1. PERBANDINGAN EFISIENSI TEKNIKAL INDIKATOR SIMPLE
MOVING AVERAGE DAN EXPONENTIAL MOVING AVERAGE PADA
SAHAM PERTAMBANGAN BATUBARA DI BURSA EFEK INDONESIA
YANUAR PALIMO A.B
11206044
botshe27@student.gunadarma.ac.id
ABSTRAKSI
Penelitian ini bertujuan untuk mengetahui indikator teknikal dari kelompok moving average
yang paling efisien sebagai alat analisis untuk saham pertambangan LQ45 serta kespesifikan
dari karakteristik indikator teknikal moving average untuk saham pertambangan batubara
LQ45.
Objek penelitian adalah PT Adaro energy.tbk, PT Bumi Resources.tbk, PT Indo Tambangraya
Megah.tbk, serta PT Tambang Batubara Bukit Asam.tbk, dan data yang digunakan adalah
data pergerakan harga saham harian pada periode 1 November 2009 sampai 30 April 2010
yang diperoleh dari situs www.yahoofinance.com. Metodologi yang dipergunakan dalam
penelitian ini pada awalnya adalah pengumpulan data berbasis web yang kemudian diolah
dan dianalisis dengan memakai Microsoft Excell 2003. Selanjutnya masih dengan aplikasi
spread sheet ini, analisis dilanjutkan dengan memakai konsep pengukuran koefisien variansi
pergerakan harga. Aplikasi Metastock versi10.1 juga digunakan untuk analisis penggunaan
indikator teknikal secara visual. Akhirnya aplikasi statistik SPSS versi 12.2 digunakan untuk
melakukan pengujian statistik.
Hasil penelitian ini menunjukkan bahwa indikator simple moving average dengan periode 26
hari (SMA (26)) adalah indikator yang paling efisien untuk digunakan sebagai estimator
berdasarkan nilai koefisien variansinya, serta berdasarkan uji Kendall’s W terdapat
kesepakatan diantara saham pertambangan batubara LQ45 tentang indikator moving average
yang paling efisien dalam mengestimasi pergerakan harga.
Kata Kunci : Analisis Teknikal, Simple Moving Average, Exponential moving average, Adro,
Bumi, Itmg, Ptba.
PENDAHULUAN
Latar Belakang Masalah
Bursa Efek Indonesia (BEI) terus berkembang seiring bertambahnya usia, dan keadaan
pun semakin menunjukkan bahwa efek / saham semakin banyak peminatnya, dilihat dari
kapitalisasinya yang terus bertambah dari beberapa tahun sebelumnya. Investasi di pasar
modal diharapkan bisa menjadi alternatif penghimpunan dana selain sistem perbankan.
Investasi pada saham merupakan investasi pada sektor finansial yang tergolong paling
high risk - high return investment. Artinya, peluang untuk memperoleh keuntungan sangat
besar bahkan dapat mencapai ratusan persen perbulan namun diimbangi dengan kemungkinan
kerugian yang besar apabila tidak dikelola dengan baik. Perlu dipahami konsep high risk high return di sini. Pada dasarnya, semua jenis investasi memiliki kemungkinan kerugian.
Sejalan dengan perkembangan ilmu pengetahuan dan teknologi informasi dalam
pengolahan data, maka berkembang pula salah satu analisis utama dalam dunia investasi,

2. yakni analisis teknikal. Saat ini, penganalisisan pergerakan harga saham dengan menggunakan
analisis teknikal telah berkembang luas, tidak lagi hanya terbatas pada analisis bentuk grafik
harga yang terbentuk (analisis teknikal klasik).
Rumusan Masalah
Rumusan masalah dalam penelitian ini, difokuskan pada :
a. Instrument indikator teknikal apa yang ideal untuk dikombinasikan guna memaksimalkan
gain profit / return of investment dalam berinvestasi bagi investor pemula?
b. Dalam satu kelompok indikator teknikal tertentu (dalam hal ini adalah indikator dari
kelompok moving average), manakah diantaranya yang paling efisien untuk saham
pertambangan batubara LQ45 periode 1 November 2009 sampai dengan 30 April 2010?
c. Apakah indikator teknikal moving average dengan karakteristik tertentu adalah spesifik
untuk saham pertambangan batubara LQ45?
Batasan Masalah
Sesuai dengan uraian permasalahan penelitian yang telah dirumuskan di atas, maka
penulis membatasi masalah penulisan ini pada pergerakan harga pasar saham dari
pertambangan batubara yang masuk ke dalam daftar LQ45 periode 1 November 2009 sampai
dengan 30 April 2010 dan selama periode tersebut tidak pernah mengalami stock split. Saham
terpilih dari sektor tersebut adalah ADRO, BUMI, ITMG, dan PTBA dengan pengamatan
harga kuotasi harian bursa dari 1 November 2009 sampai dengan 30 April 2010 yang meliputi
harga pembukaan (open), harga tertinggi (high), harga terendah (low), dan harga penutupan
(close).
Selain dengan pengolahan kuantitatif, data tersebut juga akan diolah melalui
penggambaran grafik analisis teknikal dengan menggunakan candlestick. Terhadap grafik
tersebut kemudian akan dilakukan analisis dengan indikator simple moving average (SMA)
jangka pendek dan simple moving average (SMA) jangka panjang. Hal yang sama juga akan
dilakukan pada indikator variannya, yaitu exponential moving average (EMA)
Tujuan Penelitian
Tujuan Penelitian ini adalah:
a) Menentukan indikator teknikal yang ideal dari kelompok indikator moving average
untuk mengambil keputusan dalam bertransaksi.
b) Mengetahui indikator teknikal moving average yang paling efisien sebagai alat analisis
untuk saham pertambangan batubara LQ45 dari indikator simple moving average dan
exponential moving average periode 5, 12 dan 26.
c) Mencari kespesifikan dari karakteristik indikator teknikal moving average untuk saham
pertambangan batubara LQ45.
TELAAH PUSTAKA
Pasar Modal
Pengertian Pasar Modal
Pengertian pasar modal menurut Undang-Undang No. 8 Tahun 1995 tentang Pasar
Modal Pasal 1 Ayat 13, adalah kegiatan yang bersangkutan dengan penawaran umum dan
perdagangan efek, perusahaan publik yang berkaitan dengan efek yang diterbitkannya, serta
lembaga dan profesi yang berkaitan dengan efek.
Dalam kamus istilah ekonomi, pengertian pasar modal dibagi menjadi dua, yaitu
(Darmawan, 2006: 79):

