Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 33787 dokumen yang sesuai dengan query
cover
Veronica Angelina Windy Hapsari
"Globalisasi dan era industri 4.0 telah membawa perkembangan luar biasa di berbagai bidang, termasuk di bidang ekonomi dan keuangan. Pertumbuhan ekonomi di abad ke-21 bergantung pada partisipasi masyarakat dalam kegiatan ekonomi (misalnya trading, commerce, dan investasi). Di Indonesia, salah satu kegiatan ekonomi yang umum dilakukan adalah berinvestasi di pasar saham karena banyaknya perusahaan yang dapat dipilih oleh investor untuk berinvestasi. Banyak orang yang ingin menanamkan modalnya di pasar saham karena tingkat pengembaliannya yang tinggi, meskipun demikian banyak hal kompleks (noisy time series yang terus bergerak dan sifatnya yang sulit untuk diprediksi karena cepat bergerak). Oleh karena itu, tulisan ini akan membahas tentang prediksi harga saham dengan menggunakan Gauss-Newton Representation Based Algorithm (GNRBA). Metode yang diusulkan menawarkan algoritma yang lebih efektif, implementasi yang lebih sederhana, dan kerumitan yang lebih sedikit dibandingkan dengan metode perhitungan tradisional lainnya. Selain itu, penelitian ini menggabungkan GNRBA dengan Stratified Shuffle Split sebagai metode validasi datanya (data splitting method). Dengan hasil akurasi di atas 86%, investor dan calon investor diharapkan dapat menggunakan metode yang dibahas dalam penelitian ini untuk membuat keputusan yang tepat dalam berinvestasi.

Globalization and industry 4.0 has brought tremendous development in various fields, including in economics and finance. Economic growth in the 21st century relies on the participation of the people in economic activities (e.g. trade and commerce, investing). In Indonesia, one particularly common economic activity is to invest in the stock market due to the wide array of companies that investors could choose to invest in. Many people want to invest their capital in the stock market due to its high return rate, despite its complex movement (noisy time series which is constantly moving and its unpredictable nature). Therefore, this paper will discuss about the prediction of stock prices using the Gauss-Newton Representation Based Algorithm (GNRBA). The proposed method provides users with a more effective algorithm, simpler implementation, and less complexity compared to the 11 traditional representation. Additionally, this paper combines the GNRBA with the Stratified Shuffle Split as its data splitting method. With accuracy above 86 %, investors and potential investors could use the methods discussed in this paper to make an informed decision in investing."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2021
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Dwi Suci Rachmawati
"Pasar modal merupakan salah satu penopang perekonomian di Indonesia dikarenakan pasar modal adalah salah satu sarana penambahan modal bagi perusahaan dalam melaksanakan operasional bisnisnya. Selain itu, pasar modal juga dapat memberikan keuntungan bagi perorangan atau badan usaha investor , yang dapat digunakan untuk biaya hidup di masa kini dan masa depan. Saham adalah salah satu instrumen yang diperjualbelikan di pasar modal yang dapat memberikan keuntungan hingga 20-25 per tahun, namun juga memiliki resiko yang lebih tinggi dibandingkan instrumen lainnya, dikarenakan fluktuasi harga saham yang tinggi. Investor harus berhati-hati dalam memilih waktu yang tepat dalam melakukan transaksi jual beli saham, jika tidak ingin mendapatkan kerugian yang besar.
Salah satu teknik dalam menentukan waktu transaksi saham adalah berdasarkan teori Efficient Market Hypothesis EMH yang menyatakan bahwa harga saham merefleksikan informasi yang dipublikasikan terkait saham tersebut. EMH berkaitan erat dengan behavioral economics yang menyatakan bahwa keputusan investor dipengaruhi oleh persepsi atau emosi sentimen dari informasi yang diterimanya. Informasi terkait suatu saham dapat dibaca di media online dalam hal ini artikel berita yang diterbitkan oleh berbagai situs berita di Indonesia. Berdasarkan EMH dan behavioral economis tersebut, penelitian ini bertujuan untuk melihat apakah sentimen media online dapat mengklasifikasikan pergerakan harga saham di Indonesia, dengan ruang lingkup media online yang diteliti adalah www.bisnis.com. Saham yang diteliti adalah saham PT. Bank Central Asia, Tbk BBCA.
