Jurnal Analisis Bisnis Ekonomi 16(2), 2018

http://journal.ummgl.ac.id/index.php/bisnisekonomi

INVESTOR NEED TO IDENTIFY USA STOCK INDEX SPESIFICALLY

TO PREDICT INDONESIA COMPOSITE STOCK INDEX : LINCOM ANALYSIS

INVESTOR PERLU MENGINDENTIFIKASI INDEKS SAHAM USA UNTUK

MEMPREDIKSI FLUKTUASI IHSG: LINCOM ANALYSIS

Tri Widianto
Yenni Khristiana
Nugroho Wisnu Murti
Email: triwidianto 281084@gmailcom
Sekolah Tinggi Ilmu Ekonomi AUB Surakarta,
Jalan Mr. Sartono no. 97, Nusukan, Banjarsari, Kota Surakarta, Jawa Tengah 57135

ABSTRACT
First objective of this study is to identify the influence of the fluctuations in the entire United States
stock index on the Indonesian Composite stock Index. The results of thisstudy be used to predict Indonesian
Composite indexes in a certain period of timebase of USA indexes fluctuation. The second objective is to find
out whether there was a significant difference between the influence of the United States stock indexes on the
Indonesian composite index. We used time series secondary data of daily stock price index over in five years
(January 1, 2013 to December 31, 2017). The sample selection method used non-probability sampling with
purposive sampling technique. We used robust simple regressionto achieve the first goal is, while the second
goal used the linear combination. The results analysis showed that all of types of United States stock indices
are partially significant and positive to Indonesian Composite index fluctuations (P-Value <0.05). Several
types of USA stock indices have a significantly different coefficient in influencing Indonesia's Composite
index between the Dow Jones Composite and the NYSE Composite and Dow Jones Composite with OTCM
ADR (P-Value <0.05). Thus, the results of this study provide advice to investors, especially the Swinger and
Scalper types, that considering the fluctuations in the USA index as a stock investment decision in Indonesia,
it does not only consider one type of index, which is currently the headline of the stock index in the USA for
example (Dowjones 30). However, consider other indices both composite and specific composite.
Kata Kunci: Investor, USA Indexes, IHSG, Linier Combination

ABSTRAK
Tujuan pertama penelitian ini melakukan identifikasi pengaruh flukstuasi seluruh indeks saham
Amerika Serikat terhadap IHSG Indonesia. Hasil identifikasi tersebut sebagai pertimbangan indeks Amerika
Serikat yang mana saja yang terbukti signifikan mempengaruhi perubahan Indonesia pada kurun waktu
tertentu. Tujuan kedua adalah mencari tahu apakah terdapat beda signifikan besar pengaruh antar indeks
saham Amerika Serikat tersebut terhadap composite indeks Indonesia. Data yang digunakan adalah data
sekunder time series berupa data harian indeks harga saham selama periode 5 tahun (1 Januari 2013 sampai
dengan 31 Desember 2017). Metode pemilihan sampel yang digunakan adalah non-probability sampling
dengan tehnik purposive sampling. Alat analisis yang digunakan untuk mencapai tujuan pertama adalah
simple regressionrobust, sedangkan tujuan kedua menggunakan linier combination. Hasil analisis
menunjukan bahwa seluruh jenis indeks saham Amerika serikat secara parsial signifikan dan searah terhadap
fluktuasi Composite indeks Indonesia. (P-Value < 0,05). Hasil kedua penelitian ini menemukan bahwa
beberapa jenis indeks saham USA memiliki besar koefisien yang berbeda signifikan dalam mempengaruhi
Composite indeks Indonesia antara Dow Jones Composite dengan NYSE Composite dan Dow Jones
Composite dengan OTCM ADR (P-Value < 0,05). Dengan demikian, hasil penelitian ini memberikan saran
kepada investor khususnya tipe swinger dan scalper bahwa mempertimbangkan fluktuasi indeks USA
sebagai keputusan investasi saham di Indonesia tidak hanya mempertimbangkan satu jenis indeks saja yang
saat ini menjadi headline indeks saham di USA saja misalkan (Dowjones 30). Akan tetapi,
mempertimbangkan indeks lain baik yang bersifat composite maupun specific composite.
Kata Kunci: Investor, Indeks Saham Amerika, IHSG, Linier Combination
10 Jurnal Analisis Bisnis Ekonomi 16(2), 2018