3. 1.
Pengertian luas: adalah suatu tempat dengan suatu sistem pelayanan yang terorganisasi
yang menyalurkan dana dari dan untuk masyarakat, seperti lembaga perbankan dan
lembaga lainnya yang bersifat komersial termasuk pasar bursa.
2.
Pengertian sempit: adalah suatu tempat yang dikelola oleh suatu lembaga untuk
memperjualbelikan surat beharga, dengan para pelaksananya seperti jasa pialang,
komisioner dan underwriter.
Instrumen Pasar Modal
Harnanto (2004: 320) mendefinisikan instrumen pasar modal sebagai surat berharga
yang biasa diperdagangkan di pasar modal. Instrumen tersebut yang paling dikenal antara lain
adalah:
1.
Saham
2.
Obligasi
3.
Bukti Right
4.
Waran
5.
Opsi Saham
Saham
Pengertian Saham
Saham adalah surat bukti pemilikan bagian modal perseroan terbatas yang memberikan
berbagai hak menurut ketentuan anggaran dasar (Kurniawan, ___ : 75). Saham juga dapat
didefinisikan sebagai tanda penyertaan atau pemilikan seseorang atau badan dalam suatu
perusahaan atau perseroan terbatas. Wujud fisik saham adalah selembar kertas yang
menerangkan bahwa pemilik kertas tersebut adalah pemilik perusahaan yang menerbitkan
surat berharga tersebut. Porsi kepemilikan ditentukan oleh seberapa besar penyertaan yang
ditanamkan di perusahaan tersebut (Darmadji dan Fakhruddin, 2001: 5). Senada dengan
pengertian di atas, Darmawan (2006: 507) mendefinisikan saham sebagai bukti kepemilikan
atas suatu perseroan, yang berarti juga klaim atas penghasilan dan aktiva perusahaan.
Indeks LQ45
Indeks LQ45 adalah indeks yang hanya mencatat perubahan harga rata–rata dari 45
saham bluechip berkinerja terbaik dan paling likuid di Bursa Efek Jakarta (Wijaya, 2006: 77).
Berikut ini adalah kriteria utama yang digunakan dalam seleksi atas suatu saham untuk masuk
dalam LQ45:
1.
Masuk dalam ranking 60 besar dari total transaksi saham di pasar regular (rata–rata
nilai transaksi selama 12 bulan terakhir).
2.
Ranking berdasarkan kapitalisasi pasar (rata–rata kapitalisasi pasar selama 12 bulan
terakhir).
3.
Telah tercatat di BEI minimum 3 bulan.
4.
Keadaan keuangan perusahaan dan prospek pertumbuhannya, frekuensi dan jumlah
hari perdagangan/transaksi di pasar reguler.
BEI secara rutin memantau perkembangan komponen saham yang masuk dalam
perhitungan indeks LQ45. Pergantian saham akan dilakukan setiap 6 (enam) bulan sekali,
yaitu pada awal bulan Februari dan awal bulan Agustus.
Analisis Teknikal
Definisi
Analisis teknikal adalah metode untuk memprediksi pergerakan harga dan tren pasar
atau sekuritas di masa depan dengan mempelajari grafik dari aksi pasar di masa lalu dengan
mempertimbangkan harga pasar instrumen dan minat atas instrumen tersebut (Cahyono, 2001:
9). Analisis teknikal adalah salah satu analisis atau metode pendekatan yang mengevaluasi

4. pergerakan suatu harga saham, kontrak berjangka (future contract), indeks dan beberapa
instrumen keuangan lainnya (Wijaya, 2006: 64). Secara singkat, analisis teknikal dapat
dikatakan sebagai analisis sekuritas dengan menggunakan grafik harga dan volume historis
(Sulistiawan dan Liliana, 2007: 4).
Dasar Pemikiran
Tiga asumsi atau anggapan dasar yang dipakai dalam analisis teknikal adalah
(Sulistiawan dan Liliana, 2007: 5):
1. Market price discounts everything
Pengguna analisis ini percaya bahwa semua peristiwa bisa sangat berpengaruh
terhadap harga saham. Kejadian atau peristiwa tersebut akan tercermin pada harga
sahamnya secara seketika.
2. Price moves in trend
Prinsip dasar berikutnya dalam penggunaan analisis teknikal adalah jangan pernah
mengambil keputusan transaksi yang melawan tren harga. Karena pengguna analisis
percaya bahwa semua informasi tercermin pada harga pasar saham, maka tren tersebut
menunjukkan sikap para pelaku pasar atau investor atas suatu saham. Pahami tren yang
ada dan ikuti ke mana tren tersebut akan bergerak agar bisa memanfaatkan pergerakan
harga pasar tersebut untuk meningkatkan hasil investasi.
3. History repeats itself
Data historis dapat digunakan untuk memprediksi data atau harga saham di masa
mendatang. Hal ini diyakini oleh pengguna analisis teknikal mengingat adanya faktor
psikologis para pelaku pasar yang secara umum bersifat konstan. Maksudnya adalah
bahwa manusia cenderung bereaksi terhadap sesuatu dengan cara yang sama, sehingga
segala sesuatu yang pernah terjadi pada masa lalu akan mempunyai dampak yang sama
atas kejadian yang sama pada masa sekarang.
Klasifikasi Analisis Teknikal
Secara umum, analisis teknikal digolongkan ke dalam beberapa kelas yang dapat
diamati pada gambar 2.1. Penggolongan analisis teknikal pada 2 kelas utama dibedakan
sebagai berikut (Sulistiawan dan Liliana, 2007: 12):
1.
Analisis Teknikal Klasik
Pengguna analisis teknikal ini biasa disebut sebagai chartist. Penggunanya percaya
bahwa tren dan sinyal aksi pasar suatu saham dapat diperoleh berdasarkan bentuk dan
pola tertentu dari grafik harga saham. Bentuk lain dari analisis ini adalah penggunaan
garis penganalisis yang diaplikasikan pada grafik harga menurut opini individual
masing-masing pengguna. Oleh karena itu dasar pengambilan keputusan transaksi
biasanya juga ditentukan berdasarkan judgment dan interpretasi penggunanya terhadap
suatu grafik. Mengingat sifatnya yang sangat subyektif, maka analisis ini lebih banyak
mengandung seni/art dari pada unsur ilmiahnya.
2.
Analisis Teknikal Modern
Pengguna analisis ini biasa juga disebut sebagai technician. Penggunanya percaya
bahwa tren dan sinyal aksi pasar suatu saham dapat diperoleh berdasarkan pola grafik
yang ditentukan atau diindikasikan dari perhitungan kuantitatif, bukan interpretasi
subyektif terhadap suatu grafik. Mengingat sifatnya yang bersifat kuantitatif, maka
metode ini secara ilmiah bisa diuji kemampuan dan kinerjanya dalam menghasilkan
keuntungan bagi investor. Faktor lain yang menguntungkan dari analisis teknikal
modern ini adalah bahwa indikatornya bisa diprogram secara otomatis melalui
komputer.

