PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL

E-Jurnal Manajemen, Vol. 9, No. 2, 2020 : 553-575

ISSN : 2302-8912

DOI: https://doi.org/10.24843/EJMUNUD.2020.v09.i02.p08

PEMBENTUKAN PORTOFOLIO OPTIMAL

DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL

Irvan Fendy Prasetyo ¹

Anak Agung Gede Suarjaya ²

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

ABSTRAK

Tujuan penelitian ini adalah untuk mengetahui saham-saham dari anggota Indeks Kompas 100 yang dapat membentuk portofolio optimal dan untuk mengetahui proporsi masing-masing saham terpilih serta tingkat return dan risiko dari portofolio yang dihasilkan. Metode yang digunakan adalah dengan menggunakan pendekatan Model Indeks Tunggal dengan teknik analisis deskriptif. Data dalam penelitian ini adalah data sekunder yang diperoleh dari BEI, Yahoo Finance, dan BI. Populasi dalam penelitian ini berjumlah 77 saham. Jumlah sampel yang diambil sebanyak 65 saham perusahaan dari Indeks Kompas 100, dengan metode slovin. Berdasarkan hasil analisis didapat dari 65 saham anggota Indeks Kompas 100 diperoleh kombinasi sebanyak 20 saham yang dapat membentuk portofolio optimal yaitu BUMI, MAPI, INCO, DOID, INDY, CPIN, BKSL, ACES, MEDC, ITM, UNTR, TINS, BDMN, JPFA, BBCA, BJBR, PNBN, TARA, PBRX dan ANTM dengan tingkat keuntungan (expected return) portofolio sebesar 3.20 persen dengan risiko sebesar 0.11 persen.

Kata kunci : Indeks Kompas 100, Model Indeks Tunggal, Portofolio Optimal.

ABSTRACT

The purpose of this study is to determine the stocks of the Kompas 100 Index that can form optimal portfolios and to find out the proportions of each selected stock and the level of return and risk of the resulting portfolio. Single Index Model with descriptive analysis was used. The data was obtained from the IDX, Yahoo Finance, and BI. The population in this study amounted to 77 shares. The number of samples taken was 65 company shares from the Kompas 100 Index, using the Slovin method. Based on the results of the analysis obtained from 65 shares of Kompas 100 members obtained a combination of 20 shares that can form an optimal portfolio of BUMI, MAPI, INCO, DOID, INDY, CPIN, BKSL, ACES, MEDC, ITM, UNTR, TINS, BDMN, JPFA, BBCA, BJBR, PNBN, TARA, PBRX and ANTM with portfolio expected return of 3.20 percent with a risk of 0.11 percent.

Keywords: Compass 100 Index, Single Index Model, Optimal Portfolio

PENDAHULUAN

Investasi tmerupakantsuatu tkegiatan tyang tsangat terat tkaitannya tdalam dunia tbisnis. tSetiap tbisnis tmemerlukan tinvestasi tuntuk tkelangsungan hidupnya. tInvestasi tdapattdidefinisikantsebagai tpenundaan tkonsumsi tsekarang untuk tdimasukan tke taktiva tproduktif tselama tperiode twaktu ttertentu tdan untuk tdigunakan tdi tmasa tyang takan tdatang. tPenundaan tkonsumsi tsekarang untuk tdiinvestasikan tke taktiva tyang tproduktif takan tmeningkatkan tutility ttotal (Kozłowska, 2015)

Saat tini tsemakin tberagam tpililhan tinvestasi tbagi tmasyarakat, tsalah satunya tadalah tinvestasi tdi tpasar tmodal. tMasyarakat tsebagai tpemilik tdana semakin tsadar tdengan tadanya talternatif tinvestasi tyang tcukup tmenarik tdalam mendatangkan treturn, tyaitu tinvestasi tpada tsaham tselain tinvestasi treal, deposito tmaupun ttabungan. tKemajuan tdi tbidang tteknologi tdan tinformasi yang pesat tmerupakan tfaktor tyang tmendorong tmeningkatnya tkesadaran t masyarakat tersebut, tsehingga tmasyarakat takan tlebih tmudah tdalam tmemperoleh tdan menyalurkan tdana tdi tpasar tmodal t(Sushko & Turner, 2018)

Faktor tyang tmendukung tkepercayaan tpemodal tterhadap tpasar tmodal adalah tpersepsi tmereka takan tkewajaran tharga tsekuritas t(saham). tDalam keadaan tseperti titu, tpasar tmodal tdikatakan tefisien tsecara tinformasional. tPasar modal tdikatakan tefisiensi tsecara tinformasional tapabila tharga tsekuritas-sekuritasnya tmencerminkan tsemua tinformasi tyang trelevan. tOleh tkarena titu informasi tyang ttidak tbenar tdan ttidak ttepat ttentunya takan tmenyesatkan tpara pemodal tdalam tmelakukan tinvestasi tpada tsekuritas, tsehingga tini takan merugikan tpara tpemodal. tSemakin ttepat tdan tcepat tinformasi tsampai tkepada calon tpemodal tdan tdicerminkan tpada tharga tsaham, tmaka tpasar tmodal tyang bersangkutan tsemakin tefisien t(Masry, 2017)

Pasar tmodal tadalah tpertemuan tantara tpihak tyang tmemiliki tkelebihan dana tdengan tpihak tyang tmembutuhkan tdana tdengan tcara tmemperjualbelikan sekuritas t(Sanrego, 2017). tInvestortsebagaitpihak tyangtmemiliki tkelebihan dana tdapat tmenginvestasikan tdananya tpada tberbagai tsekuritas tdengan harapan memperoleh treturn tdi tpasar tmodal ttersebut. tBerbeda thalnya tdengan perusahaan. tPerusahaan tsebagai tpihak tyang tmemerlukan tdana tdapat memanfaatkan tdana ttersebut tuntuk tmengembangkan tproyek-proyeknya (Lerskullawat, 2017).

Investasi tkhususnya tpada tefek t(surat tberharga), ttentunya tinvestor tharus berfikir trasional tdalam tmenghadapi tperdagangan tdi tpasar tmodal. tHarga saham tdi tbursa tefek takan tditentukan toleh tkekuatan tpermintaan tdan penawaran. tPada tsaat tpermintaan tsaham tmeningkat, tmaka tharga tsaham tersebut takan tcenderung tmeningkat. tSebaliknya, tpada tsaat tbanyak torang menjual tsaham, tmaka tharga tsaham ttersebut tcenderung takan tmengalami penurunan t(Bosch-Badia et al., 2018)

Tujuan tutama tseorang tinvestor tmelakukan tinvestasi tadalah tuntuk mendapatkan treturn. tReturn tmerupakan thasil tyang tdiperoleh tdari tinvestasi (Abramov et al., 2015). Dalam tkonteks tmanajemen tinvestasi, tterdapat treturn harapan tdan treturn taktual. tInvestor tyang tmenginvestasikan tdananya takan mensyaratkan ttingkat treturn ttertentu tdan tjika tperiode tinvestasi ttelah tberlalu,

investor takan tdihadapkan tpada ttingkat treturn tsesungguhnya tditerima. Perbedaan treturn tharapan tdengan treturn tyang tbenar-benar tditerima merupakan trisiko tyang tharus tselalu tdipertimbangkan tdalam tproses tinvestasi.

Setiap tkeputusan tinvestasi tselalu tmengandung tsuatu trisiko. tTingkat return tdengan trisiko tsangat tberkaitan terat tsatu tsama tlainnya. tSemakin ttinggi risiko tsemakin ttinggi tpula treturn tyang tdiharapkan. tTingkat tekspektasi treturn tinggi tmaka trisiko tyang tdihadapi toleh tinvestor tdalam tberinvestasi tpada tsuatu saham tjuga takan tsemakin ttinggi, tbegitu tpula tsebaliknya, tapabila ttingkat ekspektasi treturn trendah, tmaka trisiko tyang takan tdihadapi tinvestor tjuga takan rendah tdan tdapat tdi tdiversifikasi t(Yin, 2019)

Portofolio tmenjadi tsalah tsatu tsaran tterbaik tbagi tinvestor tyang tingin memperkecil tatau tmendiversifikasikan trisiko. tKeberadaan tportofolio menyebabkan tinvestor tberpotensi tmemeroleh tkeuntungan t(return) tyang tlebih besar tdibandingkan tdengan trisiko tyang tdiperoleh tdi tmasa tdatang. Pembentukan tportofolio tmerupakan tsuatu tpenanaman tmodal tberupa kombinasi dari tbeberapa tsurat tyang tdilakukan tpada tbeberapa tkelas tasset tsehingga memperoleh treturn tatau tpengembalian tyang toptimal tdengan trisiko tyang seminimal tmungkin (Meman, 2015). Teori tportofolio tadalah tbagimana melakukan tpemilihan tportofolio tdari tsekian tbanyak taset, tuntuk memaksimalkan treturn tharapan tpada ttingkat trisiko ttertentu tyang tbersedia ditanggung tinvestor.Tujuan t tmembentukan tsuatu tportofolio tsaham tadalah untuk tmendapatkan treturn tekspektasi tyang tmaksimal tdengan ttingkat trisiko tertentu tatau tmendapatkan treturn tekspetasi ttertentu tdengan trisiko tyang minimal t(Darmitha & Purbawangsa, 2016).

