan modal/dana pada suatu perusahaan berupa kertas yang tercantum dengan jelas nilai nominal, nama perusahaan, disertai dengan hak dan kewajiban yang dijelaskan kepada setiap pemegangnya dan merupakan persediaan yang siap untuk dijual.

Portofolio adalah kombinasi dari sekuritas yang diharapkan untuk memenuhi tujuan investor. Seorang investor yang rasional bertujuan mencapai hasil maksimal dengan risiko minimal. Penting untuk membangun sebuah portofolio menggunakan salah satu dari dua pendekatan populer, yaitu, tradisional dan modern (Nalini, 2014).

Sharp (1963) dalam Evans dan Archer (1968) menyimpulkan bahwa total risiko portofolio terbagi menjadi dua, yaitu risiko sistematis yang dihasilkan dari kovarian return sekuritas individual dengan return pasar, dan risiko tidak sistematis yang merupakan akibat dari keanehan sekuritas individu itu sendiri,

dengan kata lain bahwa sebagian porsi dari variasi return sekuritas individual tidak menyebabkan variasi return pasar.

Portofolio menentukan preferensi return dan risiko investor dengan tidak meletakkan semua telur dalam satu keranjang dan dengan demikian memungkinkan untuk terciptanya diversifikasi yang efisien (Debasish, 2012).

Konsep diversifikasi seringkali diilustrasikan dengan perkataan “jangan menaruh telur pada satu keranjang, karena jika keranjang tersebut jatuh maka habislah telurnya” (Hanafi, 2009:259). Diversifikasi di setiap kelas aset memiliki risiko, imbalan dan toleransi yang berbeda terhadap peristiwa ekonomi (Taneja, 2011). Konstribusi penting dari ajaran Markowitz adalah bahwa risiko portofolio tidak boleh dihitung dari penjumlahan semua risiko aset-aset yang ada dalam portofolio, tetapi harus dihitung dari konstribusi risiko aset tersebut terhadap risiko portofolio atau diistilahkan dengan kovarian.

Investor dalam membentuk portofolio optimal dapat melakukan analisis portofolio, yaitu sebuah bidang ilmu yang khusus mengkaji tentang bagaimana cara yang dilakukan oleh investor untuk menurunkan risiko dalam berinvestasi secara seminimal mungkin (Irham dan Yovi, 2011:2). Menyusun portofolio optimal merupakan salah satu cara investasi untuk meminimalkan risiko dan memaksimalkan return (Rahmasita et al., 2014). Survei secara luas menunjukkan bahwa portofolio optimal telah dibangun menggunakan berbagai jenis model, tapi yang umumnya digunakan adalah model indeks tunggal Sharpe (Lal, 2016). Model Indeks Tunggal yang secara sistematis dihitung dengan rumus Ri = ai+βiliM+ei(Ravichandra, 2014).

Model Indeks Tunggal menyatakan bahwa return saham berfluktuasi searah dengan indeks harga pasar. Kebanyakan saham cederung mengalami kenaikan harga jika indeks harga naik dan sebaliknya, jika indeks harga turun maka saham akan mengalami penurunan harga (Qur’anitasari, 2013). Akurasi rumus dari model indeks tunggal untuk varians portofolio sebaik asumsinya (Sarker, 2013).

Menurut Agmiviolya (2014) Model indeks tunggal didasarkan pada pengamatan bahwa harga dari suatu sekuritas berfluktuasi searah dengan indeks harga pasar. Secara khusus dapat diamati bahwa kebanyakan saham cenderung mengalami kenaikan harga jika indeks saham naik. Return-return dari sekuritas mungkin berkolerasi karena adanya gerakan umum di pasar saham terhadap perubahan-perubahan nilai pasar (Gopalakrishnan, 2014).

Penilaian yang tepat dari kinerja portofolio sangat penting untuk return portofolio tersebut (Amenc et al., 2011). Ukuran kinerja portofolio sudah memasukkan faktor return dan risiko dalam perhitungannya berdasarkan teori pasar modal. Ukuran kinerja portofolio yang sudah memasukkan faktor risiko adalah indeks Sharpe, indeks Treynor, dan indeks Jensen.

METODE PENELITIAN

Penelitian menggunakan pendekatan kuantitatif yang berbentuk deskriptif. Lokasi penelitian dilakukan pada perusahaan-perusahaan sektor basic industry and chemicals serta sektor trade, services and investment yang terdaftar di Bursa Efek Indonesia pada periode Januari 2015-Januari 2016. Obyek penelitian ini adalah portofolio saham pada perusahaan-perusahaan sektor basic industry and chemicals serta sektor trade, services and investment yang terdaftar di Bursa Efek

Indonesia pada periode Januari 2015-Januari 2016. Jenis data yang dipergunakan dalam penelitian ini merupakan data kuantitatif. Data sekunder adalah sumber data dalam penelitian ini.

Variabel yang akan diteliti dalam penelitian ini yaitu portofolio optimal yang dimana terdiri dari return, beta, alpha, varians residual, excess return to beta, cut off rate, proporsi saham, dan risiko. Kinerja portofolio optimal yang dihitung dengan menggunakan indeks treynor.

Populasi pada penelitian ini adalah seluruh saham perusahaan pada sektor Basic Industry and Chemicals serta Sektor Trade, Services and Investment go public yang terdaftar di Bursa Efek Indonesia selama periode penelitian, yaitu Januari 2015 sampai dengan Januari 2016. Sampel yang digunakan dalam penelitian ini menggunakan keseluruhan populasi yang ada yaitu metode penentuan sampel non acak dalam hal ini metode sampling sensus. Total sampel untuk penelitian ini adalah 113 perusahaan sektor trade, service, and investment dan 64 perusahaan sektor basic industry and chemicals pada periode Januari 2015-Januari 2016.