5. Indikator
Indikator adalah nilai tunggal estimator atas sekumpulan (time series) data suatu
sekuritas yang dihasilkan dari penggunaan sebuah formula terhadap data harga sekuritas
tersebut. Secara umum biasanya indikator dapat dikelompokkan menjadi beberapa kategori
sebagai berikut (Fakhrudin, Firmansyah, dan Hadianto, 2004: 84):
1.
Trend Following Indicator
• Indikator yang mengikuti kecenderungan pergerakan harga saham.
• Indikator yang tergolong dalam jenis ini relatif kurang cocok untuk digunakan
bermain dalam tren yang bergerak mendatar.
• Keuntungan indikator ini adalah cukup mudah dalam penggunaan dan
interpretasinya serta memiliki kemampuan untuk menangkap pergerakan dan tetap
untuk berada dalam pergerakan tersebut.
• Kelemahannya adalah tidak efektif apabila berada dalam sebuah trading range
datar atau menyimpang.
• Contoh: Moving Average Divergence Convergence (MACD), Moving Average,
Directional Movement System, Accumulation/Distribution, On Balance Volume.
2.
Oscilator Indicators
• Indikator yang mengidentifikasikan titik balik yang dapat terjadi pada suatu saham.
• Contoh: Stochastic Oscillator, Williams %R, Rate of Change.
3.
Miscellaneous Indicators
• Indikator yang memberikan indikasi khusus mengenai psikologi massa (pelaku
pasar).
• Contoh: Advance/Decline Index, Bullish Consensus, New Low Index.
Indikator Simple Moving Average (SMA)
Moving average adalah salah satu perangkat indikator di dalam analisis teknikal yang
paling sering digunakan. Indikator memberikan nilai rata-rata atas perubahan harga sekuritas
pada beberapa hari ke belakang, sehingga memberikan informasi yang lebih mudah ditangkap
untuk keperluan analisis dan mengantisipasi tren (Hendarto, 2005: 91). Simple moving
average (SMA) dihitung dengan cara mengambil nilai rata-rata dari harga suatu sekuritas pada
rentang waktu tertentu ke belakang. Perhitungan simple moving average (SMA) ini bisa
diambil dari nilai rata-rata harga pembukaan, harga penutupan, harga tertinggi dan juga harga
penutupan suatu sekuritas (Hendarto, 2005: 92).
Dalam perdagangan saham biasanya terdapat periode yang populer dikalangan analisis,
seperti periode 9/10 untuk jangka pendek dan 10/20 untuk jangka panjang (Fakhrudin,
Firmansyah, dan Hadianto, 2001: 69). Indikator simple moving average (SMA) dapat
menentukan sinyal transaksinya. Adapun indikasi terdapatnya sinyal beli dan sinyal jual
adalah sebagai berikut (Sulistiawan dan Liliana, 2007: 56):
•
Sinyal beli: grafik saham memotong ke atas grafik simple moving average (SMA).
•
Sinyal jual: grafik saham memotong ke bawah grafik simple moving average (SMA).
Sinyal beli dan sinyal jual dalam penggunaan terhadap dua simple moving average
(SMA) menurut Fakhrudin, Firmansyah, dan Hadianto (2001: 69) adalah sebagai berikut:
•
Sinyal beli: harga asli berada di atas simple moving average (SMA) yang periodenya
lebih pendek bergerak dari bawah dan memotong ke atas simple moving average
(SMA) yang periodenya lebih panjang.