Melakukan tinvestasi tdengan tmengkombinasikan tbeberapa tsaham meyebabkan tinvestor tdapat tmemperoleh treturn tyang toptimal tdan tdapat memperkecil trisiko, tkarena trisiko tyang tada ttersebar tke tbeberapa tsaham tdan tidak thanya tdi tsatu tsaham tsaja, tsehingga trisiko tyang tditanggung tinvestor tidak tterlalu tberat. tInvestor tyang tmemiliki tpemikiran tyang tlogis takan memilih tberinvestasi tdengan tmembentuk tsebuah tportofolio, thal ttersebut dikarenakan tportofolio tyang takan tdibentuk tinvestor tbergantung tpada tfungsi utilitas tdari tmasing–masing tsaham, tsehingga tnantinya tportofolio tyang takan dibentuk tmerupakan tportofolio tyang tsesuai tdengan tpreferensi tinvestor terhadap treturn tdan trisiko tyang takan tdihadapi (Farias et al., 2014).

Pembentukan tsuatu tportofolio tdapat tmenggunakan tbeberapa tmodel pendekatan tportofolio, tyaitu tModel tIndeks tTunggal tserta tModel tMarkowitz. Model tMarkowitz tdalam tanalisisnya tterbatas, thanya tdapat tdilakukan tpada portofolio tyang tterdiri tdari taset tyang tberisiko tsaja. tModel tMarkowitz memang tmembantu tuntuk tmenghitung treturn tharapan tdan trisiko tportofolio, tetapi tmodel tini tmemerlukan tperhitungan tkovarians tyang tterlalu tkompleks jika tdihadapkan tpada tbanyaknya tsekuritas t(Mary & Rathika, 2015). Portofolio Model tMarkowitz tyang tbegitu tkompleks tdalam tperhitungan tkovarians selanjutnya tdikembangkan toleh tWilliam tSharpe tdengan tmenciptakan tModel Indeks tTunggal. tKesederhanaan tdari tperhitungan tdalam tModel tIndeks Tunggal tinilah tyang tkemudian tmenjadi tsebab tinvetor tlebih tsering

mengguunakan tmodel tini tdibandingkan tdengan tModel tMarkowitz t(Mandal, 2014).

Para tinvestor tbiasanya tlebih tbanyak tmenggunakan tModel tIndeks Tunggal tdalam tmembentuk tsebuah tportofolio toptimal, tkarena tmodel tini dianggap tlebih tmudah tdan tmerupakan tpenyederhanaan tdari tModel Markowitz. Model tIndeks tTunggal tini tjuga tmembutuhkan tperhitungan tyang tlebih tsedikit dan tsangat tmemperhatikan tkeadaan tpasar tdari treturn tdan trisiko tyang diharapkan t(Ariasih & Mustanda, 2018)

Teori tMarkowitz tdidasari tbeberapa tkarakteristik: t(1) tperiode tinvestasi tunggal tmisalnya tsatu ttahun, t(2) ttidak tada tbiaya ttransaksi, t(3) tpreferensi investor thanya tberdasar tpada treturn tharapan tdan trisiko, t(4) tbelum memperhitungkan tkemungkinan tinvestor tuntuk tmelakukan tinvestasi tpada taset bebas trisiko, tdan t(5) tperhitungannya tkompleks tdan trumit. tKarakteristik tersebut ttidak tdijumpai tdalam tModel tIndeks tTunggal. tModel tIndeks tTunggal memiliki tkarakteristik tyang tmenghubungkan tperhitungan treturn tsetiap taset pada treturn tindeks tpasar, tAsumsi tyang tdipakai tdalam tmodel tini tadalah bahwa tsekuritas takan tberkorelasi thanya tjika tsekuritas-sekuritas ttersebut mempunyai trespon tyang tsama tterhadap tperubahan tpasar. tModel tini tdapat menyederhanakan tmodel tperhitungan tMarkowitz tyang tkompleks. tBerdasarkan karakteristik ttersebut tbahwa tdibandingkan tdengan tModel tMarkowitz, tModel Indeks tTunggal tlebih tsederhana tserta tmempertimbangkan taspek tpasar tdan aspek tkeunikan tperusahaan, toleh tsebab tModel tIndeks tTunggal tdipilih sebagai metode tdalam tpenelitian tini.

Model tIndeks tTunggal tjuga tmenunjukkan tadanya thubungan tantara sekuritas tdengan tperubahan tharga tpasar. tHal ttersebut tdapat tdilihat tketika kondisi tpasar tyang tditunjukkan toleh tindeks tpasar tmembaik tmaka tnilai tharga sahamnya takan tmeningkat, tbegitu tpula tsebaliknya tapabila tkondisi tpasar tsaat itu tmemburuk tmaka tnilai tharga tsaham tjuga takan tmenurun. tPortofolio optimal dengan tmenggunakan tModel tIndeks tTunggal tini tdidasarkan tpada tsebuah angka tyang tdapat tmenunjukan tapakah tbsuatu tsekuritas tdapat tdimasukkan tke dalam tportofolio toptimal tatau ttidak. tAngka ttersebut tadalah thasil tdari perhitungan tExcess tReturn tto tBeta t(ERB) tyang tmerupakan tselisih treturn ekspektasi tdengan treturn taktiva tbebas trisiko. tModel tIndeks tTunggal tjuga memerlukan tsebuah ttitik tpembatas t(cut-off tpoint) tuntuk tmemisahkan tsaham mana tsaja tyang takan tdimasukkan tke tdalam tportofolio toptimal t(Ramadhan et al., 2014). Mengetahui saham-saham tapa tsaja tyang tbisa tmembentuk tportofolio dapat tdilakukan tdengan tcara tmembandingkan tantara tnilai tcut-off tpoint t(Ci) dengan tERB, tapabila tnilai tERB tlebih ttinggi tdibandingkan tnilai tCi tmaka saham ttersebut tdapat tdimasukkan tke tdalam tkombinasi tsaham tuntuk tdapat membentuk tportofolio toptimal tdan tbegitu tpula tsebaliknya.

Penelitian tsebelumnya toleh Setyoningsih et al. (2015) yang meneliti pembentukan tportofolio toptimal tberdasarkan tModel tIndeks tTunggal, tdalam penelitiannya tmenunjukkan tdari tsaham tperusahaan tyang ttercatat tdalam Indeks Kompas 100 yang digunakan, terdapat 12 saham saja yang dapat membentuk sebuah portofolio optimal. Darmawan & Purnawati (2015) dalam penelitianya menunjukan hasil bahwa portofolio optimal hanya dapat dibentuk oleh tiga

perusahaan dari 22 perusahaan yang dianalisis. Hasil yang berbeda diperoleh Harun et al. (2015) yang menunjukan dari saham Indeks Kompas 100 selama periode pengamatan dari 2013 sampai 2014 di Bursa Efek Indonesia, terdapat Sembilan saham perusahaan saja yang dapat membentuk portofolio optimal.

Temuan lainnya diungkapkan oleh Utamayasa & Wiagustini (2016) dalam penelitiannya, yaitu terdapat dua saham perbankan yang bisa membentuk portofolio optimal dari 28 saham perbankan yang diteliti. Giri & Parhi (2017) dalam penelitiannya menganalisis 50 sekuritas dan menghasilkan lima saham yang dapat membentuk portofolio optimal dengan menggunakan Model Indeks Tunggal. Penelitian terbaru mengenai pembentukan portofolio optimal juga dilakukan oleh Widyasari (2017) yang menghasilkan pembentukan protofolio optimal dengan komposisi saham untuk indeks Kompas 100 sebanyak 13 saham.

Penelitian yang dilakukan oleh Arisandy et al. (2017) tentang analisis investasi portofolio saham pasar modal dengan Model Indeks Tunggal studi kasus di Indeks Kompas 100 periode 2013-2015 memperoleh perhitungan Model Indeks Tunggal dari 30 saham yag dianalisis, diperoleh 20 saham yang dapat membentuk portofolio optimal. Rahmadin et al. (2014) dalam penelitiannya yang berjudul Pembentukan Portofolio Optimal Saham Berdasarkan Model Indeks Tunggal (Studi Pada Saham Indeks LQ 45 Di BEI Tahun 2011-2013) terdapat enam saham yang dapat membentuk sebuah portofolio optimal. Penelitian selanjutnya oleh Tana (2016) menyatakan bahwa dari 28 saham anggota di Jakarta Islamic Index (JII) yang digunakan untuk pembentukan portofolio optimal, terdapat 11 saham yang dapat membentuk portofolio optimal.

Hamdani & Muhardi (2015) dalam penelitiannya pembentukan portofolio optimal pada Indeks Kompas 100 Periode 2013-2014 dari 100 sampel saham perusahaan terpilih terdapat 19 saham perusahaan yang membentuk komposisi portofolio optimal. Chintan (2015) meneliti tentang membentuk portofolio optimal di 15 saham BSE menggunakan Model Indeks Tunggal serta CAPM memperoleh hasil bahwa dari 15 saham yang digunakan, terdapat lima saham yang dapat membentuk sebuah portofolio optimal. Penelitian yang dilakukan oleh Lestari & Candraningrat (2014) menghasilkan lima saham anggota Indeks LQ 45 yang terpilih untuk membentuk portofolio optimal dengan pendekatan Model Indeks Tunggal.