Metode penelitian yang dilakukan adalah penelitian kuantitatif dengan metodologi eksperimental menggunakan pendekatan analisis sentimen. Proses ekstraksi fitur dari artikel berita bisnis.com dilakukan dengan merepresentasikan artikel berita dalam bentuk vektor menggunakan term frequency tf, term frequency inverse document frequency tf-idf, dan doc2vec. Algoritma klasifikasi yang digunakan adalah naive bayes, k-nearest neighbor KNN, dan support vector machine SVM. Setelah mendapatkan hasil klasifikasi sentimen dari berita, penelitian dilanjutkan dengan membandingkan hasil klasifikasi sentimen tersebut dengan harga aktual saham untuk hari itu sampai dengan lima hari ke depan.
Hasil penelitian menunjukkan bahwa representasi vektor menggunakan tf-idf menunjukkan hasil yang lebih baik dengan akurasi klasifikasi SVM sebesar 78,66 . Sementara perbandingan akurasi hasil klasifikasi sentimen berita dengan harga aktual pergerakan saham didapatkan sebesar 63,11 . Hasil ini didapatkan untuk kondisi sentimen berita dan harga saham di hari yang sama. Hal ini menunjukkan bahwa para investor dapat mempertimbangkan sentimen berita terkait saham tertentu di situs www.bisnis.com di hari yang sama untuk melakukan transaksi jual beli saham.

Capital market has been acted as one of the pillar for economy growth in Indonesia, because capital market is one of additional capital for the company in carrying out its business operations. In addition, capital markets can also provide benefits to individuals or business groups investors , which its profit can be used for the cost of living in the present and the future. Stock Equity is one of the instruments traded in capital markets that can provide gains up to 20 25 per year, but also have a higher risk than other instruments, due to fluctuations in stock prices are high. Investors should be cautious in choosing the right time to make buying or selling shares, if they do not want to get a big loss.
One of technique in determining time for transaction is Efficient Market Hypothesis EMH , which states that stock price movement reflects related stock rsquo s information published. EMH has correlation with behavioral economics which states that investor decision can be influenced by perception or emotion sentiment of the information which he she read. Some information related to specific stock can be read in online media, such as news article from websites in Indonesia. Based on EMH and behavioral economis, this study aims to see whether the sentiment of online media can classify stock price movements, with the scope of online media that will be studied is www.bisnis.com. Stock price which is studied is belong to PT.Bank Central Asia BBCA.JK.
The research method is quantitative research with experimental methodology using sentiment analysis approach. Feature extraction is done by representing news articles in form of vector using term frequency tf, term frequency inverse document frequency tf df, and doc2vec. Classification algorithm used are naive bayes, k nearest neighbors, dan support vector machine SVM. After getting classification result from news sentiment analysis, this study continue by comparing those classifications with actual price of stock that day until five days forward.
The result shows that vector representation using tf idf is better with classification accuracy 78,66. Meanwhile, comparation between news sentiments classification with actual price stock shows 63,11 within the same day. This result means that news article sentiment related to spesific stock from www.bisnis.com can be used as reference for investors in determining their participation in stocks purchase transaction.