PENDAHULUAN
Praktik pasar modal pada jenis instrumen saham mengalami pergeseran cara analisis.
Pergeseran tersebut adalah penggunaan variabel fundamental makro ekonomi sebagai pertimbangan
keputusan portofolio jangka pendek. Hal ini tidak sejalan dengan teori analisis fundamental saham
yang menjelaskan bahwa faktor fundamental menjadi variabel utama dalam menentukan keputusan
investasi saham untuk jangka panjang. Teori ini ditegaskan oleh (Desmond, 2011: 4) bahwa analisis
fundamental terhadap saham memperhitungkan berbagai factor antara lain kinerja perusahaan,
analisis ekonomi makro dan sektor industri. Variabel fundamental analisis saham ini digunakan
sebagai pertimbangan portofolio investasi saham untuk jangka panjang. Pengguna variabel- variabel
ini biasa adalah pemilik modal dengan tipe investor. Tipe Investor adalah pemilik modal dengan
tujuan utama pembelian saham dengan mengharapkan valuasi saham pada jangka panjang dan
deviden, bukan capital gain jangka pendek.
Beberapa penelitian terdahulu menemukan bahwa variabel ekomomi makro mempunyai
pengaruh jangka pendek terhadap harga saham. Variabel pertumbuhan ekonomi dan harga minyak
mempunyai pengaruh signifikan terhadap fluktuasi Saham LQ45 dalam jangka pendek, tetapi tidak
untuk variabel suku bunga (SBI) dan kurs (Prasetiono, 2010). Pada jenis indeks saham yang sama
ditemukan juga bahwa pertumbuhan ekonomi, nilai kurs, dan tingkat suku bunga SBI mempunyai
pengaruh negatif dalam jangka pendek, sedangkan variabel inflasi mempunyai pengaruh yang
positif hasil tersebut oleh (Werastuti, 2013). Lebih lanjut ditemukan juga bahwa laju pertumbuhan
ekonomi dan tingkat suku bunga SBI mempunyai pengaruh yang negatif dalam jangka panjang,
sedangkan variabel inflasi dan nilai kurs mempunyai pengaruh positif dalam jangka panjang. Dua
penelitian tersebut menjelaskan pengaaruh jangka pendek, tetapi menggunakan data bulanan.
Jangka pendek yang dimaksud dihasilkan dari alat analisis bukan dari basis data perubahan harga
saham secara harian.
Selain dua penelitian diiatas, penelitian terhadap capital market terkait dengan faktor makro
ekonomi sampai saat ini banyak menghasilkan produk pertimbangan dalam menentukan
pertimbangan protofolio investasi jangka panjang. Penelitian tersebut antara lain yang meneliti Nilai
tukar, Suku bunga, Laju inflasi dan Pertumbuhan GDP untukmenganalisa keputusan investasi
jangka panjang (Thobarry, 2009; Raharjo, 2010; Kewal, 2012). Rumusan variabel fluktuasi makro
ekonomi sebagai faktor yang mempengaruhi pergerakan harga saham juga dilakukan peneliti lain di
luar negeri antara lain (Alshogeathri, 2011; Zhu, 2012; Bali, Brown and Caglayan, 2014; Baltacı
and Ayaydın, 2014).
Perbedaan pertama penelitian ini dengan penelitian sebelumnya adalah pada penggunaan data
pada penelitian ini adalah data fluktuasi harga saham harian. Sedangkan beberapa penelitian
terdahulu, menggunakan data tahunan antara lain (Thobarry, 2009; Raharjo, 2010; Kewal, 2012).
 Tri Widianto, Yenni K, Nugroho WM 11