Indeks Kompas 100 selain memiliki likuiditas yang tinggi, serta nilai kapitalisasi pasar yang besar, juga merupakan saham-saham yang memiliki fundamental dan kinerja yang baik. Hal ini tercermin dari kriteria-kriteria pemilihan saham Indeks Kompas 100 berdasarkan pengumuman Jakarta Stock Exchange, sekarang bernama Bursa Efek Indonesia (BEI), pada 10 Agustus 2007 sebagai berikut (Jakarta Stock Exchange, 2007) : 1) Saham yang masuk dalam perhitungan indeks akan dievaluasi setiap enam bulan sekali, yaitu setiap akhir Januari dan akhir Juli. 2) Telah tercatat di BEI minimal 3 bulan dan masuk dalam perhitungan IHSG. 3) Seleksi saham dimulai dengan seleksi likuiditas, dengan menggunakan data transaksi di Pasar Reguler selama 12 bulan terakhir. 4) Sebagai saringan akhir, BEJ mengevaluasi dan mempertimbangkan faktor-faktor fundamental dan pola perdagangan saham yang telah melewati saringan likuiditas. nilai transaksi, jumlah hari transaksi, banyaknya transaksi dan kapitalisasi pasar.

Saham-saham yang termasuk dalam Indeks Kompas 100 diperkirakan mewakili sekitar 70-80 persen dari total nilai kapitalisasi pasar seluruh saham yang tercatat di BEI, maka dengan demikian investor bisa melihat kecenderungan arah pergerakan indeks dengan mengamati pergerakan Indeks Kompas 100. Pergerakan indeks saham menunjukan dari harga saham-saham yang masuk kedalam kelompok Kompas 100. Semakin tinggi variasi pergerakan dari harga saham Kompas 100 semakin besar risiko yang ditanggung oleh investor.

Model Indeks Tunggal dikembangkan oleh William Sharpe. Model ini mengaitkan perhitungan return setiap aset pada return indeks pasar. Konsep Model Indeks Tunggal diciptakan oleh Sharpe yang berkeinginan untuk menyederhanakan perhitungan yang ada dalam Model Markowitz dengan menggunakan parameter input yang dibutuhkan dalam perhitungan Model Indeks Tunggal . Perhitungan return sekuritas dalam Model Indeks Tunggal melibatkan dua komponen utama yaitu Komponen return dengan keunikan perusahaan yang dilambangkan dengan alpha (α) dan Komponen return yang terkait dengan pasar dapat dilambangkan dengan simbol beta (β) Salah satu konsep penting dalam Model Indeks Tunggal adalah terminology beta (β). Nilai beta (β) merupakan ukuran kepekaan return sekuritas terhadap return pasar. Semakin besar β (beta) suatu sekuritas, semakin besar kepekaan return sekuritas tersebut terhadap perubahan return pasar. Teknik analisis portofolio optimal dengan Model Indeks Tunggal menyatakan bahwa return saham berfluktuasi searah dengan indeks harga pasar (Agmiviolya et al., 2014). Hal ini dapat dilihat bahwa kebanyakan saham cenderung mengalami kenaikan harga jika indeks harga naik dan sebaliknya, jika indeks harga turun maka saham akan mengalami penurunan harga (Qur’anitasari & Sulasmiyati, 2016)

Return-return dari sekuritas ini kemungkinan berkolerasi karena adanya gerakan umum di pasar saham terhadap perubahan - perubahan nilai pasar (Gopalakrishnan, 2014). Teknik awal dalam portofolio optimal Model Indeks Tunggal dilakukan dengan cara menghitung return-return saham individual, dilanjutkan dengan menghitung varian saham dan pasar. Langkah selanjutnya mencari nilai Excess Return to Beta (ERB) masing-masing saham dan menyusun peringkat ERB dari yang terbesar hingga ke yang terendah. Setelah itu dilanjutkan dengan menghitung nilai cut-off rate (Ci) dan membandingkan dengan nilai ERB. Apabila hasil perhitungan ERB ≥ Ci, maka saham tersebut dapat dimasukkan kedalam portofolio optimal. Sedangkan apabila ERB < Ci maka saham tersebut belum tergolong saham yang dapat dibentuk portofolio optimal.

METODE PENELITIAN

Penelitian tini tmerupakan tpenelitian tdengan tmenggunakan tpendekatan kuantitatif tyang tberbentuk tdeskriptif. tBertujuan tuntuk tmengetahui tsaham-saham yang tlayak tuntuk tdimasukan tke tdalam tpenentuan tportofolio toptimal dengan tmenggunakan tmodel tModel tIndeks tTunggal tperiode tAgustus t2016 t-Januari t2019 tyang tterdaftar tdalam tIndeks tKompas t100 tdi tBursa tEfek Indonesia. tPenelitian tini tdilakukan tpada tperusahaan-perusahaan tyang sahamnya ttercatat tdalam tBursa tEfek tIndonesia t(BEI) tdan tmasuk tke tdalam Indeks tKompas t100 tserta taktif tdiperdagangkan tselama tperiode tAgustus t2016

• -    tJanuari t2019. tObyek tpada tpenelitian tini tadalah tsaham tIndeks tKompas t100 periode tAgustus t2016 t- tJanuari t2019. tVariabel tyang takan tdigunakan tdalam judul tpenelitian tini tmeliputi texpected treturn tportofolio tdan trisiko tportofolio.

Expected treturn tportofolio tmerupakan trata-rata ttertimbang tdari treturn-return tekspektasi tmasing-masing tsaham tdi tdalam tportofolio. tDihitung tdengan mengalikan texpected treturn tmasing-masing tsaham tdengan tbobot tatau proporsi saham tdalam tportofolio. t tExpected treturn tdapat tdihitung tdengan tpersamaan berikut.

• < /■..' = ∑=-^^-(^....................................................................(1)

Keterangan:

= Expected treturn tdari tportofolio

= Porsi tdari tsaham ti tterhadap tseluruh tsaham tdi tportofolio

■. ( ■ ..) = Expectedlreturn dari saham ke-i

= Jumlah tsaham tyang tada tdalam tportofolio

Risiko portofolio adalah penjumlahan dari standar deviasi dan kovarian sesuai dengan proporsi masing-masing saham di dalamnya. Maka risiko ini dapat dituliskan dalam bentuk perkalian matrik antar matrik kovarian dengan matrik proporsi masing-masing saham indeks kompas 100 periode Agustus 2016 - Januari 2019. Risiko portofolio dapat dihitung sebagai berikut.

• - ∙.∙ = .• •••■•: +Q. :'■■. "-)' •.............................................................⁽²⁾

Keterangan:

= Risiko tsekuritas

= beta tsekuritas

= kuadrat tVarians treturn tpasar

= Bobot tatau tproporsi tsekuritas tke-i

= varian tdari tkesalahan tresidu tsekuritas tke-i

Jenis data yang digunakan dalam penelitian ini merupakan data kuantitatif dan data kualitatif. Data kuantitatif untuk penelitian ini terdiri atas: data closing price saham (harga saham penutupan), data Indeks Kompas 100, data tingkat suku bunga SBI. Data kualitatif yang digunakan dalam penelitian ini berupa data nama perusahaan yang terdapat di Indeks Kompas 100 Sumber data yang digunakan dalam penelitian ini adalah sumber data sekunder. Penelitian ini tidak secara langsung mengambil data sendiri tetapi meneliti dan memanfaatkan data dokumen yang dihasilkan oleh pihak-pihak lain. Sumber data dalam penelitian ini adalah Data harga saham penutupan bulanan dalam Indeks Kompas 100 periode Agustus 2016 - Januari 2019, data Indeks Kompas 100 di Bursa Efek Indonesia yang dapat diakses pada situs www.idx.co.id dan pada yahoo finance di situs finance.yahoo.com. dan Data suku bunga SBI yang dapat diakses melalui situs www.bi.go.id

Populasi penelitian ini adalah semua saham perusahaan yang tercatat di Bursa Efek Indonesia dan konsisten terdaftar ke dalam Indeks Kompas 100 selama periode Agustus 2016 - Januari 2019 yang berjumlah 77 saham. Sampel yang digunakan dalam penelitian ini diambil dengan metode slovin sehingga jumlah sampel yang didapat adalah 65 saham. Metode pengumpulan data menggunakan metode observasi nonpartisipan. Data saham yang merupakan anggota dari Indeks

Kompas 100 periode Agustus 2016 - Januari 2019 didapat melalui www. idx.co.id. Harga penutupan saham perusahaan setiap bulan didapat melalui www.finance.yahoo.com. Data suku bunga SBI yang dapat diakses melalui situs www.bi.go.id

HASIL DAN PEMBAHASAN

Tahap tpertama tadalah tmenghitung tmasing-masing treturn tsaham (realisasi tmaupun tekspetasi) tyang ttergabung tdalam tindeks tKompas 100 periode tAgustus t2016–Januari t2019 tdan tjuga tdigunakan tsebagai tsampel penelitian. tBerdasarkan tTabel t1, tdapat dilihat bahwa treturn tekspetasi ttertinggi tdiraih toleh tsaham tBumi tResources Tbk. (BUMI), tsedangkan tnilai treturn tterkecil tdiperoleh toleh tsaham tLippo Karawaci tTbk. t(LPKR).

Tabel 1.

