BAB 10

BETA

A. Pengertian Beta ( β )

Pengertian Beta ( β ) adalah : “Pengukur volatilitas (volatility) return suatu

sekuritas atau return portofolio terhadap return pasar”. Dengan kata lain Beta ( β )

merupakan bentuk perhitungan yang menyatakan risiko khusus/ risiko sistematik

(systematic risk) dari saham biasa suatu perusahaan terhadap pasar saham secara

keseluruhan (voltility).

Voaltilitas (voaltility) adalah : ”Fluktuasi dari return-return suatu sekuritas atau

portofolio dalam suatu periode waktu tertentu”. Dimana fluktuasi atau perubahan (naik

atau turun) dari return sekuritas atau return portofolio pada pasar saham (bursa efek) ini

dipengaruhi oleh banyak faktor, baik dari faktor internal emiten penerbit sekuritas (misal

kebijakan dividen saham) maupun dari faktor eksternal (misal huru-hara, perang, dll).

B. Macam-macam Bentuk Beta ( β )

Dikenal beberapa jenis beta (β) pada suatu sekuritas. Secara umum beta (β)

sekuritas dikelompokkan menjadi 3, yaitu :

1. Beta Pasar (βm)

Adalah beta yang paling lazim digunakan dimana beta ini dihitung dengan

menggunakan data historis dari pasar saham.

2. Beta Akuntansi (βacc)

Adalah beta yang dihitung dari laporan keuangan emiten.

3. Beta Fundamental (βfund)

Adalah beta yang dihitung berdasarkan variabel fundamental perusahaan seperti

pertumbuhan penjualan, biaya , pendapatan, pangsa pasar dan lai sebagainya.

C. Beta Pasar (βm)

Beta ini dapat dengan dua pendekatan, yaitu dengan tehnik :

1. Manual, dan

2. Regresi

1

1. Tehnik Manual (plotting)

Penghitungan beta dengan tehnik ini dilakukan dengan mengumpulkan data pasar dari

nilai-nilai historis return suatu sekuritas selama periode tertentu, misal return bulanan

digunakan data historis selama 60 bulan (5 tahun) sedangkan untuk return bulanan

minimum digunakan data historis selama 180 hari ( 6 bulan)

Contoh Tehnik penghitungan Beta (β) Manual (plotting) :

1. Contoh 10.1 ( Jogiyanto, 2003: 268 – 269)

Return-return sekuritas A (RA) dan return-return pasar (RM) selama 10 minggu

tampak di tabel berikut ini :

Minggu

Ke-

Return Saham A

(RA)

Return Pasar

(RM)

1. 7,5% 4,0%

2. 8,0% 4,5%

3. 9,0% 4,5%

4. 10,0% 5,5%

5. 10,5% 6,0%

6. 11,5% 7,0%

7. 11,0% 6,0%

8. 12,0% 6,5%

9. 12,0% 7,5%

10. 14,0% 8,0%

Secara manual, Beta sekuritas A dapat dihitung secara manual dengan cara

sebagai berikut :

a. Buat diagram tersebar (scatter diagram), dimana sumbu horizontalnya adalah

Retrun Pasar (RM) dan sumbu vertikalnya adalah Return Saham A (RA)

b. Tarik garis lurus yang paling mendekati semua titik hubung diatas.

2

Scatter Diagram Bab 10.rtf

Scatter Diagram

c. Beta historis sekuritas A dapat dihitung berdasarkan slope dari garis lurus yang ditarik paling mendekati semua titik diatas (garis merah). Besarnya beta A dapat dihitung :

(13,5% - 7,5%) = 1,5 ( 8 – 4 )

2. Tehnik Regresi

Penghitungan beta dengan tehnik ini dilakukan dengan mengunakan return-return

pasar sebagai variabel independen (mempengaruhi) dan return-return sekuritas

sebagai variabel dependen (dipengaruhi).

Persamaan regresi yang dihasilkan dari data time series ini akan menghasilkan

koefisien beta yang diasumsikan stabil dari waktu ke waktu selama periode observasi.

Contoh 10.2 (Jogiyanto, 2003: 270 -271)

1. Dari data di contoh 10.1, hasil perhitungan dengan tehnik regresi adalah sebagai

berikut ini.

3

Ret

urn

Sah

am A

(R

A)

15

14

13

12

11

10

9

8

7

6

3 4 5 6 7 8 9

Return Pasar (RM)

X

X X X X X X

X

X X

Tehnik Regresi Bab 10.rtf

Tehnik Regresi Time Series

Variabel Estimasi Parameter t-test p-value

Intercept

RM

2,014638

1,434515

2,468

10,692

0,0389

0,0001

F-value = 114,311

R-Square = 0,9346

Adj R-Sq = 0,9264

Dari hasil regresi diatas, persamaan regresi yang didapat adalah :

RA = Intercept variable + Variable Return Market (RM)

RA = 2,014638 + 1,434515 RM

Beta merupakan koefisien parameter dari variabel RM, yaitu sebesar 1,434515.