"
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2017
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Yuniaty
"Prediksi harga saham memiliki manfaat terhadap investor untuk dapat melihat bagaimana investasi saham pada sebuah perusahaan di masa yang akan datang. Prediksi harga saham membantu para investor dalam pengambilan keputusan. Untuk melakukan prediksi harga saham digunakan pendekatan analisis teknis dengan menggunakan metode ridge regresi dan kernel ridge regresi. Ridge regresi merupakan metode regresi yang dapat mengatasi terjadinya masalah multikolinieritas. Kernel ridge regresi merupakan kombinasi antara metode kernel dan ridge regresi dengan memetakan input data ke ruang yang berdimensi lebih tinggi. Pada skripsi ini, diimplementasikan metode ridge regresi dan kernel ridge regresi untuk memprediksi harga saham dengan variabel-variabel regresornya merupakan nilai harga saham pada k-hari sebelumnya. Hasil implementasi pada data yang digunakan dalam skripsi ini menunjukkan bahwa metode kernel ridge regresi memberikan tingkat akurasi rata-rata yang lebih baik dibandingkan metode ridge regresi.

Prediction of stock prices has benefits for investors to be able to see how the stock investment in a company in the future. Prediction of stock prices help investors in making decisions. Prediction of stock price used technical analysis approach using kernel ridge regression and ridge regression. Ridge regression is a regression method that can solve the multicollinearity problem. Kernel ridge regression is a combination of ridge regression and kernel methods to map the input data into a higher dimensional space. In this skripsi, the method is implemented to predict the stock price which is the variables regressors based on a value stock price on the previous day. The result of implementation, in this skripsi, indicates that kernel ridge regression method better than ridge regression method.
"
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2013
S53891
UI - Skripsi Membership  Universitas Indonesia Library
cover
Puteri Kintandani
"Investasi saham merupakan salah satu jenis investasi yang paling populer karena saham memberikan tingkat keuntungan yang tinggi dibandingkan dengan jenis investasi lainnya, tetapi saham juga memiliki tingkat risiko yang tinggi. Fluktuasi harga saham memberikan peluang bagi investor untuk mendapatkan keuntungan yang tinggi. Dibutuhkan sebuah model prediksi harga saham untuk melihat pergerakan harga saham di masa yang akan datang, sehingga investor dapat menentukan waktu yang tepat untuk membeli, menahan, dan menjual saham mereka. Dengan demikian, mereka terlepas dari risiko kerugian dan memperoleh keuntungan yang besar. Terdapat beberapa studi yang membahas tentang prediksi harga saham menggunakan machine learning. Salah satunya yaitu menggunakan Support Vector Regression (SVR). Oleh karena itu, pada skripsi ini akan diuji penerapan SVR menggunakan Particle Swarm Optimization (PSO) sebagai seleksi fitur dalam memprediksi harga saham di Indonesia. Pada skripsi ini digunakan data historis saham harian dari Jakarta Stock Index dan beberapa saham pada sektor real estate dan properti. Beberapa indikator teknikal digunakan sebagai fitur dalam memprediksi harga saham. Studi ini menunjukkan bahwa prediksi harga saham menggunakan SVR dengan PSO sebagai seleksi fitur memiliki kinerja yang baik untuk semua data, fitur, dan jumlah data training yang digunakan pada skripsi ini memiliki nilai error yang kecil. Oleh karena itu, diperoleh model yang akurat untuk memprediksi harga saham di Indonesia.