Return Realisasi dan Return Ekspetasi Saham Indeks Kompas 100 Periode Agustus 2016–Januari 2019

No	Kode Saham	∑Rit (%)	E(Ri) (%)
1	AALI	-0.0751	-0.0026
2	ACES	0.62052	0.0214
3	ADHI	-0.3021	-0.0104
4	ADRO	0.34544	0.01191
5	AKRA	-0.1312	-0.0045
6	ANTM	0.54133	0.01867
7	ASII	0.0737	0.0025
8	ASRI	-0.22252	-0.00767
9	BBCA	0.6667	0.023
10	BBNI	0.52403	0.01807
11	BBRI	0.56047	0.01933
12	BBTN	0.48895	0.01686
13	BDMN	0.9593	0.0331
14	BEST	0.0038	0.00013
15	BHIT	-0.4587	-0.0158
16	BJBR	0.9623	0.03318
17	BJTM	0.31383	0.01082
18	BKSL	0.638	0.022
20	BMTR	-0.51531	-0.01777
21	BSDE	-0.3879	-0.0134
22	BUMI	2.75658	0.09505
23	CPIN	0.80976	0.02792
24	CTRA	-0.3424	-0.0118
25	DOID	1.7645	0.06084
26	ELSA	-0.1535	-0.0053
27	GGRM	0.31637	0.01091
28	GJTL	-0.4559	-0.0157
29	HMSP	0.0123	0.0004
30	ICBP	0.10251	0.00353
31	INCO	0.6911	0.0238
32	INDF	0.0219	0.00076
33	INDY	1.69561	0.05847
34	INTP	0.27381	0.00944

Lanjutan Tabel 1.

No	Kode Saham	∑Rit (%)	E(Ri) (%)
35	ISAT	-0.5275	-0.0182
36	ITMG	1.00487	0.03465
37	JPFA	0.7452	0.0257
38	JSMR	0.09857	0.0034
39	KAEF	0.2511	0.00866
40	KLBF	-0.0698	-0.0024
41	LINK	0.056	0.0019
42	LPKR	-1.22581	-0.04227
44	MAPI	0.8851	0.0305
45	MEDC	1.75478	0.06051
46	MIKA	-0.5213	-0.018
47	MNCN	-0.63678	-0.02196
48	PBRX	0.39609	0.01366
49	PGAS	0.104	0.0036
50	PNBN	0.63553	0.02191
51	PPRO	0.1395	0.0048
52	PTPP	-0.3116	-0.0107
53	PWON	0.18123	0.00625
54	SCMA	-0.35976	-0.01241
55	SMBR	0.5179	0.0179
56	SMGR	0.3987	0.01375
57	SMRA	-0.2915	-0.0101
58	TARA	0.3108	0.0107
59	TBIG	0.03163	0.00109
60	TINS	0.88449	0.0305
61	UNTR	0.4117	0.0142
62	UNVR	0.13288	0.00458
63	WIKA	-0.2127	-0.0073
64	WSKT	-0.17762	-0.00612
65	WTON	-0.7146	-0.0246

Sumber : Data Diolah, 2019

Tahap tkedua tyaitu tmenghitung tnilai treturn trealisasi tpasar tdan treturn ekspetasi tpasar. tHasil tperhitungan treturn trealisasi tdan tekspetasi tpasar tdapat dilihat tpada tTabel t2. tBerdasarkan thasil tperhitungan, return tekspetasi tdan trisiko tpasar tindeks tKompas t100, tdapat dilihat treturn trealisasi tpasar tyang tdiperoleh tpada tperiode Agustus 2016-Januari t2019 tsebesar t0.1673 tpersen, treturn trealisasi tpasar tsebesar 0.0058 tpersen tdan trisiko tpasar t0.00121 tpersen

Tabel 2.

Return Realisasi, Return Ekspetasi dan Risiko Pasar Indeks Kompas 100

	Periode Agustus 2016-Januari 2019
NO BULAN	Indeks Kompas 100 TAHUN Indeks Saham Rm (Rm - E(Rm)) (Rm - E(Rm))²
1 Agustus 2 September	2016       1158.600 2016       1152.620     -0.0052      -0.0109        0.00012

Bersambung…

Lanjutan Tabel 2

NO	BULAN	TAHUN	Indekes Kompas 100
			Indeks Saham	Rm	(Rm -E(Rm))	(Rm-E(Rm))²
3	Oktober	2016	1160.470	0.0068	0.0010	0.00000
4	November	2016	1082.210	-0.0674	-0.0732	0.00536
5	Desember	2016	1116.640	0.0318	0.0260	0.00068
6	Januari	2017	1109.500	-0.0064	-0.0122	0.00015
7	Februari	2017	1133.380	0.0215	0.0158	0.00025
8	Maret	2017	1169.940	0.0323	0.0265	0.00070
9	April	2017	1194.320	0.0208	0.0151	0.00023
10	Mei	2017	1208.180	0.0116	0.0058	0.00003
11	Juni	2017	1226.470	0.0151	0.0094	0.00009
12	Juli	2017	1223.510	-0.0024	-0.0082	0.00007
13	Agustus	2017	1224.960	0.0012	-0.0046	0.00002
14	September	2017	1228.410	0.0028	-0.0030	0.00001
15	Oktober	2017	1247.180	0.0153	0.0095	0.00009
16	November	2017	1240.200	-0.0056	-0.0114	0.00013
17	Desember	2017	1343.420	0.0832	0.0775	0.00600
18	Januari	2018	1396.850	0.0398	0.0340	0.00116
19	Februari	2018	1394.610	-0.0016	-0.0074	0.00005
20	Maret	2018	1286.660	-0.0774	-0.0832	0.00692
21	April	2018	1233.180	-0.0416	-0.0473	0.00224
22	Mei	2018	1228.090	-0.0041	-0.0099	0.00010
23	Juni	2018	1174.430	-0.0437	-0.0495	0.00245
24	Juli	2018	1208.610	0.0291	0.0233	0.00054
25	Agustus	2018	1226.640	0.0149	0.0091	0.00008
26	September	2018	1216.390	-0.0084	-0.0141	0.00020
27	Oktober	2018	1178.040	-0.0315	-0.0373	0.00139
29	Desember	2018	1258.170	0.0200	0.0142	0.00020
30	Januari	2019	1345.290	0.0692	0.0635	0.00403
		Total		0.1673	Total	0.03499
					Variance
		E(Rm)		0.0058	Pasar	0.00121
					(σM2)
Sumber :	Data Diolah, 2019

Tahap tKeempat tdilakukan tdengan tcara tmenetukan tperingkat tsaham berdasarkan tnilai tExcess tReturn tto tBeta t(ERB). tMenghitung tERB tdapat dilakukan tdengan tmengurangi texpected treturn tmasing-masing tsaham tdengan tingkat tbunga tbebas trisiko, tyang tnantinya tmendapatkan thasil tyang tdibagi dengan tbeta tsaham tyang tdihitung.

Tabel 3.

Expected Return dan Excess Return to Beta Masing-Masing SahamIndeks Kompas 100 Periode Agustus 2016 – Januari 2019

NO	KODE SAHAM	NAMA SAHAM	E(Ri)	ER β(i)
1	AALI	Astra Agro Lestari Tbk.	-0.0751	-1.0202
2	ACES	Ace Hardware Indonesia Tbk.	0.6205	0.3107
3	ADHI	Adhi Karya (Persero) Tbk.	-0.3021	-0.3713
4	ADRO	Adaro Energy Tbk.	0.3454	-0.0648
5	AKRA	Akr Korporindo Tbk.	-0.1312	-0.4564
6	ANTM	Aneka Tambang (Persero) Tbk.	0.5413	0.1409
7	ASII	Astra International Tbk.	0.0737	-0.3648
8	ASRI	Alam Sutera Realty Tbk.	-0.2225	-0.5950
9	BBCA	Bank Central Asia Tbk.	0.6667	0.2544
10	BBNI	Bank Negara Indonesia (Persero) Tbk.	0.5240	0.0741
11	BBRI	Bank Rakyat Indonesia (Persero) Tbk.	0.5605	0.1105
12	BBTN	Bank Tabungan Negara Persero Tbk.	0.4890	0.0467
13	BDMN	Bank Danamon Indonesia Tbk.	0.9593	0.3623
14	BEST	Bekasi Fajar Industrial Estate Tbk.	0.0038	-0.2436
15	BHIT	Mnc Investama Tbk.	-0.4587	-0.7901
16	BJBR	Bank Pembangunan Jawa Barat Dan Banten Tbk.	0.9623	0.3483
17	BJTM	Bank Pembangunan Jawa Timur Tbk	0.3138	-0.1009
18	BKSL	Sentul City Tbk.	0.6380	0.3385
19	BMRI	Bank Mandiri (Persero) Tbk.	0.3184	-0.0953
20	BMTR	Global Mediacom Tbk.	-0.5153	-0.4672
21	BSDE	Bumi Serpong Damai Tbk.	-0.3879	-0.6309
22	BUMI	Bumi Resources Tbk.	2.7566	2.9194
23	CPIN	Charoen Pokphand Indonesia Tbk.	0.8098	0.4552
24	CTRA	Ciputra Development Tbk.	-0.3424	-0.8405
25	DOID	Delta Dunia Makmur Tbk.	1.7645	0.9884
26	ELSA	Elnusa Tbk.	-0.1535	-0.8682
27	GGRM	Gudang Garam Tbk.	0.3164	-0.0976
28	GJTL	Gajah Tunggal Tbk.	-0.4559	-0.6186
29	HMSP	H. M. Sampoerna Tbk.	0.0123	-0.3236
30	ICBP	Indofood Cbp Sukses Makmur Tbk.	0.1025	-0.5240
31	INCO	Vale Indonesia Tbk.	0.6911	0.6149
32	INDF	Indofood Sukses Makmur Indonesia	0.0219	-0.4395
33	INDY	Indika Energy Tbk.	1.6956	0.9169
34	INTP	Indocement Tunggal Perkasa Tbk.	0.2738	-0.0730

Lanjutan Tabel 3.