Metode observasi non perilaku adalah metode pengumpulan data yang digunakan dalam penelitian ini. Penelitian ini menggunakan data harga penutupan saham, data IHSS, data IHSG, dan data suku bunga SBI sebagai data utama. Setelah data terkumpul sesuai dengan periode pengamatan, selanjutnya dilakukan analisis dengan menggunakan model indeks tunggal. Setelah mendapatkan portofolio-portofolio optimal, dilakukan pengukuran evaluasi kinerja portofolio. Untuk memudahkan perhitungan model indeks tunggal, digunakan program

Microsoft Office Excel 2010 dan program IBM SPSS Statistics 19. Adapun

langkah-langkah yang dilakukan yaitu menghitung return dari masing-masing

saham dengan rumus:

Keterangan :


( 1 )

^it    = tingkat return individual

Pt    = harga saham sekarang

P t-l  = harga saham periode lalu

Return pasar dapat dihitung dengan rumus:

R


•m


IHSGt- IHSGt _±

IHSGt


( 2 )


Keterangan :

^m          = return pasar

IHSGt       = indeks harga saham gabungan periode t

IHSGt_ 1     = indeks harga saham gabungan sebelum periode

Menghitung expected return dari masing-masing saham dan expected return pasar yang dihitung dengan rata-rata dari return saham dan return pasar. Selanjutnya yaitu menghitung Beta dengan rumus:

β n(∑X2)-(∑X)2 ………………………………………...………. ( 3 )

Alpha dapat dihitung dengan rumus:

Y= a + βX ……………………………………...…………………... ( 4 )

Menghitung varians residual dari masing-masing saham dengan rumus:

( 5 )


⅛ = ^i- fo + β‰i)]

Menghitung Excess return to beta (ERB) dari masing-masing saham

dengan rumus:


( 6 )

Keterangan :

ERBi = excess return to beta sekuritas ke-i

E(Ri) = return ekspektasi berdasarkan model indeks ganda untuk sekuritas ke-i

R BR = return aktiva bebas risiko menggunakan sertifikat Bank Indonesia (SWBI)

βi = Beta sekuritas ke-i

Menghitung Ai dan Bi dari masing-masing saham dengan rumus sebagai berikut:

Ai " l .sslfldanBi= ⅜.............................................................(7 )

σei

Menghitung Cut off rate (Ci) dari masing-masing saham dan menentukan

Cut off point (C*) dengan rumus:

f _ ^L⅞¾( 8 )

..................................................................................(8 )

Menghitung proporsi masing-masing saham adalah sebagai berikut:

^i y⅛ dan, nilai Xi sebesar Zi = 4 ( ERB1 - C^ .................(9 )

Keterangan :

^i    = proporsi sekuritas ke-i

Zi     = proporsi sekuritas ke-i

k     = jumlah sekuritas di portofolio optimal

βi     = beta sekuritas ke-i

σei = varian dari kesalahan residu sekuritas ke-i

ERBi = excess return to Beta sekuritas ke-i

C* = nilai cut off point yang merupakan nilai Ci terbesar

Menghitung ap dan βp sebagai berikut:

ap = ∑7=1(w; .o dan ⅛ - s=,w.«.......................................( 10 )

Menghitung expected return dan variance portofolio yang selanjutnya digunakan untuk mengukur risiko portofolio

W= ⅜ + ⅛-^‰) ..................................................................( 11 )

Keterangan :

E(Rp) = return ekspektasi dari portofolio

Wi = porsi dari sekuritas i terhadap seluruh sekuritas di portofolio

E(Rm) = return ekspektasi dari pasar

Menghitung risiko portofolio dengan rumus:

σp2 = [∑T=1Wl.βi]2.σ^ + [∑⅛ι W⅛]2 .......................................( 12 )

Keterangan :

«P2   = risiko portofolio

wl    = proporsi sekuritas

Pi = beta yang mengukur koefisien yang mengukur perubahan Ri akibat dari perbedaan Rm

σei    = varian residu

⅛   = varian pasar.

Pengukuran dan evaluasi kinerja yang dihitung dengan menggunakan

indeks Treynor dengan menggunakan rumus sebagai berikut:


……………........................................................................( 13 )

Dalam hal ini:

^p = indeks Treynor portofolio

Rp = rata-rata return portofolio selama periode pengamatan

RF = rata-rata tingkat return bebas risiko selama periode pengamatan

^P = beta portofolio

HASIL DAN PEMBAHASAN

Return pasar digunakan sebagai pertimbangan investor dalam menganalisis perkembangan harga saham yang terjadi di pasaran. Return pasar diperoleh dari IHSG pada periode Januari 2015 hingga Januari 2016. Hasil yang diperoleh dari perhitungan return pasar E(Rm) adalah sebesar -0.010351 atau -1 persen (%) yang berarti rata-rata pergerakan indeks harga pasar pada periode penelitian justru mengalami tekanan. Return saham merupakan tingkat pengembalian investasi saham atas dana yang diinvestasikan oleh para investor. Data yang digunakan adalah seluruh perusahaan terdaftar di BEI yang tergabung dalam sektor trade,service, and investment dan sektor basic industry and chemicals pada periode Januari 2015-Januari 2016 dengan memperoleh E(Ri) masing-masing saham dengan hasil perhitungan Tabel 1. dan Tabel 2.

Tabel 1.

