This study examines the impact of the Covid-19 pandemic on the Indonesian capital market by analyzing abnormal returns and trading volume activity in the LQ45 index stock group from 2018 to 2020. Using secondary data and a purposive sampling method, the research employs Paired Sample t-Test for hypothesis testing. The results show significant differences in abnormal returns and trading volume activity before and during the pandemic, indicating a strong market reaction to Covid-19. These findings underscore the need for strategies to mitigate the effects of global disruptions on the market.
Highlights:
1. Market Reaction: Significant changes in abnormal returns, trading volume during Covid-19.
2. Methodology: Uses secondary data, Paired Sample t-Test for analysis.
3. Focus: Examines LQ45 index stocks, daily prices, and volumes 2018-2020.
Keywords: Event Study, Covid-19 Impact, Indonesian Capital Market, Abnormal Returns, Trading Volume
Pasar modal Indonesia berperanan penting dalam perubahan tingkat ekonomi negara. aktivitas ekonomi makro misalnya regulasi pemerintah serta Perkembangan lingkungan mempengaruhi naik dan turunnya harga saham. Hal tersebut dicerminkan melalui reaksi pasar. Dalam (Jogiyanto, 2010) Abnormal return bisa dipergunakan untuk mengukur respon suatu pasar terhadap kandungan informasi dalam pengumuman . Capital Market juga melakukan 2 fungsi yaitu antara lain fungsi keuangan dan fungsi ekonomi. Pasar modal memiliki fungsi ekonomi dikarenakan pasar modal memfasilitasi serta mempertemukan kedua pihak yangiberkepentingan, yaitu pihak penanam modal / investor dengan pihak yang membutuhkan dana. Dengan adanya pasar modal, pihak yang memiliki dana (Investor) dapat menanamkan modalnya pada pihak yang membutuhkan dana dengan harapan pihak yang membutuhkan dana dapat memanfaatkan modal yang diberikan dengan baik dan pihak investor dapat menerima imbal hasil (return). Capital Market juga memiliki peranan fungsi keuangan dikarenakan Capital Market memberikan peluang pada pihak kelebihan dana atau para investor untuk mendapatkan imbalan/ (return) yang sesuai karakteristik investasi yang dipilih[1]. Menurut Jogianto 2010, abnormal return adalah selisih antara tingkat keuntungan masa lampau dengan tingkat keuntungan yang belum diterima. Dari kedua return tersebut Terdapat adanya selisih yaitu selisih positif dan negatif , Jika investor mengharapkan untuk memperoleh keuntungan yang lebih tinggi dari biasanya, investor harus melakukan transaksi sekitar periode pengumuman, karena pengembalian masa lalu pada saat itu lebih besar daripada pengembalian yang belum terjadi atau yang disebut perbedaan positif.[2]
Dengan adanya Capital Market diharapkan aktivitas perekonomian indonesia dapat meningkat pesat karena pasar modal merupakan salah satu metode pembiayaan bagi perusahaan , sehingga perusahaan dapat beroperasi dengan skala yang lebih besar, dan selanjutnya akan meningkatkan pendapatan perusahaan dan kemaslahatan masyarakat luas.
Capital Market juga sebagai sarana suatu perusahaan karena perusahaan dapat mengeluarkan saham maupun obligasi dengan demikian perusahaan dapat meningkatkan kebutuhan dana jangka panjang .bond / Obligasi ialah suatu perjanjian dimana pihak (Debitur) diharuskan membayar pinjamannya disertai dengan jumlah bunga yang telah disepakati dalam jangka waktu tertentu[3]. Saham adalah tanda bukti kepemilikan seorang terhadap sebuah perusahaan[4]. Pasar modal harus bersifat likuid dan efisien. Pasar modal dapat dikatakan liquid apabila penjual dan pembeli dapat memperdagangkan surat berhargai secara cepat. Capital market dapat dikatakan efisien apabila harga surat berharga menggambarkan nilai dari sebuah perusahaan dengan tepat dan akurat[5]. Apabila pasar modal sudah dikatakan efisien, maka harga dari surat berharga juga dapat menggambarkan penilaian pihak penanam modal terhadap laba perusahaan dimasa yang akan datang dan juga kualitas manajemen. Apabila surat berharga kian menurun dapat dipastikan investor ragu terhadap kualitas manajemen perusahaan. Dengan demikian Capital Market bisa dipakai sebagai sarana tidak langsung untuk mengukur kualitas dari manajemen . hak veto merupakan hak yang dimiliki oleh para pemegang saham guna untuk mengawasi manajemenidi dalamipertemuan ataupun pemilihanimanajemen. Hak veto dapat digunakan secara langsung ataupun diwakilkan pada pihak kedua . Apabila pemegang saham tidak puas terhadap manajemen, maka bisa menimbulkan perang proksi (proxy fight) untuk mengganti manajemen.