NO	KODE SAHAM	NAMA SAHAM	E(Ri)	ER β(i)
35	ISAT	Indosat Tbk.	-0.5275	-0.4822
36	ITMG	Indo Tambangraya Megah Tbk.	1.0049	0.4167
37	JPFA	Japfa Comfeed Indonesia Tbk.	0.7452	0.2972
38	JSMR	Jasa Marga (Persero) Tbk.	0.0986	-0.2663
39	KAEF	Kimia Farma (Persero) Tbk	0.2511	-0.2222
40	KLBF	Kalbe Farma Tbk.	-0.0698	-0.4434
41	LINK	Link Net Tbk.	0.0560	-0.7079
42	LPKR	Lippo Karawaci Tbk.	-1.2258	-1.6880
43	LPPF	Matahari Department Store Tbk.	-0.8230	-0.9523
44	MAPI	Mitra Adiperkasa Tbk.	0.8851	1.1451
45	MEDC	Medco Energi Internasional Tbk.	1.7548	0.5602
46	MIKA	Mitra Keluarga Karyasehat Tbk.	-0.5213	-1.5567
47	MNCN	Media Nusantara Citra Tbk.	-0.6368	-0.5676
48	PBRX	Pan Brothers Tbk.	0.3961	-0.0166
49	PGAS	Perusahaan Gas Negara (Persero) Tbk.	0.1040	-0.2333
50	PNBN	Bank Pan Indonesia Tbk.	0.6355	0.2129
51	PPRO	Pp Property Tbk.	0.1395	-0.2873
52	PTPP	Pp (Persero) Tbk.	-0.3116	-0.3246
53	PWON	Pakuwon Jati Tbk.	0.1812	-0.2157
54	SCMA	Surya Citra Media Tbk.	-0.3598	-0.5262
55	SMBR	Semen Baturaja (Persero) Tbk.	0.5179	0.1043
56	SMGR	Semen Indonesia (Persero) Tbk.	0.3987	-0.0043
57	SMRA	Summarecon Agung Tbk.	-0.2915	-0.3214
58	TARA	Sitara Propertindo Tbk.	0.3108	-0.2246
59	TBIG	Tower Bersama Infrastructure Tbk.	0.0316	-0.2947
60	TINS	Timah (Persero) Tbk.	0.8845	0.3469
61	UNTR	United Tractors Tbk.	0.4117	0.0108
62	UNVR	Unilever Indonesia Tbk.	0.1329	-0.2865
63	WIKA	Wijaya Karya (Persero) Tbk.	-0.2127	-0.3510
64	WSKT	Waskita Karya (Persero) Tbk.	-0.1776	-0.3092
65	WTON	Wijaya Karya Beton Tbk.	-0.7146	-0.9549

Sumber : Data Diolah, 2019

Saham tyang tmemiliki tnilai ERB yang tpaling ttinggi tadalah tsaham tBumi tResources tTbk. t(BUMI) tdengan nilai ERB tsebesar t0.1130, tsedangkan tERB tdengan tnilai tyang tterkecil tsebesar -0.0479 tyang tdiperoleh toleh tsaham tLippo tKarawaci tTbk. t(LPKR). Tahap tkelima, tdilakukan tdengan tcara tmencari ttitik tpembatas tyang digunakan tuntuk tmenentukan tsaham tmana tsaja tyang tdapat tdipilih tuntuk memebentuk tsebuah tportofolio toptimal tatau ttidak. tMencari ttitik

pembatas dapat tdilakukan tdengan tmenghitung tnilai tCi. Nilai tCi tyang diperoleh tdapat tditentukan mana tyang takan tmenjadi ttitik tpembatas tuntuk menentukan tnilai tCut OffPoint (C*). tnilai tCut tOffPoint t(C*) tini tdipilih melalui tnilai tCi tyang tterbesar.. tNilai tdari tCut-Off Rate tyang tterbesar takan menjadi tpembatas tsaham tmana tsaja tyang membentuk tdapat tportofolio optimal t(Cut-Off tPoint) tadalah tSaham tAneka Tambang t(Persero) tTbk. (ANTM) tdengan tnilai tsebesar t0.015237267.

Tabel 4.

Cut-Off Rate dan Cut-Off Point Saham Indeks Kompas 100 Periode Agustus 2016-Januari 2019

No	Nama Saham	ER β(i)	σei2	Σ⅛ J-J	J-J	Ci	C*
1	BUMI	0.1130	0.225328	0.3251	2.8759	0.000390894
2	MAPI	0.0633	0.006847	1.9402	28.3949	0.002263674
3	INCO	0.0427	0.022787	2.3419	37.8024	0.002702627
4	DOID	0.0413	0.075315	3.3778	62.8689	0.003788459
5	INDY	0.0387	0.040861	5.2498	111.2480	0.005585028
6	CPIN	0.0269	0.007628	8.0208	214.1524	0.007691022
7	BKSL	0.0262	0.032320	8.4004	228.6280	0.007944709
8	ACES	0.0252	0.005675	10.5049	312.2853	0.009206627
9	MEDC	0.0235	0.048635	13.2984	431.4094	0.010553131
10	ITMG	0.0213	0.020877	15.4022	530.1826	0.011334241
11	UNTR	0.0209	0.006457	16.1632	566.6145	0.01158369
12	TINS	0.0192	0.032581	17.2813	624.8973	0.011888414
13	BDMN	0.0190	0.008517	22.4798	898.2993	0.013016433
14	JPFA	0.0190	0.013477	24.3097	994.7334	0.013331589
15	BBCA	0.0185	0.001068	42.4369	1974.6456	0.015137804
16	BJBR	0.0182	0.061858	43.1882	2015.8242	0.015182777
17	PNBN	0.0166	0.012583	44.7146	2107.8341	0.015226857
18	TARA	0.0156	0.002881	45.6981	2170.8169	0.015235008
19	PBRX	0.0154	0.007715	46.4753	2221.4478	0.015236922
20	ANTM	0.0153	0.018241	47.2414	2271.6573	0.015237267	C*
21	SMBR	0.0129	0.036744	47.6423	2302.7001	0.015214243
22	BBRI	0.0109	0.001478	62.0405	3617.7864	0.013952619
23	BBNI	0.0088	0.003104	69.2012	4429.1885	0.013161336
24	ADRO	0.0083	0.010229	69.9239	4515.9376	0.013082927
25	BMRI	0.0075	0.001354	74.6434	5146.5316	0.012492075
26	GGRM	0.0074	0.002873	76.8426	5443.0862	0.012252057
27	BJTM	0.0074	0.006145	77.8522	5580.2296	0.012147395
28	BBTN	0.0072	0.008634	80.4724	5942.2594	0.011884876

Lanjutan Tabel 4.

No	Kode Saham	ER β(i)	σei2	J-I	J-I	Ci	C*
29	KAEF	0.0066	0.018544	80.6455	5968.6070	0.011864284
30	SMGR	0.0054	0.007447	82.9783	6400.7658	0.011477741
31	INTP	0.0030	0.009083	84.0539	6764.2274	0.011069984
32	PWON	0.0021	0.005458	84.4719	6963.9316	0.010839925
33	PPRO	0.0008	0.029401	84.4954	6993.2853	0.010802261
34	UNVR	0.0005	0.001873	84.7593	7480.1836	0.010201014
35	PGAS	-0.0004	0.018727	84.7263	7569.8750	0.010088142
36	JSMR	-0.0006	0.004479	84.5545	7868.2106	0.009722332
37	ICBP	-0.0009	0.001394	84.3342	8109.4803	0.009435248
38	ASII	-0.0017	0.001623	83.4785	8621.9655	0.008833056
39	TBIG	-0.0023	0.009878	83.0956	8785.7587	0.008642746
40	BEST	-0.0024	0.013453	82.6123	8988.8605	0.008414722
41	HMSP	-0.0030	0.001673	79.9606	9875.8100	0.007469786
42	INDF	-0.0038	0.002216	78.6541	10221.2692	0.007118022
43	LINK	-0.0043	0.005150	78.4492	10268.8483	0.007069036
44	WSKT	-0.0054	0.007589	75.9129	10739.0563	0.00656244
45	KLBF	-0.0060	0.001711	71.8508	11413.3834	0.005869152
46	WIKA	-0.0065	0.014846	70.4965	11622.9832	0.00566159
47	SMRA	-0.0065	0.011256	67.7724	12042.0855	0.005265585
48	PTPP	-0.0067	0.013269	65.3035	12410.8396	0.004932446
49	AKRA	-0.0073	0.006069	63.6368	12639.4755	0.004724966
50	ADHI	-0.0076	0.009732	60.7979	13013.5432	0.004392187
51	BMTR	-0.0111	0.022206	58.8579	13188.8458	0.004198864
52	ASRI	-0.0111	0.005999	56.7897	13375.0947	0.003998197
53	SCMA	-0.0113	0.005353	52.3103	13771.0909	0.00358294
54	ISAT	-0.0115	0.018785	50.0156	13970.8219	0.003379536
55	BSDE	-0.0139	0.004254	44.8544	14343.4348	0.002956362
56	AALI	-0.0141	0.006009	44.3318	14380.5079	0.002914795
57	MNCN	-0.0142	0.008000	38.3528	14802.8112	0.002453554
58	GJTL	-0.0142	0.010055	35.6098	14996.0651	0.002250253
59	ELSA	-0.0145	0.011172	35.0695	15033.3024	0.00221091
60	CTRA	-0.0178	0.007527	33.1908	15138.7691	0.002078648
61	BHIT	-0.0182	0.012799	31.4898	15232.4504	0.001960619
62	WTON	-0.0245	0.007890	27.2186	15407.1308	0.001676448
63	LPPF	-0.0251	0.012547	23.8804	15539.9689	0.001458904
64	MIKA	-0.0370	0.005734	21.5893	15601.9193	0.001313967
65	LPKR	-0.0479	0.006506	14.7030	15745.6399	0.000887091