Rata-rata return saham, standar deviasi, kesalahan residual, rata-rata return

pasar, dan varian residual sektor trade, service, and investment periode 30 Januari 2015 s/d 29 Januari 2016

No

Kode Saham

Rata-rata return saham [E(Ri)]

Standar deviasi [σi]

Kesalahan residual [ei]

Rata-rata return pasar [E(Rm)]

Varian residual [⅛]

1

AIMS

0.01682772

0.107569838

0.040530584

-0.01035067

0.0016427

2

AKRA

0.03936329

0.055281538

0.043140153

-0.01035067

0.0018610

3

APII

-0.03534415

0.10333881

0.044599987

-0.01035067

0.0019891

4

BMSR

0.04568254

0.131630991

0.044070034

-0.01035067

0.0019421

5

CLPI

-0.01578928

0.091230893

0.029027061

-0.01035067

0.0008425

6

CNKO

-0.06068172

0.11742873

0.038087128

-0.01035067

0.0014506

7

EPMT

0.00990051

0.158299006

0.044588889

-0.01035067

0.0019881

No

Kode

Saham

Rata-rata return saham [E(Ri)]

Standar deviasi [σi]

Kesalahan residual [ei]

Rata-rata return pasar [E(Rm)]

Varian residual [^]

8

FISH

-0.00501044

0.037201167

0.037594425

-0.01035067

0.0014133

9

GREN

-0.0200326

0.093368834

0.039234319

-0.01035067

0.0015393

10

HEXA

-0.08330218

0.125281265

0.039824151

-0.01035067

0.0015859

11

INTA

0.00291046

0.06030277

0.041132611

-0.01035067

0.0016918

12

KOBX

-0.0178566

0.099793661

0.043507471

-0.01035067

0.0018929

13

KONI

-0.01857788

0.046647278

0.042358095

-0.01035067

0.0017942

14

LTLS

-0.04664883

0.134033814

0.039783979

-0.01035067

0.0015827

15

MDRN

-0.12314083

0.168717432

0.043426951

-0.01035067

0.0018859

16

MICE

0.00491264

0.12694265

0.041159946

-0.01035067

0.0016941

17

MPMX

-0.01362762

0.173665082

0.036021578

-0.01035067

0.0012975

18

OKAS

0.00258531

0.103336621

0.04366518

-0.01035067

0.0019066

19

SDPC

-0.01474837

0.067599799

0.035962356

-0.01035067

0.0012932

20

SQMI

0.01753812

0.050883586

0.044293706

-0.01035067

0.0019619

21

TGKA

0.01810028

0.208701807

0.04499312

-0.01035067

0.0020243

22

TIRA

-0.07596973

0.25702696

0.044797564

-0.01035067

0.0020068

23

TMPI

-0.00643083

0.046471117

0.043212531

-0.01035067

0.0018673

24

TURI

0.0145406

0.105988844

0.037333443

-0.01035067

0.0013937

25

UNTR

-0.00013109

0.07052814

0.038749062

-0.01035067

0.0015014

26

WAPO

-0.02184135

0.088426551

0.04484453

-0.01035067

0.0020110

27

WICO

-0.0572797

0.091309382

0.0422166

-0.01035067

0.0017822

28

ACES

0.01509521

0.141508766

0.028898715

-0.01035067

0.0008351

29

AMRT

0.02343281

0.074564055

0.040050015

-0.01035067

0.0016040

30

CENT

-0.01542851

0.114754718

0.042582069

-0.01035067

0.0018132

31

CSAP

-0.0287872

0.121414482

0.043298573

-0.01035067

0.0018747

32

ECII

-0.00880316

0.233442583

0.042188169

-0.01035067

0.0017798

33

ERAA

-0.05898519

0.132796926

0.045008679

-0.01035067

0.0020257

34

GLOB

-0.04997969

0.124760341

0.043565605

-0.01035067

0.0018979

35

GOLD

-0.00055419

0.090141681

0.041998403

-0.01035067

0.0017638

36

HERO

-0.06078523

0.070134633

0.044519288

-0.01035067

0.0019819

37

KOIN

-0.02561505

0.12271396

0.045074024

-0.01035067

0.0020316

38

LPPF

0.00601645

0.088192813

0.035051916

-0.01035067

0.0012286

39

MAPI

-0.02930391

0.12597055

0.0410121

-0.01035067

0.0016819

40

MIDI

0.02080119

0.058020933

0.04397602

-0.01035067

0.0019338

41

MPPA

-0.05972612

0.116676534

0.035291166

-0.01035067

0.0012454

42

RALS

-0.01987805

0.10714312

0.042496709

-0.01035067

0.0018059

43

RANC

-0.01460613

0.107899313

0.040377076

-0.01035067

0.0016303

44

SONA

0.00127945

0.073994584

0.045012091

-0.01035067

0.0020260

No

Kode

Saham

Rata-rata return saham [E(Ri)]

Standar deviasi [σi]

Kesalahan residual [ei]

Rata-rata return pasar [E(Rm)]

Varian residual [^]