Stock investing is one of the most popular types of investments since it provides the highest return among all investment types, although it is associated with considerable risk. Fluctuating stock prices provide an opportunity for investors to make a high profit. A stock price prediction model is needed to see future stock price movements, so investors can decide the right time to buy, hold, and sell their stocks which regardless of the risk of loss and gain a big profit. Several studies have focused on the prediction of stock prices using machine learning. One of them is Support Vector Regression (SVR). Therefore, this study examines the application of SVR using Particle Swarm Optimization (PSO) as feature selection in predicting Indonesian stock price. This thesis used historical daily stock data from Jakarta Stock Index (JKSE) and several real estates and property stock sectors. Some technical indicators are used as a feature in predicting stock price. The study found that stock price prediction using SVR with PSO as feature selection showed good performances for all data, features and the amount of training data used by the study have relatively low error probabilities. Therefore, an accurate model is obtained to predict stock price in Indonesia."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2019
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Veronica Angelina Windy Hapsari
"ABSTRACT
Kanker serviks adalah salah satu penyebab kematian wanita terbanyak di Indonesia. Kanker serviks memiliki progresi yang lambat, sehingga pada beberapa kasus kanker serviks masih dapat disembuhkan. Maka dari itu, pendeteksian dini sangat diperlukan untuk dapat mengetahui pengobatan yang tepat. Berbagai metode machine learning telah digunakan untuk mengklasifikasi kanker serviks karena kemampuannya untuk mendiagnosis secara efektif. Pada penelitian ini digunakan metode klasifikasi Gauss-Newton Representation Based Algorithm (GNRBA). Pengukuran jarak Euclidean digunakan dalam pemilihan data training. Data yang digunakan adalah data faktor risiko Hospital Universitario de Caracas yang diambil dari Kaggle dataset. Kami menggunakan 4 label tes kanker serviks sebagai variabel target klasifikasi. Berdasarkan hasil uji coba, klasifikasi kanker serviks dengan metode GNRBA mencapai akurasi tertinggi 95,35%, sehingga metode GNRBA dapat menjadi salah satu alternatif untuk membantu praktisi medis dalam mendeteksi kanker serviks.

ABSTRACT
Cervical cancer is one of woman leading cause of death disease in Indonesia. Cervical cancer has slow progression, in some cases it can be prevented by effective treatment. So, timely detection is important to know the effective treatment. Machine learning techniques are being largely use to classify cervical cancer because of its precision and its capability to diagnose effectively. In this research, to identify the classification of cervical cancer, we have proposed a Gauss-Newton Representation Based Algorithm (GNRBA) methods. Euclidean distance measure is used in the subset selection for training samples. This GNBA method is examined on the Hospital Universitario de Caracas cervical cancer database from Kaggle dataset. We have used 4 cervical cancer test labels as the target variables of cervical cancer classification. The experimental results show that the proposed GNRBA method give the 93% accuracy. So, GNRBA method could be an alternative for helping the clinical experts to classify cervical cancer."
2018
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Shifa Rauda Rachmawati
"Penelitian ini menguji dampak pengumuman private placement terhadap harga saham dan volume perdagangan saham dengan melihat perbedaan abnormal return dan abnormal volume antara sebelum dan sesudah pengumuman private placement. Penelitian ini menggunakan metode studi peristiwa dan menggunakan model pasar dalam menentukan abnormal return. Studi peristiwa dilakukan selama 15 hari sebelum dan 15 hari sesudah pengumuman. Penelitian menggunakan sampel perusahaan yang terdaftar di Bursa Efek Indonesia periode 2010-2016 yang melakukan private placement sebanyak 37 perusahaan. Analisis dilakukan dengan menggunakan uji t satu sampel dan uji t berpasangan. Penelitian ini menemukan bahwa tidak terdapat perbedaan yang signifikan pada abnormal return sebelum dan sesudah pengumuman private placement; dan terdapat perbedaan yang signifikan pada volume perdagangan sebelum dan sesudah pengumuman private placement.