Koefisien ini adalah signifikan dengan p-value sebesar 0,0001 (signifikasi lebih

kecil dari 1%). Beta yang diperoleh dari tehnik regresi ini tidak menyimpang jauh

dari Beta yang dihitung dengan tehnik manual (plotting) sebesar 1,50.

2. Beta Akuntansi

Data akuntansi seperti misalnya laba akuntansi (accounting earnings) dapat juga

digunakan untuk mengestimasi beta. Beta akuntansi ini dapat dihitung secara sama dengan beta

pasar (yang menggunakan data return), yaitu dengan cara mengganti data return dengan data

akuntansi.

Berikut ini adalah rumus untuk Beta Akuntansi :

4

σ laba, iM

h i = σ2 laba, M

Dimana :

h i = Beta akuntansi sekuritas ke-i

σ laba, iM = Kovarian antara laba perusahaan ke-i dengan indeks laba pasar

σ2 laba, M = Varian dari indeks laba pasar

Indeks laba pasar dapat dihitung berdasarkan rata-rata laba akuntansi untuk portofolio pasar.

Contoh : 10.5

Misalnya suatu pasar modal hanya mempunyai tiga (3) macam sekuritas, yaitu sekuritas A, B

dan C. Dengan demikian indeks laba pasar dapat dihitung dengan cara aritmatika laba

perusahaan A, B, dan C.

Laba akuntansi untuk perusahaan A, B, C dan indeks laba pasarnya selama 10 periode tampak di

tabel berikut ini :

Periode

(t)

Earning A

(EA)

Earning B

(EB)

Earning C

(EC)

Earning Pasar

(EM)

1

2

3

4

5

6

7

8

9

10

4,0

4,5

5,0

5,5

5,0

5,1

4,9

5,0

4,5

5,5

1,15

1,5

1,7

1,8

2,0

2,1

2,2

2,0

2,5

2,7

2,5

2,7

2,9

3,0

3,5

3,7

3,9

4,0

3,5

3,8

2,55

2,9

3,2

3,43

3,5

3,63

3,67

3,67

3,5

4,0

Rata-rata ( ¯ ) 4,9 1,965 3,35 3,405

Untuk mencari kovarian antara laba sekuritas i dengan laba pasar [Cov (Ei, EM)] setiap periode (t)

menggunakan rumus :

Dimana :

5

Cov (Ei, EM) = ( Ei – Ei ) ( EM – EM )

Ei = Earning sekuritas i

Ei = Rata-rata earning sekuritas i

EM = Earning market (pasar)

EM = Rata-rata earning market (pasar)

Untuk mencari kovarian antara earning A (EA) dengan earning pasar (EM)

Periode t 1 :

Cov (EA t1, EM t1) = (4,0 – 4,9) (2,55 – 3,405)

= (- 0,9) ( - 0,855 )

= 0,7695

Periode t 2 :

Cov (EA t2, EM t2) = (4,5 – 4,9) (2,9 – 3,405)

= (- 0,4) ( - 0,505 )

= 0,202

Dan seterusnya sampai dengan periode t 10

Demikian pula gunakan cara yang sama untuk mencari :

kovarian (Cov) earning B (EB) dengan earning pasar (EM) [ Cov (EB,EM)]

kovarian (Cov) earning C (EC) dengan earning pasar (EM) [ Cov (EC,EM)]

Untuk mencari Varian earning pasar ( Var (EM) )

Gunakan rumus :

Untuk periode t 1 :

Var (EM) = ( 2,55 – 3,405 ) 2

= ( - 0,855) 2

= 0,731025

Untuk periode t 2 :

Var (EM) = ( 2,9 – 3,405 ) 2

= ( - 0,505) 2

= 0,255025

6

Var (EM) = ( EM - EM ) 2

Dan seterusnya gunakan cara yang sama sampai dengan periode t 10.