Sumber : Data Diolah, 2019

Tahap tKeenam tyaitu tmenentukan tkandidat tsaham-saham tyang tmenjadi sampel tpenelitian tyang takan tdijadikan tportofolio toptimal tdengan membandingkan tnilai tERB tdengan tnilai tC*, tyang tdimana tuntuk tmenjadikan saham-saham tpada tsampel tmenjadi tportofolio toptimal tERB≥C*.

Tabel 5.

Saham-Saham Indeks Kompas 100 yang Dapat Membentuk Portofolio Optimal Periode Agustus 2016-Januari 2019

No	Kode Saham	ER β(i)	Ci	Keterangan
1	BUMI	0.1130	0.000390894	Kandidat
2	MAPI	0.0633	0.002263674	Kandidat
3	INCO	0.0427	0.002702627	Kandidat
4	DOID	0.0413	0.003788459	Kandidat
5	INDY	0.0387	0.005585028	Kandidat
6	CPIN	0.0269	0.007691022	Kandidat
7	BKSL	0.0262	0.007944709	Kandidat
8	ACES	0.0252	0.009206627	Kandidat
9	MEDC	0.0235	0.010553131	Kandidat
10	ITMG	0.0213	0.011334241	Kandidat
11	UNTR	0.0209	0.01158369	Kandidat
12	TINS	0.0192	0.011888414	Kandidat
13	BDMN	0.0190	0.013016433	Kandidat
14	JPFA	0.0190	0.013331589	Kandidat
15	BBCA	0.0185	0.015137804	Kandidat
16	BJBR	0.0182	0.015182777	Kandidat
17	PNBN	0.0166	0.015226857	Kandidat
18	TARA	0.0156	0.015235008	Kandidat
19	PBRX	0.0154	0.015236922	Kandidat
20	ANTM	0.0153	0.015237267	Kandidat

Sumber : Data Diolah, 2019

Berdasarkan tTabel t5. tdapat tdilihat tbahwa tterdapat tbeberapa tsaham tyang memiliki tnilai tERB tlebih tbesar tdibandingkan tnilai tC*, tsaham-saham ttersebut adalah tBumi tResources tTbk. t(BUMI), tMitra tAdiperkasa tTbk. t(MAPI), tVale Indonesia tTbk. t(INCO), tDelta tDunia tMakmur tTbk. t(DOID), tIndika tEnergy Tbk.t(INDY), tCharoent Pokphandt IndonesiatTbk.t(CPIN),tSentultCity tTbk. (BKSL), tAce tHardware tIndonesia tTbk. t(ACES), tMedco tEnergi tInternasional Tbk. t(MEDC), tIndo tTambangraya tMegah tTbk. t(ITMG), tUnited tTractors Tbk. (UNTR), tTimah t(Persero) tTbk. t(TINS), tBank tDanamon tIndonesia tTbk. (BDMN), tJapfa tComfeed tIndonesia tTbk. t(JPFA), tBank tCentral tAsia tTbk. (BBCA), tBank tPembangunan tJawa tBarat tDan tBanten tTbk. t(BJBR), tBank Pan tIndonesia tTbk. t(PNBN), tSitara tPropertindo tTbk. t(TARA), tPan tBrothers Tbk. t(PBRX), tAneka tTambang

t(Persero) tTbk. t(ANTM). tSaham-saham tinilah yang tbisa tdimasukkan tuntuk tdapat tmembentuk tsebuah tportofolio toptimal.

Setelah tmengetahui tsaham-saham tapa tsaja tyang tdapat tmembentuk portofolio toptimal, tselanjutnya tdilakukan tperhitungan tproporsi tdana t(Wi) tdari saham-saham tyang tbisa tmembentuk tportofolio toptimal. tProporsi tdana t(Wi) dapat dihitung dengan cara membagi Zi dengan total Zi (∑ Zi). Zi ini dapat diperoleh dengan membagi beta (β) dengan varian residu (σ²ei) kemudian dikalikan dengan selisih excess treturn tto tbeta dengan cut-off tpoint (Ci). Hasil perhi ungan proporsi dana masing-masing saham adalah sebagai beriku .

Tabel 6.

Proporsi Dana Portofolio Optimal Saham Indeks Kompas 100 Periode Agustus 2016-Januari 2019

NO	KODE SAHAM	Zi	Wi
1	BUMI	0.3494	2.55%
2	MAPI	2.9338	21.40%
3	INCO	0.5579	4.07%
4	DOID	0.4759	3.47%
5	INDY	0.8071	5.89%
6	CPIN	1.3578	9.90%
7	BKSL	0.2325	1.70%
8	ACES	1.2043	8.78%
9	MEDC	0.4065	2.96%
10	ITMG	0.4170	3.04%
11	UNTR	0.4245	3.10%
12	TINS	0.1669	1.22%
13	BDMN	0.6766	4.94%
14	JPFA	0.3162	2.31%
15	BBCA	3.1242	22.79%
16	BJBR	0.0776	0.57%
17	PNBN	0.1156	0.84%
18	TARA	0.0559	0.41%
19	PBRX	0.0092	0.07%
20	ANTM	0.0011	0.01%
Sumber : Da a Diolah, 2019
	Berdasarkan Tabel	6. dapa diliha bahwa	proporsi dana yang

disumbangkan masing-masing saham yang dapa memben uk por ofolio op imal yai u, BUMI sebesar 2.55 persen, MAPI sebesar 21.40 persen, INCO sebesar 4.07 persen, DOID sebesar 3.47 persen, INDY sebesar 5.89 persen, CPIN sebesar 9.90 persen, BKSL sebesar 1.70 persen, ACES sebesar 8.78 persen, MEDC sebesar 2.96 persen, ITMG sebesar 3.04 persen, UNTR sebesar 3.10 persen, TINS sebesar 1.22 persen, BDMN sebesar 4.94 persen,

JPFA tsebesar t2.31 tpersen, tBBCA tsebesar t22.79 tpersen, tBJBR tsebesar t0.57 persen, tPNBN tsebesar t0.84 tpersen, tTARA tsebesar t0.41 tpersen, tPBRX sebesar t0.07 tpersen, tdan tANTM tsebesar t0.01 tpersen.

Tahap tterakhir tyaitu tmenghitung tbesarnya treturn tekspetasi tportofolio dan trisiko tportofolio. tReturn tekspetasi tportofolio tdapat tdihitung tdengan tcara menjumlahkan talpa tdengan thasil tkali tdari tbeta tdan treturn tmarket t(return pasar), tsedangkan trisiko tportofolio tdapat tdihitung tdengan tcara tmenjumlahkan risiko tsistematik tportofolio tdengan trisiko tunik tportofolio. tBerikut tmerupakan hasil tperhitungan texpected treturn tportofolio tdan trisiko tportofolio.

Tabel 7.

Expected Return Portofolio dan Risiko Portofolio Saham Indeks Kompas 100 Periode Agustus 2016-Januari 2019

NO	Kode Saham	E(Rp) Ekspekted Return	σp2 (Risiko)
1	BUMI	0.002422	0.00014683
2	MAPI	0.006531	0.00032318
3	INCO	0.000970	0.00003816
4	DOID	0.002112	0.00009350
5	INDY	0.003442	0.00014989
6	CPIN	0.002765	0.00008412
7	BKSL	0.000373	0.00000945
8	ACES	0.001880	0.00004821
9	MEDC	0.001794	0.00004890
10	ITMG	0.001054	0.00002161
11	UNTR	0.000439	0.00000646
12	TINS	0.000371	0.00000517
13	BDMN	0.001633	0.00002759
14	JPFA	0.000593	0.00000800
15	BBCA	0.005239	0.00012103
16	BJBR	0.000188	0.00000208
17	PNBN	0.000185	0.00000099
18	TARA	0.000044	0.00000005
19	PBRX	0.000009	0.00000000
20	ANTM	0.000001	0.00000000
	Total	0.032045	0.001135

Sumber : Data Diolah, 2019

Dilihat tdari tTabel t7. tportofolio toptimal tyang tdibentuk toleh tbeberapa saham tIndeks tKompas t100 tantara tlain tBUMI, tMAPI, tINCO, tDOID, tINDY, CPIN, tBKSL, tACES, tMEDC, tITMG, tUNTR, tTINS, tBDMN, tJPFA, tBBCA, BJBR, tPNBN, tTARA, tPBRX, tdan tANTM tmemperoleh texpected treturn portofolio tsebesar t3.20 tpersen, tsedangkan trisiko tportofolio tyang kemungkinan akan tdiperoleh tyaitu tsebesar t0,11 tpersen.