6. •
Sinyal jual: simple moving average (SMA) yang periodenya lebih pendek bergerak
dari atas dan memotong ke bawah simple moving average (SMA) yang lebih panjang
periodenya serta harga aslinya di bawah persilangan tersebut.
Indikator Exponential Moving Average (EMA)
Indikator exponential moving average (EMA) sebagai salah satu varian dari moviong
average (MA), menggunakan formulasi perhitungan yang memberikan bobot pada harga
sekarang secara relatif terhadap harga awal dari perhitungan exponential moving average
(EMA) pada rentang waktu tertentu. Semakin pendek rentang waktu yang digunakan, semakin
berbobot penerapan penggunaan exponential moving average (EMA) ini untuk memberikan
nilai rata-rata terkini dari suatu sekuritas (Hendarto, 2005: 95).
Indikator exponential moving average (EMA) mengurangi efek lagging yang biasa terdapat
pada indikator simple moving average (SMA) dengan cara memberikan pembebanan
(weighting) kepada harga terkini (recent price) terhadap harga masa lalu (older price). Prinsip
ini dengan sendirinya akan mengakibatkan exponential moving average (EMA) bergerak lebih
cepat dibanding simple moving average (SMA) (Fakhrudin, Firmansyah, dan Hadianto, 2004:
87).
Pengertian Efisiensi
Kata efisien menurut kamus besar bahasa Indonesia yaitu tepat atau sesuai untuk mengerjakan
(menghasilkan) sesuatu (dengan tidak membuang-buang waktu, tenaga, biaya), mampu
menjalankan tugas dengan tepat dan cermat, berdaya guna, bertepat guna. Sedangkan definisi
dari efisien yaitu penggunaan sumber daya secara minimum guna pencapaian hasil yang
optimum. Efisiensi menganggap bahwa tujuan yang benar telah ditentukan dan berusaha untuk
mencari cara yang paling baik untuk mencapai tujuan tersebut. Efisiensi hanya dapat
dievaluasi dengan penilaian relatif, membandingkan antara masukan dan keluaran yang
diterima. Misalnya suatu pekerjaan dapat dikerjakan dengan cara A dan cara B. Untuk cara A
dapat dikerjakan selama 1 jam sedangkan cara B dikerjakan dengan waktu 3 jam. dengan
begitu dengan cara A (cara yang benar) baru bisa dikatakan cara yang efisien bila
dibandingkan dengan cara B.
Penelitian Sejenis Mengenai Kinerja Indikator
Wong, Du, dan Chong (2005) menguji probabilitas pengaplikasian indikator teknikal
untuk menghasilkan sinyal beli maupun sinyal jual di bursa saham Cina, Hong Kong, dan
Taiwan. Indikator dari kelompok Moving Average (Simple MA, Dual MA, Triple MA,
MACD, dan TRIX) ternyata secara signifikan dapat memberikan return positif dibandingkan
dengan strategi buy-and-hold. Pengujian indikator dari kelompok MA ini pada periode
sebelum maupun sesudah krisis 1997 serta pada kondisi pasar bullish, bearish, dan mixed juga
menunjukkan kinerja yang sama. Hasil pengujian juga menunjukkan bahwa analisis teknikal
ini dapat dipakai untuk memperkirakan arah pergerakan pasar.
Dalam papernya, Wong, Manzur, dan Chew (2002) memfokuskan pada peranan
analisis teknikal dalam memberikan sinyal entry dan exit di pasar modal, dengan kasus di
Pasar Modal Singapura. Pengamatan dilakukan dengan mengintrodusir uji statistik untuk
menilai kinerja Moving Average (mewakili indikator trend-follower) dan Relative Strength
Index (mewakili indikator counter-trend). Temuan analisis mengindikasikan bahwa indikator
tersebut secara signifikan dapat memberikan return positif. Temuan ini juga dapat
menjelaskan bahwa perusahaan efek anggota Singapore Stock Exchange (SSE) cenderung
dapat menikmati profit yang besar dengan mengaplikasikan indikator teknikal.
Dalam studinya, Shachmurove, BenZion, Klein, dan Yagil (2001) telah menguji kemanjuran
dalam penggunaan aturan teknikal perdagangan. Studi dilakukan dengan membandingkan

7. pasar berkembang yang diwakilkan oleh Tel-Aviv 25 Index (TA25) dengan pasar mapan yang
diwakilkan oleh Index S&P 500. Hasil pengamatan menunjukkan bahwa analisis historikal
cukup berdaya-guna dalam mendiagnosa pola perilaku yang berulang.
METODOLOGI PENELITIAN
Objek Penelitian
Penelitian ini mengambil data dari PT. Adaro Energy.tbk, PT. Bumi Resources.tbk,
PT. Indo Tambangraya Megah.tbk, dan PT. Tambang Batubara Bukit Asam.tbk yang listing di
Bursa Efek Indonesia (BEI).
Data Penelitian
Data yang digunakan dalam penulisan ini adalah data harga saham pertambangan batubara
yang masuk ke dalam daftar LQ45 periode 1 Agustus 2009 sampai dengan 31 Januari 2010
dan selama periode tersebut tidak pernah mengalami stock split, yaitu ADRO, BUMI, ITMG,
dan PTBA pada periode harian bursa yang meliputi harga pembukaan (open), harga tertinggi
(high), harga terendah (low), dan harga penutupan (close). Data harga saham yang digunakan
juga berasal dari periode yang sama, yakni dari 1 November 2009 sampai dengan 30 April
2010, yang diperoleh dari kuotasi resmi harian PT. Bursa Efek Indonesia (BEI) dan website
www.yahoofinance.com.
Metode Pengumpulan Data
Untuk mendukung penelitian dan menyelesaikan penulisan ini, metode riset dan pengumpulan
data yang digunakan adalah:
1. Studi Pustaka (Library Research)
Penulis mengumpulkan dan menyusun referensi melalui buku, jurnal, dan artikel yang
berhubungan serta relevan dengan materi penulisan ini.
2. Download
Penulis melakukan pengumpulan data harga pasar saham harian histories dan profil
perusahaan dengan cara download dari situs internet dan mentransformasikan file untuk
memperoleh data yang diperlukan dalam penulisan ini. Situs utama yang dipergunakan oleh
penulis adalah www.yahoofinance.com dan www.bei.co.id
Alat Analisis
Dalam penulisan ini, penulis menggunakan analisis teknikal modern sebagai alat utama
untuk menganalisis dan memprediksi harga saham pertambangan batubara LQ45 tersebut.
Indikator yang digunakan sebagai alat analisis yaitu simple moving average dan exponential
moving average. Pertimbangan utama tidak disertakannya analisis teknikal klasik dalam
penulisan ini karena faktor subyektifitasnya, sehingga hasil analisis tidak bisa diinterpretasikan
secara ilmiah dan tidak dapat berlaku secara umum. Namun, analisis teknikal juga dilakukan
dalam kerangka penggunaan grafik candlestick dan fibonacci retrecement, untuk beberapa
indikator dan penentuan titik support dan resisten dengan menggunakan fibonacci retrecement.
Dari hasil implementasi alat analisis teknikal di atas, selanjutnya penulis memprediksi harga
saham pertambangan batubara LQ45. Gambaran contoh grafik untuk analisis ditunjukkan pada
seksi berikut ini.
Indikator Simple Moving Average (SMA)
Rumus untuk menghitung indikator simple moving average (SMA) adalah sebagai
berikut (Sulistiawan dan Liliana, 2007: 54) :
SMA( n ) =
Pn + ... + P2 + P1
n