Peneliti di Indonesia yang menggunakan data bulanan atas fluktuasi harga saham antara lain
(Prasetiono, 2010; Werastuti, 2013). Penelitian dengan menggunakan data harian untuk
memprediksi indeks sektoral pernah dilakukan tapi tidak pada semua sektor industri yang terdaftar
di Bursa Efek Indonesia (Murti and Widyastuti, 2017). Data harian yang digunakan untuk
memprediksi pergerakan jangka pendek semua saham sektoral ini, diharapkan dapat menambah
akurasi dan keyakinan keputusan portofolio investasi khususnya bagi tipe swinger. Tipe swinger
adalah pemilik modal sebagai pelaku jual beli di pasar saham dengan tujuan utama adalah capital
gain. Durasi jual beli saham yang biasa dilakukan oleh tipe swinger ini adalah durasi harian sampai
mingguan dalam menentukan cut gain dan cut lose-nya. Riset ini fokus melakukan analisis pada
Indeks harga saham gabungan yang diprediksi dipengaruhi oleh beberapa indeks saham di Amerika
Serikat.
Fluktuasi indeks saham tertentu yang dianggap kuat, seringkali diprediksi menjadi salah satu
faktor yang mempengaruhi perubahan indeks saham tertentu. Beberapa indeks saham tersebut
tergabung dalam World Major Index. Saat ini World Major Index terdiri dari 47 index saham dunia
termasuk didalamnya Indeks Harga Saham Gabungan (IHSG) Indonesia. Diantara 47 World Major
Index tersebut, indeks saham Amerika Serikat memiliki 5 indeks saham dan merupakan negara
yang membukukan jenis indeks saham terbanyak dalam World Major Index antara lain Dow Jones
30, S&P 500, Nasdaq Composite, Small Cap 2000 dan CBOE Volatility. Akan tetapi, Amerika
Serikat sesungguhnya memiliki 14 major index yang pergerakannya tidak selalu sama sehingga
prediksi atas perubahan IHSG tidak cukup jika hanya mempertimbangkan salah satu indeks
tersebut, misalkan hanya yang memiliki nilai terbesar (Dowjones 30). Bahkan indeks tersebut hanya
terdiri dari 30 anggota emiten saja. Dengan demikian, tujuan pertama penelitian ini melakukan
identifikasi pengaruh flukstuasi seluruh indeks saham Amerika Serikat terhadap IHSG Indonesia.

METODE PENELITIAN
Populasi dalam penelitian ini adalah Indeks harga saham composite indonesia dan seluruh
indeks saham di amerika. Metode sampel yang digunakan adalah non probability sampling dengan
tehnik purposive sampling dengan kriteria pembatasan waktu jmlah observasi. Durasi data yang
digunakan adalah data fluktuasi harian harga indeks saham sampel penelitian selama tahun 2013
sampai dengan 2017. Durasi lima tahun adalah durasi minimal yang dapat digunakan sebagai
pertimbangan analisis berdasarkan data historis.
Analisis yang digunakan adalah robust simple panel regression untuk mengetahui pengaruh
beberapa indeks saham amerika antara lain: Composite Indeks Indonesia, Dow Jones 30, Dow Jones
Transportation, Dow Jones Composite, Dow Jones Utility, S&P 100, S&P 500 VIX, S&P 500,
Nasdaq Composite, Nasdaq 100, NYSE AMEX, NYSE Composite, OTCM QX ADR 30, OTCM ADR,
12 Jurnal Analisis Bisnis Ekonomi 16(2), 2018

US_Small_CAP. Tahap berikutnya adalah melakukan analisis terhadap beberapa saham composite
dibandingkan dengan pengaruh saham composite amerika terbesar terhadap IHSG Indonesia.
Perbandingan tersebut menggunakan linier combination analysis.