45

TELE

-0.02874827

0.079026214

0.036705508

-0.01035067

0.0013472

46

TRIO

0.02121377

0.067221559

0.04265282

-0.01035067

0.0018192

47

BAYU

0.01873164

0.148819749

0.04497452

-0.01035067

0.0020227

48

BUVA

0.00627129

0.048388548

0.040871883

-0.01035067

0.0016705

49

FAST

-0.03659788

0.077448605

0.043291163

-0.01035067

0.0018741

50

HOME

-0.00529484

0.146300243

0.044855059

-0.01035067

0.0020119

51

HOTL

-0.00790207

0.035767547

0.041325925

-0.01035067

0.0017078

52

ICON

0.02787605

0.079452805

0.04192748

-0.01035067

0.0017579

53

INPP

0.02956239

0.167518227

0.045060807

-0.01035067

0.0020304

54

JIHD

-0.03847578

0.072495391

0.03689451

-0.01035067

0.0013612

55

PANR

-0.00105904

0.079826823

0.037164538

-0.01035067

0.0013812

56

PGLI

-0.01238792

0.120003596

0.044967809

-0.01035067

0.0020221

57

PJAA

-0.01895511

0.09354901

0.044075553

-0.01035067

0.0019426

58

PNSE

-0.02132911

0.129290485

0.043133648

-0.01035067

0.0018605

59

PSKT

-0.0033014

0.083725665

0.044040638

-0.01035067

0.0019395

60

PTSP

0.02379663

0.057389482

0.045002749

-0.01035067

0.0020252

61

SHID

0.05746783

0.101027223

0.039830379

-0.01035067

0.0015864

62

BLTZ

0.04421023

0.13229141

0.044898204

-0.01035067

0.0020158

63

EMTK

0.00248348

0.074338611

0.044388864

-0.01035067

0.0019703

64

FORU

-0.00030798

0.090210448

0.045074985

-0.01035067

0.0020317

65

JTPE

-0.03866023

0.055259199

0.044767762

-0.01035067

0.0020041

66

KBLV

-0.01997677

0.122880315

0.040021847

-0.01035067

0.0016017

67

LINK

-0.02198295

0.127258244

0.040805574

-0.01035067

0.0016650

68

LPLI

-0.07862612

0.133939072

0.044935713

-0.01035067

0.0020192

69

MDIA

-0.00024278

0.098836567

0.032741809

-0.01035067

0.0010720

70

MNCN

-0.05961834

0.14378627

0.039591193

-0.01035067

0.0015674

71

MSKY

-0.02491182

0.09188664

0.037132171

-0.01035067

0.0013787

72

SCMA

-0.01652119

0.077470796

0.035339417

-0.01035067

0.0012488

73

TMPO

-0.0306828

0.08341775

0.038942542

-0.01035067

0.0015165

74

VIVA

-0.0326598

0.139873052

0.041061135

-0.01035067

0.0016860

75

SAME

-0.00188391

0.047743344

0.042269629

-0.01035067

0.0017867

76

SILO

-0.02739621

0.103361905

0.045020529

-0.01035067

0.0020268

77

SRAJ

0.0672579

0.237879904

0.044929052

-0.01035067

0.0020186

78

ASGR

-0.00611744

0.060789764

0.044333336

-0.01035067

0.0019654

79

DNET

0.01644913

0.044316329

0.043039629

-0.01035067

0.0018524

80

MLPT

0.01566925

0.114171902

0.04244012

-0.01035067

0.0018011

81

MTDL

0.01010909

0.048773307

0.04402237

-0.01035067

0.0019379

No

Kode

Saham

Rata-rata return saham [E(Ri)]

Standar deviasi [σi]

Kesalahan residual [ei]

Rata-rata return pasar [E(Rm)]

Varian residual [^]

82

ABMM

-0.00101848

0.069141484

0.045010112

-0.01035067

0.0020259

83

BHIT

-0.04356525

0.198954156

0.044705951

-0.01035067

0.0019986

84

BMTR

-0.05682227

0.155595422

0.04286943

-0.01035067

0.0018377

85

BRMS

-0.11774491

0.16448946

0.045032749

-0.01035067

0.0020279

86

MLPL

-0.0997635

0.125272644

0.032491753

-0.01035067

0.0010557

87

MYRX

-0.00368739

0.050298

0.039591322

-0.01035067

0.0015674

88

PLAS

0.00136978

0.025080072

0.031863442

-0.01035067

0.0010152

89

SRTG

-0.02723687

0.063096499

0.044058978

-0.01035067

0.0019411

90

DYAN

-0.04146679

0.1573069

0.03431978

-0.01035067

0.0011778

91

GEMA

-0.00322672

0.062901071

0.043458105

-0.01035067

0.0018886

92

MFMI

0.04629072

0.365164328

0.044317858

-0.01035067

0.0019640

93

SUGI

-0.00471745

0.097819043

0.043474226

-0.01035067

0.0018900

Sumber: Data sekunder diolah, 2016

Hasil dari Tabel 1. menunjukkan bahwa expected return saham tertinggi pada sektor trade, service, and investment adalah saham SRAJ dengan nilai 0.0672579 dan yang terendah adalah saham MDRN dengan nilai -0.12314083 disertai dengan standar deviasi, kesalahan residual dan varian residu.

Tabel 2.

Rata-rata return saham, standar deviasi, kesalahan residual, rata-rata return pasar, dan varian residual sektor basic industry and chemicals periode 30 Januari 2015 s/d 29 Januari 2016

No

Kode

Saham

Rata-rata return saham [E(Ri)]

Standar deviasi [σi]

Kesalahan residual [ei]

Rata-rata return pasar [E(Rm)]

Varian residual

1

INTP

-0.00828354

0.099978144

0.034790938

-0.01035067

0.0012104

2

SMBR

-0.01422139

0.068385416

0.038478108

-0.01035067

0.0014805

3

SMCB

-0.05758873

0.100476164

0.043120035

-0.01035067

0.0018593

4

SMGR

-0.01938691

0.085295765

0.03314495

-0.01035067

0.0010985

5

WTON

-0.01489589

0.161833066

0.031848428

-0.01035067

0.0010143

6

AMFG

-0.0190239

0.099636223

0.039052947

-0.01035067

0.0015251

7

ARNA

-0.0440362

0.174298809

0.034117686

-0.01035067

0.0011640

8

IKAI

0.01441661

0.066344449

0.044318544

-0.01035067

0.0019641

9

KIAS

-0.02498933

0.102218938

0.04507503

-0.01035067

0.0020317

10

MLIA

-0.00053457

0.109142483

0.045055806

-0.01035067

0.0020300

No

Kode

Saham

Rata-rata return saham [E(Ri)]