8. Keterangan:
: rata–rata bergerak sederhana n hari perdagangan sebelumnya
SMA (n)
: harga saham n hari sebelumnya
Pn
: harga saham 2 hari sebelumnya
P2
: harga saham 1 hari sebelumnya
P1
n
: lamanya hari
Indikator Exponential Miving Average (EMA)
Metode yang digunakan untuk mendapatkan prediksi dari indikator exponential
moving average (EMA) dilakukan dengan terlebih dahulu menghitung suatu konstanta
penghalus (smoothing constant). Secara umum, langkah-langkah untuk menghitung indikator
exponential moving average (EMA) tersebut dirumuskan dalam formula sebagai berikut
(Fakhrudin, Firmansyah, dan Hadianto, 2004: 87):
X = (K × (C − P )) + P
2
K=
(1 + N )
Keterangan:
X : exponential moving average (EMA)
C : current Price
P : exponential moving average (EMA) periode sebelumnya*
K : smoothing Constant
N : basis periode exponential moving average (EMA) yang digunakan
* : untuk pertama kali menggunakan simple moving average (SMA)
Pengukuran Efisiensi Kinerja Indikator
Untuk mengukur efisiensi kinerja indikator simple moving average (SMA) dan
indikator exponential moving average (EMA) digunakan koefisien variansi, di mana untuk
mendapatkan nilai koefisien variansi tersebut, harus diketahui terlebih dahulu nilai
varians/ragam dan standar deviasi/simpangan bakunya. Semakin kecil nilai koefisien
variansinya berarti semakin efisiensi pula kinerja indikatornya.
Varians/Ragam
Dengan kriteria efisiensi seperti tersebut di atas, maka perhitungan sebaran (ragam)
dan simpangan baku yang dipakai akan menggunakan formula sebagai berikut (Walpole,
2000):
∑ (di − d )
n
s =
2
2
i =1
n −1
Keterangan:
s 2 : varians/ragam
di : selisih pengukuran pada pengamatan ke-i
d : rata-rata selisih
n : jumlah data
Standar Deviasi/Simpangan Baku
s = s2

9. Keterangan:
s
: standar deviasi/simpangan baku
2
: varians/ragam
s
Koefisien Variansi
Untuk mendapatkan hasil pengukuran ragam yang standar dan bisa dibandingkan antar
variabel (antar saham), maka nilai simpangan bakunya akan distandardisir menjadi koefisien
variansi dengan rumus (Walpole, 2000):
⎛s⎞
kv = ⎜ ⎟ × 100%
⎝d ⎠
Keterangan:
kv : koefisien variansi
s : standar deviasi/simpangan baku
d : rata-rata selisih
Pengukuran Konsistensi Kinerja Indikator dengan Uji Kendall’s W
Pembandingan kinerja masing-masing indikator dilakukan untuk menguji konsistensi
kinerjanya dalam memprediksi nilai pada sekuritas yang berbeda-beda. Pengujian konsistensi
dilakukan dengan statistik uji Kendall’s W. Uji Kendall’s W merupakan uji non-parametrik
yang digunakan untuk menguji beberapa sampel berkaitan yang berasal dari populasi yang
sama (dalam kasus ini populasi indikator moving average). Koefisien konkordansi W
menyatakan tingkat asosiasi antara n buah variabel yang diukur dalam ranking. Statistik uji
yang digunakan adalah sebagai berikut (Sulaiman. 2005: 98):
⎧
⎡1
⎤⎫
∑ ⎨R j − ⎢ 2 m(n + 1)⎥ ⎬
⎣
⎦⎭
j =1 ⎩
W=
2
2
m n n − 1 / 12
n
(
2
)
χ 2 = m (n − 1)W
Keterangan:
W : koefisien konkordansi Kendall
m : banyaknya kumpulan peringkat
n : banyaknya objek yang diperingkat
Rj : jumlah peringkat yang ditetapkan bagi individu ke-j
χ2 : chi-square
Hipotesis-Hipotesis
Hipotesis yang diajukan untuk uji statistik Kendall’s W dalam mengukur konkordansi
antara beberapa variabel indikator adalah sebagai berikut:
H0:
tidak terdapat kesepakatan indikator yang paling efisien dalam mengestimasi harga
saham di antara saham pertambangan LQ45.
H1:
terdapat kesepakatan indikator yang paling efisien dalam mengestimasi harga saham di
antara saham pertambangan LQ45.
Kaidah Pengambilan Keputusan
χ2 hit > χ2 α(n-1) tolak H0
χ2 hit < χ2 α(n-1) terima H0

10. atau
Asymp. Sig. < tolak H0
Asymp. Sig. > terima H0
Perangkat Lunak Pengolah data
Aplikasi pengolah data maupun untuk analisis data yang digunakan dalam penulisan
ini adalah Microsoft Office Excell 2003 untuk pengolahan data awal harga saham dalam
bentuk lembar kerja (spread-sheet), dan Metastock versi 10.1 untuk analisis indikator teknikal
dan SPSS versi 12.2 untuk pengolahan data dalam pengujian statistik.
PEMBAHASAN
Efisiensi Kinerja Indikator Simple Moving Average (SMA) dan Indikator Exponential
Moving Average (EMA) (dalam %)
Berdasarkan data harga saham pertambangan yang pernah masuk ke dalam daftar LQ45
periode Agustus 2009 sampai dengan Januari 2010 dan selama periode tersebut tidak pernah
mengalami stock split, yaitu ADRO, BUMI, ITMG dan PTBA pada periode harian bursa dari
1 Agustus 2009 sampai dengan 31 Januari 2010, maka diperoleh nilai koefisien variansi
indikator SMA (5), SMA (12), SMA (26), EMA (5), EMA (12) dan EMA (26). Hasil
perhitungan nilai koefisien variansi selengkapnya dapat dilihat pada lampiran dari penulisan
ini, sedangkan rekapitulasi hasilnya dapat dilihat pada tabel 4.1 di bawah.
Tabel 4.1
Koefisien Variansi Indikator Simple Moving Average (SMA) dan Indikator Exponential
Moving Average (EMA)
(dalam %)
SMA
SMA
SMA
EMA
EMA
EMA
Saham
(5)
(12)
(26)
(5)
(12)
(26)
ADRO
95.870
95.606
65.166
92.702
95.599
65.164
BUMI
82.816
71.568
69.965
82.795
71.561
69.966
ITMG
76.919
66.914
53.746
76.917
66.913
53.747
PTBA
82.185
70.825
59.666
82.19
70.827
59.675
Indikator
Sumber:
Hasil Olahan Penulis, 2010
Berdasarkan tabel 4.1 urutan indikator dari yang paling baik berdasarkan nilai
koefisien variansinya untuk dari setiap saham adalah:
ADRO: EMA (26), SMA (26), EMA (5), EMA (12), SMA (12), dan SMA (5).
BUMI: SMA (26), EMA (26), EMA (12), SMA (12), EMA (5), dan SMA (5).
ITMG: SMA (26), EMA (26), EMA (12), SMA (12), EMA (5), dan SMA (5).
PTBA: SMA (26), EMA (26), SMA (12), EMA (12), SMA (5), dan EMA (5).
Dari tabel 4.1 dapat diketahui bahwa indikator SMA (26) ternyata yang paling efisien
untuk digunakan sebagai estimator. Hal ini ditunjukkan dari nilai koefisien variansi indikator
SMA (26) adalah yang paling kecil untuk tiga saham pertambangan batubara LQ45 dari empat
saham pertambangan batubara LQ45 yang diteliti. Hanya pada saham ADRO kinerja indikator
SMA (26) diungguli oleh indikator EMA (26) dengan nilai koefisien variansi 65.164.