HASIL DAN PEMBAHASAN

Ringkasan data time series berupa data harian flukstuasi indeks saham obyek penelitian
ditunjukkan pada Tabel 1. Data yang dapat diobservasi berdasarkan sampel penelitian memiliki
jumlah yang berbeda. Observasi data pada indeks saham Amerika Serikat, seluruhnya memiliki
jumlah observasi yang sama (1.259) kecuali OTCM QX ADR 30 (1.014). Perbedaan tersebut
karena Indeks OTCM QX ADR 30 mulai diterbitkan tanggal 20 Desember 2013. Sementara itu,
Composite Indeks Indonesia memiliki jumlah observasi 1.227. Selisih data observasi antara Indeks
Indonesia dengan Amerika Serikat tersebut disebabkan oleh frekuensi aktivitas bursa saham yang
berbeda antar negara tersebut. Perbedaan frekuensi aktivitas tersebut, dapat menunjukan bahwa hari
libur yang bersifat nasional yang juga meliburkan aktivitas bursa saham Indonesia lebih banyak
dibandingkan dengan Amerika Serikat.
Mean tertinggi dimiliki oleh Dow Jones 30 (17.807,18) diikuti oleh NYSE Composite
(10.598,76). Kumpulan tiga puluh perusahaan besar di Amerika Serikat yang terindeks Dow Jones
tersebut bahkan lebih besar dengan Indeks Dowjones Composite (1.259). Dengan demikian,
fluktuasi Dow Jones 30 yang saat ini sering digunakan sebagai prediksi fluktuasi Indeks saham
Indonesia merupakan hal yang wajar. Akan tetapi, fakta menunjukan bahwa tidak sedikit analis
pasar modal yang mendiskusikan Dow Jones tanpa menyebutkan jenis Indeks Dow Jones apakah
yang dimaksud tersebut. Sementara itu, Tabel.1 menunjukan empat jenis Indeks Dow Jones yang
salah satunya gabungan dari semua indeks Dow Jones (Dow Jones Composite).
Tabel 1.
Profile Data Penelitian
Standar Nilai Nilai
Nama Indeks Observasi Mean
Deviasi maksimal minimal
Composite Indeks 1.227 5.031,90 484,51 6.355,65 3.967,84
Indonesia
Dow Jones 30 1.259 17.807,18 2.375,71 24.837,51 13.328,85
Dow Jones 1.259 8.048,81 1.102,88 10.697,21 5.435,74
Transportation
Dow Jones 1.259 6.204,25 811,96 8.344,51 4.537,41
Composite
Dow Jones Utility 1.259 599,58 84,06 774,47 456,97
S&P 100 1.259 902,62 118,44 1.192,22 661,14
S&P 500 VIX 1.259 14,40 3,59 40,74 9,14
S&P 500 1.259 2.035,67 275,92 2.690,16 1.457,15
Nasdaq Composite 1.259 4.815,88 925,64 6.994,76 3.091,81
Nasdaq 100 1.259 4.332,83 933 6.513,27 2.700,97
 Tri Widianto, Yenni K, Nugroho WM 13

Standar Nilai Nilai

Nama Indeks Observasi Mean
Deviasi maksimal minimal
Composite Indeks 1.227 5.031,90 484,51 6.355,65 3.967,84
Indonesia
Dow Jones 30 1.259 17.807,18 2.375,71 24.837,51 13.328,85
NYSE AMEX 1.259 2.426,71 160,75 2.833,44 1.914,13
NYSE Composite 1.259 10.598,76 877,35 12.853,09 8.604,38
OTCM QX ADR 30 1.014 1.330,07 95,78 1.494,98 1.108,77
OTCM ADR 1.259 1.504,78 110,88 1.800,07 1.245,25
US_Small_CAP 1.259 1.191,98 150,25 1.548,93 872,6
Sumber : Fluktuasi indeks saham harian (1 januari 2013 s/d 31 Desember 2017) yang diunduh
dari www.investing.com

Data statistik deskriptif pada Tabel 1 mungkin menjadi salah satu pertimbangan untuk
memberikan perhatian lebih pada salah satu indeks saham di Amerika saja, seperti yang terjadi saat
ini oleh para analis pasar modal ataupun investor. Hal tersebut diduga tidak cukup dan perlu
dibuktikan dengan statististik inferensi. Dugaan tersebut karena adanya kemungkinan bahwa nilai
indeks yang besar tersebut mungkin tidak lebih kuat dibandingkan dengan indeks lain dalam
mempengaruhi Composite Indeks Indonesia, meskipun indeks tersebut memiliki trend kenaikan
yang lebih kecil. Dugaan tersebut juga karena beberapa emiten yang memiliki kapitalisasi besar di
Amerika Serikat dan Indonesia yang memiliki perbedaan karakteristik (e.g: Dow Jones 30
dibanding LQ 45). Dengan demikian, Tabel 3 menunjukkan hasil stataistik inferensi berdasarkan
simple regression.

Gambar 1. Fluktuasi aktual harian 14 major indeks saham USA dan Composite Indeks Indonesia
Tahun 2013 sampai 2017
14 Jurnal Analisis Bisnis Ekonomi 16(2), 2018