Standar deviasi [σi]

Kesalahan residual [ei]

Rata-rata return pasar [E(Rm)]

Varian residual [^]

11

TOTO

0.04285745

0.103936271

0.042139277

-0.01035067

0.0017757

12

ALMI

-0.01889395

0.047898605

0.044321748

-0.01035067

0.0019644

13

BAJA

-0.08031081

0.129016006

0.039371599

-0.01035067

0.0015501

14

BTON

-0.01816419

0.078162954

0.041336883

-0.01035067

0.0017087

15

CTBN

0.0009968

0.046411586

0.045005064

-0.01035067

0.0020254

16

GDST

-0.0353125

0.110827545

0.045073071

-0.01035067

0.0020315

17

INAI

0.00885236

0.051741593

0.037643693

-0.01035067

0.0014170

18

ISSP

0.01711387

0.233140106

0.031813465

-0.01035067

0.0010120

19

JKSW

0.00122118

0.129826311

0.045065464

-0.01035067

0.0020308

20

JPRS

-0.04353028

0.112090492

0.042328326

-0.01035067

0.0017916

21

KRAS

-0.02970186

0.078082944

0.03662445

-0.01035067

0.0013413

22

LION

0.01962043

0.152763337

0.043514187

-0.01035067

0.0018934

23

LMSH

0.01561895

0.197507127

0.045074314

-0.01035067

0.0020316

24

NIKL

-0.07246609

0.08310678

0.035314966

-0.01035067

0.0012471

25

PICO

-0.00933436

0.024991763

0.044681308

-0.01035067

0.0019964

26

BRPT

-0.01137811

0.224256635

0.040722261

-0.01035067

0.0016583

27

BUDI

-0.0368137

0.045138403

0.040291861

-0.01035067

0.0016234

28

DPNS

0.00252785

0.113881127

0.045057829

-0.01035067

0.0020302

29

EKAD

-0.01988244

0.065026415

0.036447267

-0.01035067

0.0013284

30

ETWA

-0.08156347

0.124999839

0.044792378

-0.01035067

0.0020063

31

INCI

0.03303568

0.102724872

0.042083338

-0.01035067

0.0017710

32

SOBI

-0.00617756

0.168400694

0.042500584

-0.01035067

0.0018063

33

TPIA

0.0138442

0.045300922

0.044862119

-0.01035067

0.0020126

34

UNIC

-0.01437923

0.037522421

0.04472952

-0.01035067

0.0020007

35

AKPI

0.01744905

0.132996894

0.044060959

-0.01035067

0.0019413

36

APLI

-0.00074828

0.075737064

0.044669833

-0.01035067

0.0019953

37

BRNA

0.00894544

0.048651461

0.044517262

-0.01035067

0.0019817

38

FPNI

0.01777608

0.102020657

0.033278214

-0.01035067

0.0011074

39

IGAR

-0.01302986

0.126366886

0.044748009

-0.01035067

0.0020023

40

IMPC

0.03500959

0.064122847

0.044546548

-0.01035067

0.0019843

41

IPOL

-0.04758476

0.062139241

0.041914736

-0.01035067

0.0017568

42

SIAP

-0.10443286

0.185462743

0.045075052

-0.01035067

0.0020317

43

SIMA

0.0547587

0.276523839

0.045056044

-0.01035067

0.0020300

44

TALF

-0.01732114

0.073084551

0.045073614

-0.01035067

0.0020316

45

TRST

-0.01069566

0.149779221

0.041577139

-0.01035067

0.0017286

46

YPAS

0.06051196

0.239057359

0.041646971

-0.01035067

0.0017344

47

CPIN

0.00247825

0.190667983

0.039404936

-0.01035067

0.0015527

No

Kode

Saham

Rata-rata return saham [E(Ri)]

Standar deviasi [σi]

Kesalahan residual [ei]

Rata-rata return pasar [E(Rm)]

Varian residual [^]

48

JPFA

0.01085211

0.249513728

0.023046472

-0.01035067

0.0005311

49

MAIN

-0.02581135

0.179593791

0.043322453

-0.01035067

0.0018768

50

SIPD

0.05387097

0.149540679

0.04501164

-0.01035067

0.0020260

51

SULI

-0.00947382

0.055046121

0.038050428

-0.01035067

0.0014478

52

TIRT

-0.02605083

0.090822819

0.036945021

-0.01035067

0.0013649

53

ALDO

-0.00024787

0.026751459

0.03596309

-0.01035067

0.0012933

54

DAJK

-0.10846448

0.135883972

0.041895428

-0.01035067

0.0017552

55

FASW

-0.0395544

0.043423589

0.042602929

-0.01035067

0.0018150

56

INKP

-0.00711044

0.108750485

0.045074239

-0.01035067

0.0020316

57

INRU

-0.04100041

0.244903575

0.043488491

-0.01035067

0.0018912

58

SPMA

-0.05406043

0.074193286

0.038140071

-0.01035067

0.0014546

59

TKIM

-0.03981305

0.085993332

0.040969657

-0.01035067

0.0016785

Sumber: Data sekunder diolah, 2016

Hasil dari Tabel 2. menunjukkan bahwa expected return saham tertinggi pada sektor basic industry and chemicals adalah saham YPAS dengan nilai 0.06051196 dan yang terendah adalah saham DAJK dengan nilai -0.10846448 disertai dengan standar deviasi, kesalahan residual dan varian residu.