Berdasarkan thasil tperhitungan tportofolio toptimal tyang ttelah tdilakukan menggunakan tpendekatan tmodel tindeks ttunggal tsebelumnya tdidapatkan thasil bahwa tdari t65 tsaham tyang ttergabung tdan tdigunakan tsebagai tsampel penelitian tdalam tIndeks tKompas t100 tperiode tAgustus t2016-Januari t2019 terdapat t20 tsaham t tyang tdapat tmembentuk tsebuah tportofolio toptimal, saham-saham ttersebut tantara tlain tBumi tResources tTbk. t(BUMI), tMitra tAdiperkasa Tbk. t(MAPI), tVale tIndonesia tTbk. t(INCO), tDelta tDunia tMakmur tTbk. (DOID), tIndika tEnergy tTbk. t t(INDY), tCharoen tPokphand tIndonesia tTbk. (CPIN), tSentul tCity tTbk. t(BKSL), tAce tHardware tIndonesia tTbk. t(ACES), Medco tEnergi tInternasional tTbk. t(MEDC), tIndo tTambangraya tMegah tTbk. (ITMG), tUnited tTractors tTbk. t(UNTR), tTimah t(Persero) tTbk. t(TINS), tBank Danamon tIndonesia tTbk. t(BDMN), tJapfa tComfeed tIndonesia tTbk. t(JPFA), Bank tCentral tAsia tTbk. t(BBCA), tBank tPembangunan tJawa tBarat tDan Banten tTbk. t(BJBR), tBank tPan tIndonesia tTbk. t(PNBN), tSitara tPropertindo Tbk. t(TARA), tPan tBrothers tTbk. t(PBRX), tAneka tTambang t(Persero) tTbk. (ANTM).

Proporsi tdana tsaham tyang tdapat tmembentuk tportofolio toptimal tdapat dilihat tpada tGambar 1.

Gambar 1. Proporsi Dana Masing-Masing Saham Pembentuk Portofolio Optimal

Sumber : Data Diolah, 2019

Gambar t1. tmenunjukkan tbesarnya tproporsi tdana tyang tdisumbangkan oleh tmasing-masing tsaham tuntuk tdapat tmembentuk tportofolio toptimal, tantara lain: tBUMI tsebesar t2.55 tpersen, tMAPI tsebesar t21.40 tpersen, tINCO tsebesar 4.07 tpersen, tDOID tsebesar t3.47 tpersen, tINDY tsebesar t5.89 tpersen, tCPIN sebesar t9.90 tpersen, tBKSL tsebesar t1.70 tpersen, tACES tsebesar t8.78 tpersen, MEDC tsebesar t2.96 tpersen, tITMG tsebesar t3.04 tpersen, tUNTR tsebesar t3.10 persen, tTINS tsebesar t1.22 tpersen, tBDMN tsebesar t4.94 tpersen, tJPFA tsebesar

2.31 tpersen, tBBCA tsebesar t22.79 tpersen, tBJBR tsebesar t0.57 tpersen, tPNBN sebesar t0.84 tpersen, tTARA tsebesar t0.41 tpersen, tPBRX tsebesar t0.07 tpersen, dan tANTM tsebesar t0.01 tpersen. tPortofolio tmerupakan tgabungan tdari beberapa tsekuritas tyang tbertujuan tuntuk tmenghasilkan tkombinasi tefisen sehingga tbisa tmemenuhi ttujuan tinvestor tuntuk tmemperoleh treturn tyang tinggi tdan tmemperkecil trisiko tyang takan tditerima tdikemudian thari. tTujuan utama tdari tpemilihan tportofolio tadalah tmengelompokkan tdan tmembentuk portofolio tyang tmenghasilkan texpected treturn tyang tmaksimum tdengan trisiko yang tseminimum tmungkin. t

Berdasarkan thasil tpenelitian tyang ttelah tdijabarkan tsebelumnya, tdapat diperoleh tdua thasil timplikasi tpenelitian, tyaitu thasil tpenelitian tini memberikan implikasi tteoretis tyang tmenyatakan tbahwa tsaham tdalam tIndeks tKompas t100 dapat tdigunakan tuntuk tmembentuk tportofolio toptimal tdengan tmenggunakan Model tIndeks tTunggal. tHasil tpenelitian ttersebut tdiatas tmemberikan timplikasi praktis tuntuk tpara tinvestor tyaitu tinvestor tyang tingin tmemilih tsaham-saham pada tIndeks tKompas t100 t tdalam tperiode tAgustus t2016-Januari t2019 t untuk dijadikan tportofolio toptimal tdengan tmenggunakan tModel tIndeks tTunggal dapat tmenggunakan tsaham tBumi tResources tTbk. t(BUMI), tMitra tAdiperkasa Tbk. t(MAPI), tVale tIndonesia tTbk. t(INCO), tDelta tDunia tMakmur tTbk. (DOID), tIndika tEnergy tTbk. t t(INDY), tCharoen tPokphand t tIndonesia tTbk. (CPIN), tSentul tCity tTbk. t(BKSL), tAce tHardware tIndonesia tTbk. t(ACES), Medco tEnergi tInternasional tTbk. t(MEDC), tIndo tTambangraya tMegah tTbk. (ITMG), tUnited tTractors tTbk. t(UNTR), tTimah t(Persero) tTbk. t(TINS), tBank Danamon tIndonesia tTbk. t(BDMN), tJapfa tComfeed tIndonesia tTbk. t(JPFA), Bank tCentral tAsia tTbk. t(BBCA), tBank tPembangunan tJawa tBarat tDan Banten tTbk. t(BJBR), tBank tPan tIndonesia tTbk. t(PNBN), tSitara tPropertindo Tbk. t(TARA), tPan tBrothers tTbk. t(PBRX), tAneka tTambang t(Persero) tTbk. (ANTM). tSaham-saham tinilah tyang tdapat tdipilih tinvestor tuntuk tinvestasi mendatang tapabila tinvestor tingin tmembentuk tsebuah tportofolio, tdan tjuga melalui tsaham tini treturn tyang tbisa tdiperoleh tinvestor tdikemudian thari optimal tdengan trisiko tyang tminimum.

SIMPULAN

Berdasarkan thasil tserta tpembahasan, tdapat tditarik tkesimpulan tyaitu Return tEkspetasi t(Expected tReturn) tportofolio tyang tdiperoleh tdari pembentukan tportofolio toptimal tpada tsaham tyang ttergabung tdalam tIndeks Kompas t100 tperiode tAgustus t2016-Januari t2019 tyaitu tsebesar t3.20 tpersen dengan trisiko tportofolio tsebesar t0.11 tpersen. Proporsi tyang tdihasilkan tdari tpembentukan tportofolio optimal tpada saham tIndeks tKompas t100, tyaitu tsaham tBUMI tsebesar t2.55 tpersen, tMAPI sebesar t21.40 tpersen, tINCO tsebesar t4.07 tpersen, tDOID tsebesar t3.47 tpersen, INDY tsebesar t5.89 tpersen, tCPIN tsebesar t9.90 tpersen, tBKSL tsebesar t1.70 persen, tACES tsebesar t8.78 tpersen, tMEDC tsebesar t2.96 tpersen, tITMG sebesar t3.04 tpersen, tUNTR tsebesar t3.10 tpersen, tTINS tsebesar t1.22 tpersen, BDMN tsebesar t4.94 tpersen, tJPFA tsebesar t2.31 tpersen, tBBCA tsebesar t22.79 persen, tBJBR tsebesar t0.57

tpersen, tPNBN tsebesar t0.84 tpersen, tTARA sebesar 0.41 tpersen, tPBRX tsebesar t0.07 tpersen, tdan tANTM tsebesar t0.01 tpersen.

Saham-saham tyang tdapat tmembentuk tkombinasi tportofolio toptimal berdasarkan tmodel tindeks ttunggal tpada tsaham-saham tIndeks tKompas t100 Periode tAgustus t2016-Januari t2019 tsebanyak t20 tsaham, tyaitu tsaham tBumi Resources tTbk. t(BUMI), tMitra tAdiperkasa tTbk. t(MAPI), tVale tIndonesia Tbk. t(INCO), tDelta tDunia tMakmur tTbk. t(DOID), tIndika tEnergy tTbk. t(INDY), tCharoen tPokphand t tIndonesia tTbk. t(CPIN), tSentul tCity tTbk. (BKSL), tAce tHardware tIndonesia tTbk. t(ACES), tMedco tEnergi tInternasional Tbk. t(MEDC), tIndo tTambangraya tMegah tTbk. t(ITMG), tUnited tTractors Tbk. (UNTR), tTimah t(Persero) tTbk. t(TINS), tBank tDanamon tIndonesia tTbk. (BDMN), tJapfa tComfeed tIndonesia tTbk. t(JPFA), tBank tCentral tAsia tTbk. (BBCA), tBank tPembangunan tJawa tBarat tDan tBanten tTbk. t(BJBR), tBank Pan tIndonesia tTbk. t(PNBN), tSitara tPropertindo tTbk. t(TARA), tPan tBrothers Tbk. t(PBRX), tAneka tTambang t(Persero) tTbk. t(ANTM).