Profil data berupa chart data harian historis indeks saham yang dibahas dalam penelitian ini
ditunjukan pada Gambar 1. Secara visual dapat ditunjukkan bahwa hampir semua indeks saham
mengalami aktual trend naik selama lima tahun sejak tahun 2013. Akan tetapi, garis linier yang
ditunjukan pada Gambar 1 dapat menjelaskan bahwa trend kenaikan tiap indeks tersebut berbeda.
Indeks Dowjones 30 yang memiliki intercept tertinggi memiliki trend kenaikan yang lebih tinggi
dibanding dengan Composite New York Stock Exchange (NYSE). Perbandingan kenaikan tersebut
lebih lanjut dapat ditunjukkan pada Tabel 2. Tebel 2 menunjukkan bahwa prosentase kenaikan
tertinggi selama tahun masa observasi penelitian adalah indeks Nasdaq 100 (132,90%) diikuti oleh
Nasdaq Composite (121,81%). Dow Jones 30 sebagai yang memiliki nilai indeks tertinggi
(intercept) menduduki urutan keempat (84,30%), lebih kecil dibanding Dow Jones Transportation
(95,23%). Sementara itu, Kenaikan composite indeks Indonesia (46,23%) hampir sama dengan
kenaikan NYSE (48,39%).

Tabel 2.
Prosentase kenaikan (Penurunan) Nilai Indeks saham composite Indonesia dan 14 Indkes
Saham Amerika serikat
Nama Indeks Nilai indeks Nilai Indeks Prosentase
2 Januari 2013 29 Desember kenaikan
2017 (penururan)
Composite Indeks 4.346,48 6.355,65 46,23%
Indonesia
Dow Jones 30 13.412,55 24.719,22 84,30%
Dow Jones 5.435,74 10.612,29 95,23%
Transportation
Dow Jones Composite 4.543,51 8.310,35 82,91%
Dow Jones Utility 461,46 723,37 56,76%
S&P 100 663,87 1.183,15 78,22%
S&P 500 VIX 14,68 11,04 (24,80%)
S&P 500 1.462,42 2.673,61 82,82%
Nasdaq Composite 3.112,26 6.903,39 121,81%
Nasdaq 100 2.746,47 6.396,42 132,90%
NYSE AMEX 2.377,96 2.661,50 11,92%
NYSE Composite 8.632,01 12.808,84 48,39%
OTCM QX ADR 30 1.407,31 1.490,77 5,93%
OTCM ADR 1.379,93 1.800,07 30,45%
US_Small_CAP 873,42 1.535,51 75,80%
Sumber : Fluktuasi indeks saham harian (1 januari 2013 s/d 31 Desember 2017) yang
diunduh dari www.investing.com

Tabel 3 menunjukkan ringkasan hasil analisis indeks saham Amerika Serikat terhadap
Composite Indeks Indonesia. Analisis dengan menggunakan robust simple regresion tersebut
menunjukkan bahwa seluruh Indeks saham Amerika Serikat (14 Indeks) secara parsial berpengaruh
signifikan (P-Value < 0,05) terhadap Composite Indeks Indonesia (H1 dapat dibuktikan). Fluktuasi
 Tri Widianto, Yenni K, Nugroho WM 15

Indeks Dow Jones Composite terbukti memiliki kemampuan terbesar (71,84%) untuk menjelaskan
fluktuasi Composite Indeks Indonesia, diikuti Dow Jones 30 (71,37%), NYSE Composite (66,08)
dan S&P 100 (65,03%). Dengan demikian, hasil tersebut dapat menguatkan bahwa Indeks Dow
Jones yang saat ini paling diperhatikan oleh analis pasar modal dapat dipertahankan. Akan tetapi,
perlu diperhatikan bahwa Dow Jones Composite menjelaskan lebih besar dibanding dengan Dow
Jones 30.
Tabel 3
Ringkasan hasil robust simple regression setiap indeks saham Amerika Serikat terhadap
Composite Indeks Indonesia
Nama Indeks Koefisien P-Value Robust R Square
Standard Error
Dow Jones 30 0,1727 0,000 0,0024 0,7137
Dow Jones 0,3388 0,000 0,0085 0,5939
Transportation
Dow Jones Composite 0,5068 0,000 0,0084 0,7184
Dow Jones Utility 4,6489 0,000 0,0879 0,6445
S&P 100 3,3041 0,000 0,0679 0,6503
S&P 500 VIX -68,2232 0,000 3,6136 0,2597
S&P 500 1,4167 0,000 0,0302 0,6490
Nasdaq Composite 0,4098 0.000 0,0088 0,6103
Nasdaq 100 0,4066 0.000 0,0084 0,6098
NYSE AMEX 1,5473 0.000 0,0766 0,2662
NYSE Composite 0,4484 0.000 0,0096 0,6608
OTCM QX ADR 30 2,1122 0.000 0,1540 0,1890
OTCM ADR 2,7551 0.000 0,0794 0,3968
US_Small_CAP 2,5129 0.000 0,0556 0,6072
Sumber : Fluktuasi indeks saham harian (1 januari 2013 s/d 31 Desember 2017) yang diunduh dari
www.investing.com dan di analisis menggunakan STATA 15