Setelah mendapatkan rata-rata return saham, standar deviasi, kesalahan residual, rata-rata return pasar dan varian residual, langkah selanjutnya menghitung excess return to beta ratio (ERB). ERB digunakan untuk menentukan portofolio saham yang dipilih untuk menjadi kandidat yang masuk menjadi portofolio optimal. Nilai pada ERB harus diperingkat terlebih dahulu dari nilai yang terbesar hingga yang terkecil. Nilai pembandingnya adalah nilai cut off rate (Ci), dimana nilai ERB harus lebih besar sama dengan dibandingkan Ci terbesar yang digunakan sebagai penentu nilai cut off point (titik pembatas) pada saham yang masuk dalam portofolio optimal yang ditunjukkan pada Tabel 3. dan Tabel 4. Berdasarkan hasil yang ditunjukan dari perhitungan Tabel 3. diperoleh saham

BRMS dan FORU yang masuk sebagai portofolio yang optimal dengan ERB yang lebih besar dari nilai cut-off point (C*) sebesar 5.237124843, sedangkan saham-saham yang mempunyai nilai ERBi yang lebih kecil dari titik C* tidak diikut sertakan dalam pembentukan portofolio optimal.

Tabel 3.

Saham-saham Pembentuk Portofolio Optimal Sektor Trade, Service, and Investment

No

Nama Saham

Excess return to beta [ERβi]

Cut of rate [Ci]

Cut off point [C*]

1

BRMS

10.33290917

5.237124843

C*

2

FORU

6.55798

5.237124843

C*

Sumber: Data sekunder diolah, 2016

Berdasarkan hasil yang ditunjukan dari perhitungan Tabel 4. diperoleh saham KIAS dan GDST yang masuk sebagai portofolio yang optimal dengan ERB yang lebih besar dari nilai cut-off point (C*) sebesar 4.844641077, sedangkan saham-saham yang mempunyai nilai ERBi yang lebih kecil dari titik C* tidak diikut sertakan dalam pembentukan portofolio optimal.

Tabel 4.

Saham-saham Pembentuk Portofolio Optimal Sektor Basic Industry and Chemicals

No

Nama Saham

Excess return to beta [ERβi]

Cut of rate [Ci]

Cut off point [C*]

1

KIAS

31.23933

4.844641077

C*

2

GDST

10.390625

4.844641077

C*

Sumber: Data sekunder diolah, 2016

Saham yang masuk dalam portofolio optimal sektor trade, service, and investment adalah dua saham yaitu saham Bumi Resources Minerals (BRMS) dan Fortune Indonesia (FORU). Saham yang masuk portofolio optimal pada sektor basic industry and chemicals terdapat dua saham, yaitu saham Keramika Indonesia Assosiasi (KIAS) dan saham Gunawan Dianjaya Steel Tbk. (GDST)

yang kemudian masing-masing sektor akan di silang untuk mendiversifikasi

portofolio optimal yang dibentuk. Hasil perhitungan diperlihatkan pada Tabel 5.

Tabel 5.

Proporsi Saham-saham Portofolio Optimal

Portofolio

Proporsi Saham

Saham-saham                                  %

(Wi)

A

BRMS                  0.748219695        75%

GDST                  0.251780305        25%

B

KIAS                   0.297963206        30%

BRMS                  0.702036794        70%

C

KIAS                   0.95165777         95%

FORU                  0.04834223         5%

D

FORU                  0.060212374        6%

GDST                  0.939787626        94%

Sumber: Data sekunder diolah, 2016

Setelah menentukan proporsi saham pada setiap portofolio optimal, selanjutnya menentukan ekspektasi return beserta risiko portofolio optimal dari beberapa portofolio optimal yang dibentuk. Adapun perhitungannya diperlihatkan pada Tabel 6.

Tabel 6.

Alpha, Beta, Ekspektasi Return dan Risiko Portofolio-portofolio Optimal

Portofolio

Ekspektasi          Risiko

Alpha Portofolio    Beta Portofolio

Return Portofolio      Portofolio

(αp)                 (βp)               [E(Rp)]

A

-0.011496439      -0.009985758      -0.01139308       4.116E-06

B

-0.011404074      -0.008722405      -0.011313791       4.117E-06

C

-0.01              -0.001          -0.009989649       4.130E-06

D

-0.01          -0.003819363      -0.009960467       4.157E-06

Sumber: Data sekunder diolah, 2016

Meskipun telah menjalankan prosedur pencarian koefisien korelasi terendah antar sektor, pilihan portofolio-portofolio optimal yang dibentuk mendapatkan return portofolio negatif. Periode penelitian IHSG mengalami tekanan dan berimbas pada perusahaan-perusahaan yang tergabung dalam sektor trade, service, and investment dan sektor basic industry and chemicals. Situasi ini terjadi dikarenakan koefisien korelasi terendah mendapatkan return negatif pembentukan

portofolio optimal dengan koefisien korelasi yang lain kemungkinan lebih buruk, sehingga meskipun returnnya negatif portofolio optimal ini menjadi salah satu pilihan yang terbaik bagi investor dalam keadaan pasar yang tertekan.

Setelah mendapatkan portofolio-portofolio optimal melalui prosedur model indeks tunggal, tahap selanjutnya adalah menghitung kinerja masing-masing portofolio optimal yang kemudian akan diperingkat dari kinerja yang paling baik. Adapun perhitungannya diperlihatkan pada Tabel 7.

Tabel 7.

Peringkat Kinerja Portofolio-portofolio Optimal dengan Indeks Treynor

Portofolio

Indeks Treynor

C (KIAS dan FORU)

16.23964933

D (FORU dan GDST)

4.244285645

B (KIAS dan BRMS)

2.013640894

A (BRMS dan GDST)

1.7668244

Sumber: Data sekunder diolah, 2016

Berdasarkan Tabel 7., diperoleh hasil portofolio C sebagai portofolio optimal dengan kinerja terbaik yang kemudian dilanjutkan dengan portofolio optimal D, portofolio optimal B, dan yang terakhir adalah portofolio optimal A. Portofolio C dikatakan portofolio terbaik dikarenakan portofolio C memberikan return yang lebih tinggi pada tingkat risiko sistematis yang relatif sama dibandingkan portofolio lainnya.