Bagi tInvestor tyang tingin tberinvestasi ttapi tingin tmendapatkan trisiko yang tkecil tdengan tmenggunakan tsaham-saham tdalam tIndeks tKompas t100, investor tdapat tmelakukan tinvestasi tdengan tcara tmembentuk tsebuah tportofolio dan tmenginvestasikan tdananya tsesuai tdengan tproporsi tdana tyang tterbentuk dari tpenelitian, tdimana tsaham tACES tdiproporsikan tdananya tsebesar tBUMI sebesar t2.55 tpersen, tMAPI tsebesar t21.40 tpersen, tINCO tsebesar t4.07 tpersen, DOID tsebesar t3.47 tpersen, tINDY tsebesar t5.89 tpersen, tCPIN tsebesar t9.90 persen, tBKSL tsebesar t1.70 tpersen, tACES tsebesar t8.78 tpersen, tMEDC sebesar t2.96 tpersen, tITMG tsebesar t3.04 tpersen, tUNTR tsebesar t3.10 tpersen, TINS tsebesar t1.22 tpersen, tBDMN tsebesar t4.94 tpersen, tJPFA tsebesar t2.31 persen, tBBCA tsebesar t22.79 tpersen, tBJBR tsebesar t0.57 tpersen, tPNBN sebesar t0.84 tpersen, tTARA tsebesar t0.41 tpersen, tPBRX tsebesar t0.07 tpersen, dan tANTM tsebesar t0.01 tpersen.. tPortofolio toptimal tini tjuga tmemberikan keuntungan ttingkat tpengembalian tdimasa tdatang t(expected treturn) tsebesar 3.20 tpersen, tdan tdengan trisiko tportofolio tyang tkecil tyaitu tsebesar t0,11 persen. t

Bagi tpeneliti tselanjutnya, tdisarankan tmenggunakan tpendekatan Markowits tdan tberbagai tindeks tlainnya tataupun tberbagai tsektor tyang tada tdi Bursa tEfek tIndonesia t(BEI) tdalam tpembentukan tportofolio toptimalnya tdan juga tmampu tuntuk tmemberikan tperbandingan tindeks tatau tsektor tmana tsaja yang tmemberikan ttingkat treturn tdan trisiko tyang tterbaik

REFERENSI

Abramov, A., Radygin, A., & Chernova, M. (2015). Long-term portfolio investment: New insight into return and risk. Voprosy Ekonomiki, 2015(10), 54–77. https://doi.org/10.32609/0042-8736-2015-10-54-77

Agmiviolya, Y. C., Dzulkirom, M., & Hidayat, R. R. (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.

Ariasih, N. L. P. I., & Mustanda, I. K. (2018). Pembentukan Portofolio Optimal Menggunakan Model Indeks Tunggal Pada Saham Indeks LQ45. E-Journal Manajemen Unud, 7(8), 4508–4538.

Arisandy, F. N., Elly, M. I., & Hudzafidah, K. (2017). Analisis Penentuan Saham Portofolio Optimal Dengan Model Indeks Tunggal Dalam Perusahaan Yang Tergabung Indeks Kompas 100 Pada Bursa Efek Indonesia Periode 20132015 Studi Untuk Perusahaan Perbankan. Jurnal Ecobuss, 5(1), 1–12.

Bosch-Badia, M. T., Montllor-Serrats, J., & Tarrazon-Rodon, M. A. (2018). Sustainability and ethics in the process of price determination in financial markets: A conceptual analysis. Sustainability (Switzerland), 10(5), 1–24. https://doi.org/10.3390/su10051638

Chintan, A. S. (2015). Construction of Optimal Portfolio Using Sharpe Index Model & Camp for BSE Top 15 Securities. International Journal of Research and Analytical Reviews, 2(2), 1269–2348.

Darmawan, I. P. P. A., & Purnawati, N. K. (2015). Pembentukan Portofolio Optimal Pada Saham-Saham Diindeks LQ 45 Dengan Menggunakan Model Indeks Tunggal. E-Jurnal Manajemen Unud, 4(12), 4335–4361.

Darmitha, S., & Purbawangsa, I. . A. (2016). Study Komparatif Kinerja Portofolio Optimal Saham LQ45 Dan 50 Most Active Stocks By Trading Frequency. EJournal Manajemen Unud, 5(11), 7185–7213.

Farias, C. A., Vieira, W. da C., & Santos, M. L. dos. (2014). Portofolio Selection Models: Comparative Analysis and Application to the Brazillian Stock Market. Revita De Economic E Agronegocio, 4(3), 387–408.

Giri, L. K., & Parhi, G. (2017). Optimum Portfolio Construction Using Single Index Model. Intercontinental Journal Of Finance Research Review, 5(2), 2347– 1654.

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

Hamdani, A. S., & Muhardi, W. R. (2015). Pembentukan Portofolio Optimal Pada Indeks Kompas 100 Periode 2013-2014. Jurnal Ilmiah Mahasiswa Universitas Surabaya, 4(2), 1–13.

Harun, Y. S., Safitri, E., & Wijaya, T. (2015). Analisis Portofolio yang Optimal pada Saham Indeks Kompas100 di Bursa Efek Indonesia. Jurnal Jurusan Manajemen STIE MDP, 1(1), 1–12.

Kozłowska, M. (2015). Problems Connected with Measuring Risks of Foreign Direct Investments. Journal of Economics and Management, 20(20), 93–105.

Lerskullawat, A. (2017). Effects of banking sector and capital market development on the bank lending channel of monetary policy: An ASEAN country case study. Kasetsart Journal of Social   Sciences,   38(1),   9–17.

https://doi.org/10.1016/j.kjss.2016.10.001

Lestari, D. P., & Candraningrat, I. R. (2014). Studi Komparatif Portofolio Optimal Menggunakan Proksi LQ 45 Dan IHSG Melalui Pendekatan Model Indeks Tunggal. E-Journal Manajemen Unud, 3(3), 578–594.

Mandal, N. (2014). Sharpe’s Single Index Model and Its Application to Construct Optimal Portofolio: An Empirical Study. Yale - Great Lakes Institute of Management, 7(1), 1–21.

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

Masry, M. (2017). The Impact of Technical Analysis on Stock Returns in an Emerging Capital Markets (ECM’s) Country: Theoretical and Empirical Study. International Journal of Economics and Finance, 9(3), 91. https://doi.org/10.5539/ijef.v9n3p91

Meman, M. U. (2015). Optimal Equity Portfolio Construction by using Sharpe Single Index Model with reference to the BSE-30 (Bombay Stock Exchange) Securities. Global Journal For Research Analysis, 4(12), 2277–8160.

Qur’anitasari, R. R. H., & Sulasmiyati, S. (2016). Analisis Pembentukan Portofolio Optimal Dalam Meminalkan 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, 21(1), 140–149.

Rahmadin, R., Topowijono, & Zahroh, Z. . (2014). Pembentukan Portofolio Optimal Saham Berdasarkan Model Indeks Tunggal (Studi pada Saham Indeks LQ-45 di BEI Tahun 2011-2013). Jurnal Administrasi Bisnis, 9(2), 1– 29.

Ramadhan, D. R., Handayani, S. R., & Endang, M. G. wi. (2014). Analisis Pemilihan Portofolio Optimal dengan Model dan Pengembangan dari Portofolio Markowitz (Studi Pada Indeks Bisnis 27 di Bursa Efek Indonesia Periode 2011 – 2013). Jurnal Administrasi Bisnis, 14(1), 1–10.

Sanrego, Y. D. (2017). the Role of Islamic Capital Market for Micro, Small, and

Medium Enterprises (Msmes) Through Synergy of Mutual Fund and Venture Capital Institution. Journal of Islamic Monetary Economics and Finance, 3(1), 81–112. https://doi.org/10.21098/jimf.v3i1.711

Setyoningsih, A. T., Suhadak, & 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 (JAB), 23(1), 1–9.

Sushko, V., & Turner, G. (2018). The Implications of Passive Investing for Securities Markets. BIS Quarterly Review, 1(1), 113–131. Retrieved from https://www.bis.org/publ/qtrpdf/r_qt1803j.pdf

Utamayasa, K. N., & Wiagustini, N. L. P. (2016). Penentuan Portofolio Optimal Dengan Menggunakan Model Indeks Tunggal Pada Saham Perbankan Di Bursa Efek Indonesia. E-Journal Manajemen Unud, 5(6), 3905–3933.

Widyasari, A. W. P. (2017). Penggunaan Model Indeks Tunggal Dalam Menilai Resiko Dan Return Saham Untuk Pilihan Berinvestasi. Jurnal Akuntansi, Prodi. Akuntansi – FEB, Unipma, 1(1), 1–12.

Yin, D. (2019). Investment Decision Based on Entropy Theory. Modern Economy, 10(04), 1211–1228. https://doi.org/10.4236/me.2019.104083

575