11. Konsistensi Kinerja Indikator Simple Moving Average (SMA) dan Indikator Exponential
Moving Average (EMA) dengan Uji Kendall’s W
Dari tabel 4.1 di atas selanjutnya dapat dibuat pemeringkatan nilai koefisien variansi
dari keenam indikator, yaitu: indikator SMA (5), SMA (12), SMA (26), EMA (5), EMA (12)
dan EMA (26). Konsistensi peringkat nilai koefisien variansi pada keempat saham
pertambangan batubara LQ45 yang dianalisis, kemudian dipakai untuk menilai konsistensi
kinerja keenam indikator dengan menggunakan uji Kendall’s W. Untuk memudahkan uji
analisis, tabel 4.1 di atas ditransformasikan dalam bentuk tabel peringkat sebagaimana
ditunjukkan dalam tabel 4.2 berikut ini.
Tabel 4.2
Peringkat/Ranking Koefisien Variansi Indikator Simple Moving Average (SMA) dan
Indikator Exponential Moving Average (EMA)
SMA
SMA
SMA
EMA
EMA
EMA
Saham
(5)
(12)
(26)
(5)
(12)
(26)
ADRO
6
5
2
3
4
1
BUMI
5
4
1
6
3
2
ITMG
6
4
1
5
3
2
PTBA
5
3
1
6
4
2
Indikator
Sumber: Hasil Olahan Penulis, 2010
Statistik Deskriptif
Tabel 4.3
Descriptive Statistics
N
Mean
Std. Deviation
Minimum
Maximum
SMA (5)
4
5.5
.577
5
6
SMA (12)
4
4
.816
3
5
SMA (26)
4
1.25
.5
1
2
EMA (5)
4
5
1.414
3
6
EMA (12)
4
3.5
.577
3
4
EMA (26)
4
1.75
.5
1
2
Sumber: Hasil Perhitungan SPSS
Tabel 4.3 merupakan uraian statistika deskriptif dari peringkat koefisien variansi
indikator yang dianalisis. Tabel tersebut menunjukkan bahwa indikator SMA (5) memiliki
rata-rata peringkat 5.5 dari 4 kasus (4 saham), dengan peringkat minimum 5 dan peringkat
maksimum 6. Artinya, dari keenam kali kasus atau pengamatan, indikator SMA (5)
mendapatkan peringkat terbaik 5 dan peringkat terburuk 6. Jika deskripsi ini diselidiki lebih

12. lanjut dengan mengamati tabel 4.2, terlihat bahwa indikator SMA (5) mendapatkan peringkat
5 sebanyak 2 kali, dan peringkat 6 sebanyak 2 kali, dari total 4 kali pengamatan. Hal yang
sama juga kita dapatkan jika kita melihat pada indikator EMA (26) misalnya. Dari tabel 4.3
didapatkan bahwa dari 4 kali pengamatan, indikator EMA (26) memperoleh peringkat yang
berkisar antara 1 sampai dengan 2, di mana rata-rata peringkatnya adalah 1.75. Dari rincian
pada tabel 4.2 didapatkan bahwa indikator EMA (26) memperoleh peringkat 1 sebanyak 1
kali, dan peringkat 2 sebanyak 3 kali. Demikian pula hal yang serupa bisa kita deskripsikan
pada keenam indikator lainnya.
Sebaran nilai peringkat masing-masing indikator dapat dilihat pada kolom standar
deviasi di tabel 4.3. Dari tabel tersebut dapat dilihat bahwa indikator SMA (5) merupakan
indikator yang paling berfluktuatif nilai peringkatnya. Secara sepintas hal ini dapat
memberikan gambaran bahwa indikator SMA (5) merupakan indikator yang paling tidak stabil
untuk dapat digunakan sebagai alat estimator di saham pertambangan batubara pada LQ45 di
bursa efek Indonesia. Di lain pihak, indikator SMA (26), EMA (26), EMA (12), dan SMA (12)
merupakan indikator yang stabil untuk mengukur atau memperkirakan harga saham
pertambangan batubara.
Nilai rata-rata peringkat dari keenam indikator pada tabel 4.3, secara sederhana dapat
memberikan gambaran awal bahwa urutan efisiensi indikator adalah sesuai dengan besaran
numerik angka mean ranks tersebut. Berdasarkan data tersebut, maka ranks efisiensi indikator
menurut perhitungan koefisien variansinya adalah sebagai berikut:
1. SMA (26), dengan mean rank: 1.25
2. EMA (26), dengan mean rank: 1.75
3. EMA (12), dengan mean rank: 3.5
4. SMA (12), dengan mean rank: 4
5. EMA (5), dengan mean rank: 5
6. SMA (5), dengan mean rank: 5.5
Urutan atau peringkat di atas menyatakan bahwa indikator yang paling efisien sebagai
estimator harga saham pertambangan LQ45 adalah SMA (26) dan yang paling tidak efisien
adalah SMA (5). Hasil ini hanya berlaku untuk keenam indikator yang menjadi pengamatan
(hanya dari kelompok moving average) dan kelompok saham pertambangan batubara LQ45 di
bursa efek Indonesia.
Informasi awal tentang peringkat efisiensi kinerja indikator di atas selanjutnya harus
diuji konsistensinya dengan mengkompromikan rata-rata peringkatnya. Uji konkordansi
Kendall selanjutnya akan menunjukkan signifikansi pemeringkatan yang didapatkan dari
statistika deskriptif di atas.
Uji Kendall’s W
Keluaran (output) olahan data dari tabel 4.2 dengan aplikasi statistik SPSS
memberikan tabel hasil sebagaimana dapat dilihat pada tabel 4.4 dan tabel 4.5 berikut ini:
Tabel 4.4
Ranks
Mean Rank
SMA (5)
SMA (12)
5.5
4