SIMPULAN DAN SARAN

Kesimpulan dari penelitian ini adalah penentuan portofolio optimal dengan menggunakan model indeks tunggal pada sektor trade, service, and investment dan sektor basic industry and chemicals pada bulan Januari 2015 hingga Januari 2016 hanya terpilih dua saham dari masing-masing sektor. Sektor trade, service, and investment adalah saham Bumi Resources Minerals (BRMS) dan saham

Fortune Indonesia (FORU). Sektor basic industry and chemicals adalah saham Keramika Indonesia Assosiasi (KIAS) dan Gunawan Dianjaya Steel Tbk. (GDST) yang kemudian masing-masing sektor di silang menjadi portofolio optimal A, B, C, dan D agar terciptanya diversifikasi yang baik sesuai prosedur diversifikasi markowitz.

Pada saat mendapatkan portofolio yang optimal, return portofolio masing-masing sektor mendapatkan hasil yang negatif yang disebabkan oleh IHSG yang sedang tertekan pada periode penelitian yang berimbas kepada tertekannya perusahaan-perusahaan pada sektor tersebut. Koefisien korelasi terendah mendapatkan return negatif pembentukan portofolio optimal dengan koefisien korelasi yang lain kemungkinan lebih buruk, sehingga meskipun returnnya negatif portofolio optimal ini menjadi pilihan yang terbaik bagi investor.

Setelah mengukur kinerja portofolio optimal dengan indeks treynor, didapatkan portofolio C sebagai portofolio optimal dengan kinerja terbaik dikarenakan portofolio C mendapatkan return yang lebih tinggi pada tingkat risiko sistematis yang relatif sama dibandingkan portofolio lainnya.

Saran dari peneliti adalah bagi investor yang menginvestasikan dananya di saham, saham-saham pada sektor trade, service, and investment dan sektor basic industry and chemicals dapat menjadi pilihan bagi investor. Hal tersebut dikarenakan kedua sektor tersebut memiliki korelasi yang paling rendah diantara sektor-sektor lainnya. Jika pada saat tahun-tahun IHSG sedang mengalami tekanan, investor disarankan menginvestasikan dana yang dimiliki di berbagai pasar modal dan di instrumen keuangan lainnya, dengan harapan return investasi

dari instrumen keuangan lain selain saham kemungkinan besar akan menghasilkan return yang lebih tinggi.

Penelitian selanjutnya sebaiknya menggunakan periode dimana IHSG tidak sedang mengalami tekanan. Investor dapat terlebih dahulu mencermati perkembangan IHSG beserta kebijakan-kebijakan makro di negara dan kebijakan-kebijakan tiap perusahaan karena akan mempengaruhi return investasi di pasar modal. Selain itu, penelitian selanjutnya dapat menggunakan Model Markowitz untuk mendapatkan kandidat portofolio optimal selain menggunakan Model Indeks Tunggal.

REFERENSI

Agmiviolya, Youvia Clara., M. Dzulkirom AR., dan R.Rustam Hidayat. 2014.

Analisis Portofolio dengan Single Index Model dalam Upaya Meminimalisir Risiko Investasi Pasar Modal (Studi Pada Perusahaan Sektor Food and Beverages yang Listing di Bursa Efek Indonesia Periode 2011-2013. Jurnal Administrasi Bisnis (JAB), 13(1):1-8.

Ahmad, Kamaruddin. 2004. Dasar-dasar Manajemen Investasi dan Portofolio, Edisi Revisi Cet Kedua, Jakarta: Rineka Cipta.

Amenc, Noёl., Felix Goltz., and Abraham Lioui. 2011. Practitioner Portfolio Construction and Performance Measurement: Evidence from Europe. Financial Analysts Journal, 67(3):39-50.

Anggraini, Retno., dan Andayani. 2013. Analisis Pembentukan Portofolio Optimal Menggunakan Model Indeks Tunggal Untuk Pengambilan Keputusan Investasi. Jurnal Ilmu dan Riset Akuntansi, 2(6)1-24.

Bogdan, Sinisa., Suzana Baresa., and Sasa Ivanovic. 2010. Portofolio Analysis Based On The Example Of Zagreb Stock Exchange, UTMS Journal of Economic, 1(1):39-52.

Darmadji, T., dan H. M. Fakruddin. 2011. Pasar Modal di Indonesia. Salemba Empat. Jakarta.

Darmawan, I Putu Putra Adi., dan Ni Ketut Purnawati. 2015. Pembentukan Portofolio Optimal pada Saham-saham di Indeks LQ 45 dengan

Menggunakan Model Indeks Tunggal. E-Jurnal Ekonomi dan Bisnis Universitas Udayana, 4(12):4335-4361.

Debasish, Sathya Swaroop., and Jakki Samir Khan. 2012. Optimal Portfolio Construction in Stock Market- An Empirical Study on Selected Stocks in Manufacturing Sectors of India. International Journal of Business Management, 2(2):37-44

Dwi Rendra Graha, I Made., dan Ni Putu Ayu Darmayanti. 2016. Analisis Portofolio Optimal Model Indeks Tunggal pada Perusahaan yang Tergabung dalam Indeks LQ-45. E-Jurnal Ekonomi dan Bisnis Universitas Udayana, 4(2):928-955.