Lengkapilah hasil perhitungannya : ( Tugas individu)

Periode

(t)Cov (EA, EM) Cov (EB, EM) Cov (EC, EM) Var (EM)

1

2

3

4

5

6

7

8

9

10

0,7695

0,202

0,731025

0,255025

Total

Sehingga Beta Akuntansi untuk sekuritas A, B dan C dapat dihitung sebagai berikut :

Rumus :

Untuk Beta A :

Cov ( EA, EM)h A =

Var (EM)

Untuk Beta B :

Cov ( EB, EM)h B =

Var (EM)

Untuk Beta C :

Cov ( EAC EM)h C =

Var (EM)

7

σ laba, iM Cov ( Ei, EM) h i = = σ2 laba, M Var ( EM)

Beta Akuntansi Dengan Model Regresi

Beta akuntansi pada model regersi ini menggunakan perubahan laba akuntansi (yaitu selisih antara laba perusahaan tahun t dengan tahun t-1). Persamaan regresi untuk mengestimasi Beta Akuntansinya adalah sebagai berikut :

Dimana :

∆ E it = Perubahan laba akuntansi perusahaan ke – i untuk periode ke t

∆E Mt = Perubahan indeks laba pasar untuk periode ke t

W it = Kesalahan residual (error term)g i = Intercept

h i = Parameter regresi yang merupakan estimasi untuk Beta Akuntansi perusahaan ke-i

Contoh 10.6 :

Dari contoh 10.5 sebelumnya, perubahan laba akuntansi untuk perusahaan A dan perubahan

indeks laba pasar adalah sebagai berikut :

Periode

(t)∆ E A ∆ E M

1

2

3

4

5

6

7

8

9

10

-

0,5

0,5

0,5

- 0,5

0,1

- 0,2

0,1

- 0,5

1,0

-

0,35

0,30

0,23

0,07

0,13

0,04

0,0

- 0,17

0,50

8

∆ E it = g i + h i ∆E Mt + W it

Beta akuntansi dengan menggunakan data perubahan laba akuntansi dapat diestimasikan dengan

menggunakan tehnik regresi berdasarkan persamaan (10.4) dengan hasil :

Variabel Estimasi Parameter t-test p-value

Intercept

∆EM

- 0,197841

0,754153

-2,042

5,868

0,0804

0,0006

F-value = 34,428

R-Square = 0,8310

Adj R-Sq = 0,8069

Demikian laba akuntansi yang dihitung menggunakan tehnik regresi di atas adalah sebesar

0,754153 yang secara statistik signifikan berbeda dengan nol (0).

Beta Fundamental

Beaver, Kettler dan Scholes (1970) menggunakan 7 macam variabel fundamental yang sebagian

besar merupakan variabel akuntansi, yaitu sebagai berikut :

1. Dividen Payout

2. Assets Growth

3. Leverage

4. Liquidity

5. Assets Size

6. Earning Variability

7. Accounting Beta

Dimana rumus prediksi Beta akuntansi fundamental adalah sebagai berikut :

Dimana :

ĥ = Prediksi Beta akuntansi fundamental

DIV i = Dividen payout (pembayaran dividen) perusahaan ke-i

GROWTH I = Assets growt (pertumbuhan aktiva) perusahaan ke-i

LEV i = Leverage perusahaan ke-i

LIQ i = Liquidity perusahaan ke-i

SIZE i = Assets size (ukuran aktiva) perusahaan ke-i

9

ĥ = â0 + â1DIV i + â2 GROWTH i + â3 LEV i + â4 LIQ i + â5 SIZE i + â6 EVAR i + â7 ABETAi

EVAR i = Earnings variability (variabilitas laba) perusahaan ke-i

ABETA i = Accounting Beta (Beta akuntansi) perusahaan ke-i

Contoh 10.7 :

Misalnya dari hasil regresi multivariat ini didapatkan persamaan regresi dengan semua koefisien

secara statistik signifikan sebagai berikut :

ĥ = 0,05 + 1,2 DIV i + 1,5 GROWTH i + 1,05 LEV i + 0,07 LIQ i + 0,0085 SIZE i

+ 0,15 EVAR i + 0,35 ABETA i

Nilai-nilai variabel fundamental untuk suatu perusahaan pada periode ini adalah sebagai berikut :

1. Dividen Payout = 0,075

2. Assets Growth = 0,05

3. Leverage = 0,9

4. Liquidity = 1,8

5. Assets Size = 5,1

6. Earning Variability = 0,55

7. Accounting Beta = 1,5

Untuk mencari variabel fundamental digunakan laporan keuangan perusahaan serta laporan-

laporan pendukung lainnya.

Maka Beta fundamental dapat diprediksi sebesar :

ĥ = 0,05 + 1,2 (0,075) + 1,5 (0,05) + 1,05 (0,9) + 0,07 (1,8) + 0,0085 (5,1)

+ 0,15 (0,55) + 0,35 (1,5)

= 0,05 + 0,09 + 0,075 + 0,945 + 0,126 + 0,04335 + 0,0825 + 0,525

= 1,93685

Jika koefisien-koefisien hasil regresi mempunyai nilai yang secara statistik signifikan berarti

menunjukkan bahwa variabel-variabel fundamental yang keofisiennya signifikan mempunyai

akurasi (ketepatan) untuk memprediksi beta pasar.

--o0o--

10

11