13. SMA (26)
1.25
EMA (5)
5
EMA (12)
3.5
EMA (26)
1.75
Sumber:
Hasil Perhitungan SPSS
Tabel 4.5
Test Statistics
N
Kendall’s Wa
a.
Chi-Square
Df
Asymp. Sig
4
.836
16.714
5
.005
Kendall’s Coefficient of Concordance
Sumber: Hasil Perhitungan SPSS
Data hasil pada tabel 4.5 memberikan nilai Kendall’s W sebesar 0.836. Hal ini
menunjukan bahwa derajat kesepakatan peringkat indikator diantara saham pertambangan batu
bara LQ45 adalah 0.836. Nilai koefisien ini menunjukkan derajat kecocokan yang sangat
tinggi karena nilai koefisien W pada dasarnya adalah salah satu bentuk pengukur korelasi
antara beberapa variabel.
Sebagaimana telah dirumuskan dibagian metodologi pada bab III, maka signifikansi
konkordansi koefisien Kendall’s W antar beberapa indikator simple moving average (SMA)
dan indikator exponential moving average (EMA) diuji dengan hipotesis sebagai berikut:
1.
Hipotesis
H0: tidak terdapat kesepakatan indikator yang paling efisien dalam mengestimasi
harga saham di antara saham pertambangan batubara LQ45.
H1: terdapat kesepakatan indikator yang paling efisien dalam mengestimasi harga
saham di antara saham pertambangan batubara LQ45.
2.
Pengambilan keputusan uji
Kriteria pengambilan keputusan yang dipakai dalam uji hipotesis di atas berdasarkan
parameter output olahan SPSS adalah:
χ2 hit > χ2 α(n-1) tolak H0
χ2 hit < χ2 α(n-1) terima H0
atau
Asymp. Sig. < α tolak H0
Asymp. Sig. > α terima H0
3.
Kesimpulan uji hipotesis
• Secara statistik dari tabel 4.4 terbukti ada kesepakatan indikator yang paling efisien
di antara saham pertambangan. Hasil ini juga memberikan konfirmasi bahwa SMA
(26) adalah indikator yang paling efisien di antara indikator moving average dan

14. Pola peringkat indikator moving average berdasarkan periode yang diambil
menunjukkan bahwa untuk periode yang sama, indikator SMA lebih efisien dari
pada indikator EMA. Untuk saham pertambangan dengan pergerakan harga yang
fluktuatif, indikator SMA lebih sesuai.
• Dari tabel 4.5 diperoleh bahwa nilai χ2 hit sebesar 16.714, sedangkan nilai χ2 α(n-1),
dengan α = 0.005, n = 6, dan derajat bebas = 5 adalah 11.07. Karena nilai χ2 hit > χ2
α(n-1), maka H0 ditolak dan H1 diterima. Dengan kata lain, secara statistik terbukti
bahwa pada tingkat signifikansi 5% ternyata terdapat konkordansi atau kesepakatan
indikator yang paling efisien dalam mengestimasi harga saham diantara saham
pertambangan batubara LQ45.
• Dari tabel 4.5 juga diperoleh nilai signifikansi parameter (asymp. sig.) sebesar
0.005. Karena nilai signifikansi parameter < taraf nyata (α = 0.05), maka berarti H0
ditolak dan H1 diterima. Output ini secara statistik juga menunjukkan bahwa pada
tingkat signifikansi 5% ternyata koefisien Kendall’s W signifikan, atau secara
statistik terdapat konkordansi atau kesepakatan indikator yang paling efisien dalam
mengestimasi harga saham diantara saham pertambangan batubara LQ45.
Interpretasi Hasil Uji Hipotesis
Selain memperoleh kesimpulan dari uji hipotesis, diperoleh juga beberapa interpretasi
dari hasil uji hipotesis tersebut. Interpretasi hasil uji hipotesis tersebut adalah sebagai berikut:
•
Berdasarkan properti dari formulanya, indikator simple moving average (SMA)
digunakan untuk memperhalus pergerakan serangkaian data runtut waktu (time series)
dengan periode beberapa waktu ke belakang. Sementara itu, indikator exponential
moving average (EMA) digunakan untuk memperkuat daya prediktif dengan memberi
bobot yang lebih besar pada data terkini dari satu set data runtut waktu beberapa waktu
ke belakang. Daya prediktif yang semakin tinggi pada akhirnya tentu akan
memperkecil simpangan baku (deviasi) nilai estimasi dari nilai aslinya. Namun
ternyata indikator simple moving average (SMA) secara umum lebih efisien dari pada
indikator exponential moving average (EMA) dalam memprediksi harga saham
(ditunjukkan oleh nilai koefisien variansi yang lebih kecil). Jika hasil ini
dikonfirmasikan dengan visualisasi grafis pergerakan harga dari setiap saham, maka
kurang efisiennya indikator exponential moving average (EMA) dibandingkan dengan
indikator simple moving average (SMA) diakibatkan oleh fluktuatifnya pergerakan
harga saham sektor pertambangan. Pembobotan yang lebih besar pada data tertentu
ternyata juga memberikan kontribusi yang lebih besar pada meningkatnya deviasi nilai
estimasi terhadap nilai aslinya. Saham pertambangan yang memang menjadi
primadona sejak pertengahan 2008, sangat sering ditransaksikan di bursa, sehingga
harganya menjadi sangat fluktuatif. Namun, analisis ini seharusnya diuji lebih lanjut
dengan membandingkannya terhadap pergerakan harga saham dari sektor lainnya.
•
Pemeringkatan yang diperoleh dari uji konkordansi Kendal (berdasarkan mean ranks)
menunjukkan terdapatnya suatu pola yang teratur diantara indikator moving average.
Indikator dengan periode yang lebih lama (lebih besar) ternyata lebih efisien
dibandingkan indikator dengan periode yang lebih pendek. Pola ini berlaku baik pada
indikator simple moving average (SMA) maupun indikator exponential moving
average (EMA). Temuan menarik sebenarnya sangat mudah dijelaskan dari sisi konsep
dasar statistika. Pada populasi sembarang, ukuran sampel yang semakin besar akan
berakibat pada semakin kecilnya nilai varians atau standar deviasinya. Dengan cara