This study examines the impact of the private placement announcement on stock price and stock trading volume by finding the difference of abnormal return and abnormal volume before and after the private placement announced. This study uses the event study method and using the market model in determining the abnormal return. The event study was conducted during 15 days before and 15 days after the announcement. The study used sample companies listed in Indonesia Stock Exchange 2010 2016 period that does private placement of 37 companies. The analysis was performed by using one sample t test and paired t test. The result indicates that there are no significant differences in abnormal returns before and after the private placement announcement and there are significant differences in trading volume before and after the private placement announcement. "
Depok: Fakultas Ilmu Sosial dan Ilmu Politik Universitas Indonesia, 2017
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Vincentius Ryan Cokrodiharjo
"Memiliki model prediksi yang baik akan memberikan keuntungan tersendiri bagi investor dan perusahaan dalam mengambil keputusan. Support Vector Machine SVM adalah salah satu algoritma pembelajaran mesin yang diawasi yang dapat digunakan untuk klasifikasi atau regresi. Banyak penelitian menunjukkan bahwa prediksi menggunakan model Support Vector Machine SVM lebih akurat daripada model lainnya. Penelitian terbaru menunjukkan bahwa kinerja tertinggi dari sistem prediksi terjadi ketika periode input indikator teknikal sama dengan periode perkiraan. Dengan menggunakan kombinasi dari periode perkiraan dan periode input indikator teknikal dengan kerangka waktu yang lebih banyak dan Support Vector Machine SVM , penelitian ini ingin mengetahui seberapa besar akurasi yang dihasilkan SVM untuk memprediksi pergerakan harga saham-saham di pasar Indonesia, apakah kinerja tertinggi dari sistem prediksi terjadi ketika periode input indikator teknikal sama dengan periode perkiraan, dan apakah aplikasi penggunaan SVM untuk perdagangan dapat memberikan hasil yang lebih baik dibandingkan strategi buy and hold. Data transaksi saham yang kami gunakan dari Maret 2006 hingga Februari 2018 untuk tiga puluh satu saham perusahaan dan menggunakan kombinasi dua puluh delapan periode perkiraan dan tiga puluh periode input indikator teknikal. Hasil penelitian yang diperoleh yaitu model prediksi dapat memberikan hasil akurasi yang baik karena sebanyak 25 dari 31 saham memberikan hasil akurasi lebih dari 50 tetapi kinerja tertinggi model prediksi tidak terjadi saat periode input indikator teknikal sama dengan periode perkiraan dan diperoleh 21 saham yang memberikan imbal hasil signifikan ketika menggunakan aplikasi model prediksi SVM untuk melakukan perdagangan dibandingkan strategi buy and hold.

Having a good predictive model will provide its own advantages for investors and companies in making decisions. Support Vector Machine SVM is one of the supervised machine learning algorithms that can be used for classification or regression. Many studies have shown that predictions using the Support Vector Machine SVM model are more accurate than other models. Recent research shows that the highest performance of the prediction system occurs when the technical indicator input period is equal to the forecast period. Using a combination of forecast periods and technical indicator input periods with more time frames and Support Vector Machine SVM , this study wanted to know how much accuracy SVM generates to predict the movement of stock prices in the Indonesian market, what is the highest performance of the prediction system occurs when the technical indicator input period is equal to the forecast period, and whether the application of SVM usage for trade can give better results than the buy and hold strategy. We used stock transaction data from March 2006 to February 2018 for the thirty one shares of the companies and using a combination of twenty eight forecast periods and thirty periods of input of technical indicators. The result of the research is prediction model can give good accuracy result because 25 of 31 stocks give accurate result more than 50 but highest performance prediction model does not occur when technical indicator input period is same with forecast period and 21 stocks yield return significant when applying SVM prediction model to trade compared to buy and hold strategy."
