Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Pada dasarnya terdapat dua macam faktor yang dapat mempengaruhi kinerja dan pasar modal yaitu faktor ekonomi dan faktor politik. Walaupun tidak memiliki hubungan secara Iangsung, faktor politik juga mempunyai peranan yang cukup signifikan dalam menentukan kinerja dan pasar modal.

Penelitian yang dilakukan kali ini berbentuk event study, dimana peristiwa yang dipilih adalah peristiwa pencabutan fasilitas mobnas oleh pemerintah pada tanggal 15 Januari 1998 dimana segala hak ekslusif yang dimiliki PT. Timor Putra Nasional dalam hal pembebasan pajak bea cukai. Strategi umum yang digunakan dalam event study adalah mengihitung abnormal return yang dihasilkan selama periode peristiwa, dan abnormal return yang dihasilkan akan diuji apakah memang memiliki pengaruh yang cukup signifikan.

Periode penelitian yang digunakan terdiri dari 2 periode waktu, yaitu periode estimasi dan periode peristiwa. Periode estimasi adalah periode selama 261 hari bursa sebelum periode peristiwa. Sedangkan untuk periode peristiwa adalah mulai tanggal 1 Januari 1998 sampai dengan tanggal 29 Januari 1998 (21 hari bursa). Periode peristiwa terdiri dari 10 hari bursa sebelum peristiwa (pre event) yaitu mulai tanggal 1 Januari 1998 sampai dengan 14 Januari 1998, dan 10 hari bursa setelah peristiwa (post event) yaitu dan tanggal 16 Januari 1998 sampai dengan tanggal 29 Januari 1998. Pemilihan sampel yang dilakukan oleh peneliti adalah melihat saham-saham yang tergabung dalam industri otomotif dan komponennya yang terdiri dari 11 saham yang diperdagangkan pada saat itu.

Untuk penelitian tahap awal dilakukan pencarian bentuk stasioner masing-masing saham, kemudian dari hasil ini dilakukan penelitian dengan mencari model regresi masing masing saham dengan menggunakan 2 permodelan yaitu dengan menggunakan model ARIMA dan model ARCH/GARCH. Hasil akhir yang didapat dari permodelan tersebut menghasilkan 4 saham model regresi yang signifikan (dapat memenuhi a=5%) yaitu saham ADMG. saham GJTL, saham LPIN dan saham SMSM.

Dari hasil masing-masing permodelan regresi tersebut dilakukan forecast sehingga dari hasil forecast tersebut didapat saham proyeksi. Selisih saham proyeksi dari saham aktual dinamakan abnormal return.

Penelitian dilanjutkan dengan melakukan pengolahan data secara matematis terhadap hasil masing-masing hasil forecast dan kedua permodelan tersebut, dimana kita mencari bentuk Cummulative Abnormal Return dan Standardized Abnormal Return, dari hasil CAR masing-masing saham diplot ke dalam gambar untuk mengetahui pergerakan CAR masing masing saham tersebut selama periode event.

Hasil dari plot kedua permodelan tersebut diketahui bahwa rata-rata saham tersebut mengalami kebocoran informasi sebelum tanggal event, dimana CAR tertihat bergerak ke sisi negatif yang berarti reaksi pasar negatif terhadap kebijakan pencabutan mobnas oleh pemerintah.

Untuk analisa individu masing-masing saham diketahui saham ADMG mulai melakukan pergerakan pada tn, dimana pergerakan CAR saham ini berbentuk seperti anak tangga yang mengalami pergerakan ke sisi negatif yang lebih besar.

Saham GJTL mengalami pergerakan CAR pada t9 dirnana saham ini bereaksi negatif terhadap kebijakan pencabutan fasilitas mobnas baik sebelum maupun sesudahnya.

Untuk saham LPIN megalami pergerakan negatif pada t9 hingga pada 1 hari sebelum tanggal event, dimana pada t0 saham mengalami kenaikan hingga CAR mencapai positif. tetapi pada t+4 mengalami penurunan yang besar sehingga CAR mencapai titik negatif kembali.

Saharn SMSM memiliki kecenderungan berada di sisi negatif baik sebelum pengumuman maupun setelah pengumuman dimana tampak saham ini mengalami beberapa kali rebound walaupun pada akhir periode even tampak tidak dapat mencapai titik ekuilibrium kembali.

Hasil penelitian yang dilakukan terhadap kedua hasil permodelan tersebut dapat diketahui dengan mempergunakan perhitungan equality of Mean dari masing-masing permodelan, didapat bahwa probabilitas yang dihasilkan diatas 5% yang berarti menerima hipotesis nol (H0) mengenai adanya kualitas data yang dimiliki antara permodelan ARIMA dengan permodelan ARCH/GARCH adalah sama.

Abstrak :
Tesis ini membahas prediksi penggunaan fixed broadband pada tahun 2025, karena target jumlah penetrasi pengguna Fixed Broadband yang belum tercapai pada tahun 2014. Melalui pendekatan Technology Acceptance Model serta memprediksi pengguna fixed broadband di Indonesia menggunakan data runtun waktu. Pendekatan yang digunakan dalam penelituan ini adalah pendekatan penelitian kuantitatif asosiatif, serta prediksi menggunakan model ARIMA. Hasil penelitian menunjukkan bahwa keinginan menggunakan fixed broadband sangat dipengaruhi oleh sikap dan persepsi kegunaan (manfaat) fixed broadband. Oleh sebab itu disarankan agar dalam memasarkan produk-produk fixed broadband menonjolkan fitur manfaat yang dapat mendorong sikap positif terhadap fixed broadband. Sehingga dapat dihasilkan jumlah pengguna Fixed Broadband mencapai 13 juta pengguna pada akhir tahun 2025 dengan tingkat penetrasi sebesar 70,45% berdasarkan data tahun 2017-2025. Disamping itu agar prediksi pengguna fixed broadband dapat dilakukan dengan baik, pada penelitian selanjutnya disarankan untuk melakukan prediksi terhadap penetrasi fixed broadband menggunakan faktor-faktor tingkatan ekonomi dan sosial seseorang, lingkungan politik, ekonomi, sosial dan budaya serta tahapan ketersediaan jaringan kabel yang diperlukan. ......This thesis discusses the use of fixed broadband in 2025, because the penetration target of Fixed Broadband users has not been achieved in 2014. The Technology Acceptance Model approach and predicts fixed broadband users in Indonesia uses time series data. The approach used in this research is an associative quantitative approach, and predictions using the ARIMA model. The results show that the desire to use fixed broadband is largely determined by attitudes and perceptions of the usefulness (benefits) of fixed broadband. Therefore, it is recommended that in marketing fixed broadband products highlight features that can encourage a positive fixed broadband attitude. So that the number of Fixed Broadband users can reach 13 million users by the end of 2025 with a penetration rate of 70.45% based on 2017-2025 data. In addition, so that fixed broadband predictions can be made well, in future research it is recommended to predict fixed broadband penetration using factors such as one's economic and social level, political, economic, social and cultural environment as well as the availability of the required network.