15. •
lain dapat dikatakan bahwa ukuran sampel yang semakin besar akan membuat estimasi
parameter populasinya semakin tepat. Dengan demikian dapat disimpulkan dari bukti
pengolahan data di atas bahwa penggunaan periode mean data yang semakin panjang,
efek penghalusan yang diberikan akan semakin baik.
Perbandingan peringkat efisiensi enam indikator moving average pada keempat saham
pertambangan batu bara LQ45, yang kemudian dikonfirmasi dengan hasil uji
konkordansi Kendall’s W menunjukkan bahwa efisiensi tertinggi pada indikator SMA
(26) adalah spesifik untuk saham pertambangan batubara LQ45. Artinya, indikator
SMA (26) dapat diaplikasikan pada saham pertambangan batu bara LQ45 secara
umum sebagai indikator yang paling efisien. Interpretasi ini tidak serta merta
mengabaikan efisiensi indikator dari kelompok lain dalam memprediksi arah
pergerakan harga saham pertambangan batubara. Pengembangan argumentasi ini
membuka potensi untuk dilakukannya riset lebih lanjut dengan kombinasi variabel dan
alternatif pengukuran yang lebih bervariasi.
PENUTUP
Kesimpulan
Pengujian terhadap pemakaian beberapa indikator teknikal dari kelompok moving
average pada saham pertambangan LQ45 ternyata menghasilkan beberapa temuan yang
menarik. Pengukuran untuk membandingkan efisiensi kinerja indikator simple moving average
(SMA) dan exponential moving average (EMA) pada saham pertambangan LQ45 memberikan
kesimpulan sebagai berikut:
1.
Pola peringkat indikator moving average berdasarkan periode yang diambil
menunjukkan bahwa indikator simple moving average (SMA) lebih efisien dari pada
indikator exponential moving average (EMA). Hal ini menunjukkan bahwa untuk
saham pertambangan batubara dengan pergerakan harga yang fluktuatif, ternyata
indikator simple moving average (SMA) lebih sesuai.
2.
Berdasarkan hasil pengukuran efisiensi kinerja 6 indikator dengan koefisien
variansinya pada 4 saham, dapat disimpulkan bahwa indikator SMA (26) adalah yang
paling efisien untuk digunakan. Pola pemeringkatan dengan menggunakan mean rank
menghasilkan SMA (26) sebagai peringkat pertamanya. Hasil statistik uji χ2(0.05; 6) juga
menyimpulkan penolakan H0 atau dapat dikatakan bahwa secara statistik terbukti
terdapat kesepakatan indikator yang paling efisien dalam mengestimasi harga saham
pertambangan batubara LQ45.
3.
Dengan hasil uji konkordansi Kendall’s W menunjukkan bahwa efisiensi tertinggi pada
indikator SMA (26) adalah spesifik untuk saham pertambangan batubara LQ45.
Saran
Hasil yang didapatkan dari penelitian ini menunjukkan bahwa untuk saham dari
kelompok atau sektor tertentu pada umumnya akan didapati indikator yang spesifik sebagai
indikator yang paling efisien sesuai dengan karakter dari beberapa saham dan industrinya.
Oleh karena itu, penulis menyarankan agar para pelaku pasar sebaiknya menyelidiki terlebih
dahulu alat analisis yang sesuai dengan suatu saham jika akan berinvestasi pada saham yang
diinginkannya. Sebaiknya analisis yang digunakan melibatkan lebih dari satu indikator atau
alat analisis, di samping indikator yang dominan, untuk mendukung keputusan lewat
konfirmasinya.

16. DAFTAR PUSTAKA
Budi Kurniawan, Kamus Ekonomi. Surabaya: Jawara.
Dedhy Sulistiawan, dan Liliana. Analisis Teknikal Modern pada Perdagangan Sekuritas.
Yogyakarta: Andi. 2007.
Indra Darmawan. Kamus Istilah Ekonomi Kontemporer. Yogyakarta: Pustaka Widyatama.
2006.
Jaka E Cahyono. 22 Strategi dan Teknik Meraih Untung di Bursa Saham. Jakarta: Elex Media
Komputindo. 2001.
Kusumarsono Hendarto. Belajar Trading. Yogyakarta: Andi. 2005.
M. Firmansyah, dan M. Sopian Hadianto. Analisis Teknikal Saham dengan Metastock, Buku 1.
Jakarta: Elex Media Komputindo. 2001.
Shachmurove, Yochanan. et al. A Moving Average Comparison of the Tel-Aviv 25 and S & P
500 Stock Indices. 2001.
Suad Husnan, dan Enny Pudjiastuti. Pasar–Pasar Teori Portofolio dan Analisis Sekuritas.
Yogyakarta: UPP AMP YKPN. 2004.
Surono Subekti. Kiat Bermain Saham. Jakarta: Gramedia Pustaka Utama. 2002.
Tambunan, Andy Porman. Menilai Harga Wajar Saham. Jakarta: Elex Media Komputindo.
2007.
Tjiptono Darmadji, dan M. Fakhruddin Hendry. Pasar Modal di Indonesia, Pendekatan Tanya
Jawab. Jakarta: Salemba Empat. 2001.

17. Wahid Sulaiman. Statistik Non-Parametrik, Contoh Kasus dan Pemecahannya dengan SPSS.
Jakarta: Andi. 2005.
Walpole, Ronald E. Pengantar Statistika. Jakarta: Gramedia Pustaka Utama. 2000.
Wong, Wing-Keung, Jun Du, dan Terence Tai-Leung Chong. Do the Technical Indicators
Reward Chartists? A Study on the Stock Markets of China, Homg Kong and Taiwan ,
SCAPE Working Paper Series, Paper No. 2005/12-Nov 2005. 2005.
Wong, Wing-Keung, Meher Manzur, dan Boon-Kiat Chew. How Rewarding is Technical
Analysis? Evidence from Singapore Stock Market, Working Paper, No. 0216. 2002.
http://www.bei.co.id
http://www.belajarforex.com
http://www.bumiresources.com
http://www.detik.finance.com
http://www.finance.yahoo.com
http://www.itmg.co.id.com
http://www.okezone.com
http://www.ptba.co.id
http://www.vibiznews.com