Tabel 4 menunjukkan regresi berganda yang dapat dilanjutkan dengan analisis linier
kombinasi untuk mengatahui ada tidaknya selisih signifikan antar indeks tertentu terhadap
Composite Index Indonesia. Tabel 4 dirumuskan dari 5 (lima) persamaan regresi berganda dengan
persamaan (1) sampai dengan (5). Persamaan tersebut dirumuskan dengan tujuan untuk
membandingkan pengaruh Composite indeks tertentu dengan Dowjones Composite (X1) Composite
indeks Indonesia. Liner Combination hanya dilakukan untuk persamaan regresi yang tidak
mengalami masalah multikonearitas dengan pedoman nilai VIF. Ringkasan persamaan tersebut
ditunjukkan pada Tabel 4. Berdasar analisis yang dilakukan, analisis Linier Combination, tidak
dapat dilakukan pada persamaan (1), (2) dan (5).

Composite Indeks Indonesia (Y) = β0 + β1 X1 + β2X2 + e ............................................................. (1)

Composite Indeks Indonesia (Y) = β0 + β1 X1 + β2X3 + e ............................................................. (2)
Composite Indeks Indonesia (Y) = β0 + β1 X1 + β2X4 + e ............................................................. (3)
16 Jurnal Analisis Bisnis Ekonomi 16(2), 2018

Composite Indeks Indonesia (Y) = β0 + β1 X1 + β2X5 + e ............................................................. (4)

Composite Indeks Indonesia (Y) = β0 + β1 X1 + β2X6 + e ............................................................. (5)

Persamaan (3) yaitu menbandingkan antar Dow Jones Composite dengan NYSE Composite.
Hasil persamaan tersebut menunjukkan bahwa Dow Jones Composite dengan NYSE Composite
secara parsial perpengaruh signifikan (P-Value < 0,05) terhadap fluktuasi Composite Indeks
Indonesia. Koefisien nilai beta Indeks Dow Jones Composite (0,45167) menjukan lebih besar
dibandingkan NYSE Composite (0,05374). Perbedaan tersebut nilai koefisien tersebut terbukti
signifikan (P-Value 0,05) yang ditunjukan dari hasil analisis Linier Combination. Hasil tersebut
memberikan informasi bahwa Indeks Dow Jones Composite terbuti memberikan pengaruh lebih
besar dibandingkan NYSE Compositeterhadap fluktuasi pergerakan indeks harga saham gabungan
Indonesia.

Tabel 4.
Ringkasan hasil robust multiple regression persamaan (1) sampai dengan (5) setiap indeks
Koefisien Indeks P P Value
Nama Indeks VIF Koefisien Dowjones R Square Value Linier
Composite (X1) OLS Combination
S&P 500 (X2) 53,30 -3,18724 1,58044 0.7800 0,000 -
Nasdaq Composite (X3) 23,38 -0,58915 1,16385 0.7723 0,000 -
NYSE Composite (X4) 9,74 0,05374 1,45167 0.7194 0.021 0,000
OTCM ADR (X5) 1,64 0,72691 1,44490 0.7353 0,000 0,000
US_Small_CAP (X6) 11,02 -1,02883 0,68877 0.7276 0,000 -

KESIMPULAN DAN SARAN

Simpulan
Penelitian ini menunjukkan semua jenis indeks saham amerika serikat berpengaruh
signifikan terhadap indeks harga saham gabungan (IHSG) di Indonesia. Diantara beberapa
composite indeks di Amerika Serikat, Dow Jones Composite memiliki pengaruh terbesar diantara
indeks composite lain terhadap IHSG. Akan tetapi investor perlu memperhatikan dua jenis indeks
amerika serikat antara indeksNYSE Composite dengan Dow Jones Composite dan OTCM ADR
dengan Dow Jones Composite. NYSE Composite dengan Dow Jones Composite memiliki beda
signifikan dalam mempengaruhi pergerakan IHSG Indonesia.