Jakarta: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2018
T50434
UI - Tesis Membership  Universitas Indonesia Library
cover
Purba, Rinaldi Jan Darmawan
"Penelitian ini membahas kinerja portofolio yang dibentuk berdasarkan Model Investasi Warren Buffet dan penerapannya pada Bursa Efek Indonesia. Penelitian ini mengambil sampel 45 saham yang terdaftar pada Indeks KOMPAS100 periode tahun 2008 ndash; 2015. Betting Againt Beta dan Quality Minus Junk memberikan kriteria pemilihan saham yang murah, risiko rendah, dan berkualitas sesuai dengan Model Investasi Warren Buffet. Portofolio yag dibentuk berdasarkan kriteria investasi Warren Buffet mampu menciptakan alpha yang lebih baik apabila dibandingan dengan return pasar atau Indeks Harga Saham Gabungan. Portofolio yang dibentuk berdasarkan Quality Minus Junk mampu memperoleh Sharpe ratio sebesar 0,65. Portofolio yang dibentuk berdasarkan kriteria Investasi Warren Buffet mampu memperoleh Sharpe ratio sebesar 0,59. Dari hasil penelitian ini, faktor Betting Against Beta dan Quality Minus Junk mampu memberikan pengaruh yang signifikan terhadap beberapa saham individual maupun terhadap portofolio yang dibentuk sehingga Model Investasi Warren Buffet ini dapat diterapkan di Bursa Efek Indonesia.

The focus of this strudy is to understand the stock portfolio based on Warren Buffet Investment Model and its application in Bursa Efek Indonesia. The data sampled from 45 stocks which are selected in KOMPAS100 index for the period 2008 ndash 2015. Betting Againts Beta and Quality Minus Junk Factor give the criteria of cheap, low risk, and high quality stocks. Portfolio which are selected based on Warren Buffet Investment Model criteria could create positive alpha compared to market return. Quality Minus Junk portfolio could reach Sharpe ratio of 0.65 and Warren Buffet portfolio could reach 0.59. From this study Betting Againts Beta and Quality Minus Junk Factor could effect the individual stocks return and the portfolio return which could be applied in Bursa Efek Indonesia.
"
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2015
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Dadan Rahadian
"ABSTRAK
Pencatatan ganda (dual listing) suatu saham pada dasarnya bertujuan untuk memperluas cakupan emisi saham dengan menarik investor yang berada diluar jangkauan operasi bursa utama. Hal tersebut merupakan salah satu pendorong PT Telekomunikasi indonesia Tbk. untuk melakukan emisi saham di beberapa bursa sekaligus. Selain tercatat pada perdagangan saharn di Bursa Efek Jakarta (BEJ) sebagai bursa utama, saham Telkom juga di catatkan pada perdagangan saham di New York Stock Exchange (NYSE).
Adanya perbedaan waktu antara Jakarta dan New York. tempat dimana BEJ dan NYSE beroperasi, secara otornatis mengakibatkan adanya perbedaan waktu perdagangan antara kedua bursa. Hal itu membawa implikasi tersendiri terhadap perdagangan saham Telkom yang dicatatkan di kedua bursa tersebut, sebagai akibat dan adanya mekanisme pasar yang menyetarakan harga saham di kedua bursa sesuai dengan kaidah hukum harga tunggal. Proses penyetaraan harga tersebut menjadi Iebih terlihat manakala kurs mata uang antar kedua bursa bergejolak cukup signifikan Sehingga dalam transaksi perdagangan saham Telkom para pelaku pasar (seperti penanam modal, perantara perdagangan efek dan manajer investasi) cenderung menjadikan pergerakan harga saham Telkom di NYSE dan kurs mata uang n.ipiah terhadap dolar sebagai acuan dalam menyikapi pergerakan harga saham Telkom di BEJ.
Dalam situasi perekonomian Indonesia yang dilanda krisis, kurs mata uang rupiah bergejolak sedemikian hebatnya sampai melampaui batas perkiraan akal sehat. Sehingga para pelaku pasar sering kehilangan arah dalam menyikapi pergerakan saham Telkom, yang secara tidak angsung ikut terpengaruh, sebagai akibat dan proses penyetaraan harga antara BEJ dengan NYSE.