Evans, John L., and Stephen H. 1968. Archer. Diversification the Reduction of Dispersion: an Empirical Analysis. Journal of Finance, 23(5):761-767

Fahmi, Irham. 2012. Manajemen Investasi, Teori dan Soal Jawab. Jakarta: Salemba Empat.

Gopalakrishnan, M.Muthu. 2014. Optimal Portofolio Selection Using Sharpe’s Single Index Model. Indian Journal Of Applied Research, 4(1):286-288.

Hadi, Nor. 2013. Pasar Modal. Yogyakarta: Graha Ilmu.

Hanafi, Mahmud. 2009. Manajemen Risiko. Edisi Kedua. Yoyakarta: UPP STIM YPKN.

Hartono, Jogiyanto. 2013. Teori Portofolio dan Analisis Investasi. Edisi Kesepuluh. Yogyakarta: BPFE.

Husnan, Suad., dan Enny Pudjiastuti. 2012. Dasar-dasar Manajemen Keuangan. Edisi Keenam. Yogyakarta: UPP STIM YKPN.

Irham, Fahmi., dan Yovi. 2011. Teori Portofolio dan Analisis Investasi. Cetakan Kedua. Bandung: Alfabeta.

Jones, Charles P. 2010. Investments Principles and Concepts. Twelfth Edition. Singapore: John Wiley & Sons.

Kamal, Javed Bin. 2013. Optimal Portofolio Selection In EX Ante Stock Price Bubble and Furthermore Bubble Burst Scenario From Dhaka Stock Exchange With Relevance To Sharpe’s Single Index Model. Journal Financial Assets and Investing, 3:29-42.

Krismeidyan, Michael., Topowijono., dan Nila Firdausi Nuzula. 2014. Penentuan Portofolio Saham yang Optimal dengan Single Index Model sebagai Salah

Satu Alat Pengambilan Keputusan Investasi Saham. Jurnal Administrasi Bisnis (JAB), 17(1):1-9.

Lal, Kavitha., and S.R. Subba Rao. 2016. Selecting an Optimal Portfolio for Investment in Stocks in India: A Sectoral Approach. Pacific Business Review International, 8(9):109-115.

Mandal, Niranjan. 2013. Sharpe’s Single Index Model and It’s Application to Construct Optimal Portofolio: An Empirical Study. Yale-Great Lakes Center for Management Research, 7(1):1-60.

Mary, J. Francis., and G. Rathika. 2015. The Single Index Model and The Construction of Optimal Portofolio With Cnxpharma Scrip. Journal Impact Factor, 6(1):87-96.

Nadir, Maryam. 2013. Kinerja Portofolio Saham Pada Sektor Pertambangan Di Bursa Efek Indonesia. Jurnal Akuntabel, 10(1):44-56.

Nalini, R. 2014. Optimal Portofolio Construction Using Sharpe’s Single Index Model (A Study Of Selected Stocks From BSE. International Journal of Advanced Research in Management and Social Sciences, 3(12):72-93.

Pratiwi, Dhea Ayu., and Irni Yunita. 2015. Optimal Portofolio Construction (A Case Study of LQ45 Index in Indonesia Stock Exchange). Journal of Science and Research, 4(6):2525-2530.

Putri Yanawati, Ni Wayan., dan Nyoman Abudanti. 2014. Kinerja Portofolio Saham Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia. E-Jurnal Ekonomi dan Bisnis Universitas Udayana, 3 (1), pp: 83-99.

Qur’anitasari., R.Rustam Hidayat., dan Sri Sulasmiyati. 2016. Analisis Pembentukan Portofolio Optimal dalam Meminimalkan Tingkat Risiko Investasi dengan Menggunakan Model Indeks Tunggal (Studi Kasus Saham LQ-45 di Bursa Efek Indonesia Periode Januari 2013-Juli 2015). Jurnal Administrasi Bisnis, 31(1):140-149.

Rahmasita, Fajarayu., R.Rustam Hidayat., dan Devi Farah Azizah. 2014. Pembentukan Portofolio Optimal dengan Menggunakan Single Index Model (Studi Pada Saham-saham Sektor Industri Dasar dan Kimia Bursa Efek Indonesia periode 2011-2013). Jurnal Administrasi Bisnis, 16(1):1-10.

Ravichandra, Thangjam. 2014. Optimal Portfolio Construction With Nifty Stocks. International Journal of Interdisciplinary and Multidisciplinary Studies (IJIMS), 1(4):75-81.

Sarker, Mokta Rani. 2013. Optimal Portfolio Construction: Evidence from Dhaka Stock Exchange in Bangladesh. World Journal of Social Sciences, 3(6): 75-87.

Setyoningsih, Agustin Tri., Suhadak., dan Topowijono. 2015. Analisis Portofolio Optimal dengan Single Index Model untuk Meminimumkan Risiko bagi Investor di Bursa Efek Indonesia (Studi Pada Saham Indeks Kompas 100 Periode Februari 2010-Juli 2014). Jurnal Administrasi Bisnis, 23(1):1-9.

Tandelilin, Eduardus. 2010. Portofolio dan Investasi Teori dan Aplikasi. Edisi Pertama Cetakan Kelima, Yogyakarta: KANISIUS.

Taneja, Yash Pal., and Shipra Bansal. 2011. Efficient Security Selection: A Study Of Portofolio Evaluation Techniques. International Journal of Business Economics & Management Research, 1(3):48-60.

Varadharajan, P., and P. Vikkraman. 2011. Construction of Portfolio Using Sharpe Index Model with Special Reference to Banking Industry. Management Journal of Siva Sivani Institute of Management, 3(2):5-20.

Zubir, Zalmi. 2011. Manajemen Portofolio: Penerapannya dalam Investasi Saham. Edisi Pertama. Jakarta: Salemba Empat.

2555