Saran
Perbedaan tersebut, memberikan konsekwensi bahwa prediksi pergerakan IHSG
berdasarkan indeks composite terbesar di Amerika serikat (dow jones), disarankan tetap
 Tri Widianto, Yenni K, Nugroho WM 17

memperhatikan pergerakan saham NYSE Composite dan OTCM ADR, karena saham tersebut
memiliki beda yang signifikan dalam mempengaruhi IHSG. Saran yang dapat disampaikan kepada
penelitian selanjutnya adalah melakukan analisis berdasarkan beberapa indeks lain di dunia.

DAFTAR PUSTAKA
Alshogeathri, M. A. M. (2011) ‘Macroeconomic Determinants of The Stock Market Movements:
Empirical Evidence From The Saudi Stock Market’, Dissertation, Doctor of Philosophy,
Departement of Economics Collage of Art and Sciences, pp. 1–127.
Bali, T. G., Brown, S. J. and Caglayan, M. O. (2014) ‘Macroeconomic risk and hedge fund returns’,
Journal of Financial Economics. Elsevier, 114(1), pp. 1–19. doi:
10.1016/j.jfineco.2014.06.008.
Baltacı, N. and Ayaydın, H. (2014) ‘Firm, Country and Macroeconomic Determinants of Capital
Structure: Evidence from Turkish Banking Sector’, EMAJ: Emerging Markets Journal, 3(3),
pp. 47–58. doi: 10.5195/emaj.2014.46.
Baridwan, Z. (1999) Intermediate Accounting. Yogyakarta, Indonesia: BPFE.
Desmond, W. (2011) Analisis Fundamental Saham. 2nd edn. Jakarta: Exceed.
Jogiyanto (2003) Teori Portofolio dan Analisis Investasi. 3rd edn. Yogyakarta, Indonesia: BPFE
Yogyakarta.
Kewal, S. S. (2012) ‘Pengaruh Inflasi, Suku Bunga, Kurs, dan Pertumbuhan PDB Terhadap Indeks
Harga Saham Gabungan’, Jurnal Economia, 8(1), pp. 53–64.
Murti, N. W. and Widyastuti, I. (2017) ‘Merumusakan Pertimbangan Keputusan Cut Gain dan Cut
Loss Aktifitas Jual Beli Saham Bagi Tipe Swinger dan Scalper’, in Prosiding Seminar
Nasional & Call for Paper : Hasil Penelitian dan pengabdian kepada masyarakat Universitas
Muhammadiyah Semarang, pp. 380–198.
Prasetiono, D. W. (2010) ‘Analisis Pengaruh Faktor Fundamental Ekonomi Makro Dan Harga
Minyak Terhadap Saham LQ45 Dalam Jangka Pendek Dan Jangka Panjang’, Journal of
Indonesia Applied Economics, Universitas Brawijaya, 4(1), pp. 11–25. Available at:
http://jiae.ub.ac.id/index.php/jiae/article/view/123/151.
Raharjo, S. (2010) ‘Pengaruh inflasi, nilai kurs rupiah, dan tingkat suku bunga terhadap harga
saham di bursa efek indonesia’, Jurnal PROBANK STIE AUB Surakarta. Available at: e-
journal.stie-aub.ac.id.
Thobarry, A. A. (2009) ‘Analisis Pengaruh Nilai Tukar, Suku Bunga, Laju Inflasi Dan Pertumbuhan
GDP Terhadap Indeks Harga Saham Sektor Properti (Kajian Empiris Pada Bursa Efek
Indonesia Periode Pengamatan Tahun 2000-2008 )’, Thesis Magister Manajemen UNDIP.
Available at: http://eprints.undip.ac.id/19029/1/ACHMAD_ATH_THOBARRY.pdf.
Werastuti, I. G. A. P. D. D. N. S. (2013) ‘Faktor Fundamental Ekonomi Makro Terhadap Harga
Saham LQ45’, Jurnal Keuangan dan Perbankan, 17(2), pp. 211–219. Available at:
http://jurkubank.wordpess.com.
Zhu, B. (2012) ‘The Effects of Macroeconomic Factors on Stock Return of Energy Sector in
Shanghai Stock Market’, International Research Journal of Scientific and Reserch
Publication, 2(11), pp. 1–4. Available at: http://www.ijsrp.org/research-paper-1112/ijsrp-
p1150.pdf.