Dalam memperkirakan barga saharn Telkorn pada saat pasar perdagangan saham di BEJ dibuka, para pelaku pasar senng rnembandingkaimya dengan harga penutupan di NYSE. Artinya, komparaSi harganya dilakukari dengan tanggal perdagangan beda, karena penanggalan di Jakarta lebih dahulu dan New York. Padahal secara Logis seharusnya komparasinya dilakukan terhadap tanggal yang sama. Berdasarkan kenyataan tersebut, dalam melakukan analisis perbandingan saharn Telkom dibedakan antara dua pendekatan. yaitu pendekatan tanggal perdagangan sarna dan beda. Di samping itu juga clibedakan atas dua kondisi. yaltu kondisi normal (penode t Januari 1997 sld 30 Juni 1997 sebagai sampel) dan kondisi krisis (periode I Agustus 1997 s/d 31 Juh 1998 sebagal sampel).
Pada kondisi normal, baik untuk pendekatan tanggal sama maupun beda, hasil perigujian. statistik menunjukkan bahwa tidak terdapat perbedaan yang cukup signifikan antara harga penutupan saham Telkom di BEJ dengan di NYSE. Begitu juga pada kondisi kns?s untuk pendekatan tanggal sama. Sebaliknya, pada kondisi krisis untuk pendekatan tanggal beda, perbedaan harga penutupan saham Telkom antar kedua bursa cukup signifikan. Perbedaan yang cukup signifikan tersebut merupakan su.atu peluang arbitrase.
Hasil penelitian Lebih lanjut untuk pendekatan tanggal sama menunjukkan perbedaan harga penutupan per lembar saha.rn pada kondis normal berkisar antara +8 p01111 sampai dengan -9 point, Pada kondisi krisis, perbedaan harga penutupan per lembar saham berkisar antara -39 point sampai dengan +37 point.
Imbal hasil harian rata-rata (aritrnatik) perdagangan saham Telkom di BEJ pada kondisi kiisis relatif jaub Iebih besar dan kondisi normal, yaltu 0.034% untuk kondis kilsis dan 0.006% untuk kondisi normal. Sedangkan imbal hasil hanan ratata-rata di NYSE menunjukkan hasil yang negatif Sementara itu basil penghitungan volatilitas harga penutupan saham Telkom di kedua bursa pada kondisi krisis jauh lebih besar dan kondjsj normal (lebib besar 2 sampai 3 kali lipat). Hal tersebut rnenunjukkan bahwa pada kondisi krisis laju peningkatan imbal basil hariannya relatif lebih besar dan laju periingkatan risiko pada kondisi normal.
Hasil analisis model regresi berganda dengan menggunakan pendekatan arbItrage pricing theory, menunjukkan bahwa variabel-variabel bebas yang dipilih tidak cukup mengakomodasi persamaan regresi. Dari 6 (enam) variabel yang dipilih hanya 2 variabel yang dapat diikuti sertakan pada persamaan regresi imbal hasil harian saham Telkom, yaitu imbal hasil harían LQ45 dan laju pertumbuhan harlan [ndeks [larga Konsumen (11-1K). Sementara pada kondïsi krisis ada 3 yang dapat diikut sertakan, yaitu imbal basil harlan LQ45, kurs rupiah/US$ dan PDB Nominal. Yang patut dicatat disini adalah pergerakan kurs rupiah lebih memberikan kontribusi terhadap jmbal hash harlan saham Telkom pada kondisi krìsis.
Dengan didasari hasul analisis yang telah dilakukan cukup banyak yang bisa digali dan mekanisme perdagangan saham pencatatan ganda. Pembayaran dividen saham, volume transaksi harian, porsi transaksi asing dan faktor-faktor sentimen pasar merupakan beberapa aspek yang tidak díikutsertakafl dalam proses analisis karya akhir ini. DengarL memasukan beberapa aspek tersebut maka hasil yang diperoleh akan lebih kaya dan bermanfaat."
Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 1999
T6152
UI - Tesis Membership  Universitas Indonesia Library
cover
"This paper conducts event studies on two of the most important events in recent history of Korean M&A market, to examine which firms were regarded more vulnerable to hostile takeover."
330 JER 12:1 (2009)
Artikel Jurnal  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>