Pada akhir desember tahun 2019 lalu muncul peristiwa pandemi virus Covid-19 yang berasal dari kota wuhan di china. Virus Covid-19 merupakan kumpulan virus yang diduga dari hewan kelelawar yang menyerang sistem pernafasan manusia dimulai dari tenggorokan hingga paru paru dan virus ini sangat mudah menular pada orang lain melalui tetesan atau droplet ketika orang terinfeksi bersin atau batuk ketimbang melalui benda yang terkontaminasi virus tersebut. Virus Covid-19 mengakibatkan kota wuhan di negeri “Tirai Bambu” yang merupakan kota awal penyebaran virus tersebut menerapkan sistem lockdown yang membuat seluruah aspek dan kegiatan lumpuh total sementara waktu untuk menghambat dan mencegah laju pertumbuhan virus tersebut. Adanya pandemi virus Covid-19 ini tidak hanya memberikan ancaman pada kondisi kesehatan akan tetapi juga memberikan ancaman pada laju pertumbuhan ekonomi di suatu negara. Penyebaran virus Covid-19 ini tergolong sangat cepat dikarenakan virus ini sudah menyebar diseluruh negara dengan 103 juta kasus dengan angka kematian 2,2 juta[6] dan jumlah kasus bertambah setiap harinya. Akibat dari Virus Covid-19 ini, sebagian besar para investor asing yang melepaskan sahamnya dikarenakan oleh pasar modal luar negeri mengalami kepanikan dikarenakan terjadi penurunan yang sangat signifikan. Peristiwa pandemi ini juga mengakibatkan Bursa Efek Asia bereaksi. penurunan tersebut Tidak hanya berada di Kawasan Asia, negara bagian Amerika Serikat dan Eropa juga terdampak hal yang sama. ADB atau Asian Development Bank yang memprediksi bahwa pandemi Virus Covid-19 telah mengakibatkan kerugian perekonomian dunia mencapai 347 Milliar US Dolar Amerika yang setara dengan Rp. 4.944 trilliun. Sektor perekonomian di indonesia juga terdampak Virus Corona, di mana arus keluar modal di pasar saham juga terjadi hingga Rp. 980 miliar[7].
Joubert B , Ivonne S, Inri B. dalam penelitiannya yang berjudul “Reaksi pasar modal terhadap peristiwa virus corona (covid-19) pada perusahaan makanan dan minuman yang terdaftar di bursa efek indonesia” menyatakan bahwa tidak ada perbedaan terhadap abnormal return sebelum serta setelah diumumkannya kasus pertama corona virus di indonesia, berdasarkan hasil Pengujian baik secara gabungan ataupun pengujian harian secara parsial pada (sebelum dan sesudah), dapat diketahui bahwa kejadian tersebut tidak menimbulkan adanya reaksi apapun dan tidak memiliki pengaruh yang besar bagi pelaku pasar terhadap aktivitas di pasar modal terutama pada sub-sektor makanan dan minuman serta peristiwa ini tidak memiliki suatu kandungan informasi .Pengujian tersebut sering kali disebut event study atau studi peristiwa[1]
Berdasarkan latar belakang diatas peneliti berminat untuk melakukan pengujian peristiwa pasarimodal pada saat pandemiICovid-19 yang berjudul “Covid-19 Shockwaves Disrupted the Indonesian Capital Market”
A. Jenis Penelitian
Penelitian ini menggunakan metode pendekatan event study. Studi peristiwa adalah Sebuah studi yang mempelajari respons pasar terhadap satu atau lebih peristiwa[8], yang informasinya akan dipublish sebagai pengumuman. Dan dalam pengolahan data menggunakan Software SPSS.
B. Lokasi Penelitian
Lokasi penelitian ini berada di galeri bursa efek UMSIDA (ww.idx.co.id). Objek pada penelitian ini adalah terhadap perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) yang termasuk dalam kelompok LQ-45 Tahun 2018-2020.
C. Indikator Variabel
Variabel memiliki definisi sebagai attribut objek ataupun seseorang yang memiliki variasi dari satu orang dengan orang lainnya maupun satu objek dengan objek lainnya. Dalam penelitian ini variabel yang digunakan antara lain :
1. Variabel Terikat (Dependent Variabel)
Peristiwa Pandemi COVID 19 merupakan suatu kondisi atau anomali yang dapat mempengaruhi reaksi pasar, dimana adanya ketidaksamaan abnormal return yang signifikan before and after adanya kasus pasien Covid-19 awal muncul di Indonesia ditunjukkan pada penelitian Febriyanti (2020) yang menunjukkan signifikansi perbedaan abnormal return pada before and after pemberitaan Covid-19 awal muncul. Maka variabel studi peristiwa pandemi covid 19 ini akan dilihat dan diukur menggunakan return saham dan jumlah transaksi perdagangan saham yang dilakukan pada periode pengamatan.
2. Abnormal Return
Abnormal Return kerap kali dipakai untuk mengevaluasi hasil yang diperoleh dari suatu surat berharga, dimana nilai yang diperoleh menunjukkan ekspektasi investor terhadap tingkat pengembalian aktual saham dengan ekspektasi pengembalian saham pada waktu t[9]. Pengembalian abnormal (Abnormal Return) adalah perbedaan antara pengembalian aktual dan pengembalian yang diharapkan[10]. Dalam penelitian ini abnormal return diukur dengan perhitungan metode market ajdustment model , di mana pengembalian yang diharapkan adalah pengembalian yang dapat dicapai pasar secara keseluruhan.
Keterangan:
ARit (abnormal return sekuritas i pada periode ket)
Rit (actual return sekuritas-i pada periode ke-t)
Rmt (return pasar pada periode ke-t)
3. Trading Volume Activity
Trading Volume Activity merupakan suatu instrumen yang dapat digunakan untuk melihat reaksi pasar modal terhadap informasi melalui parameter pergerakan aktivitas volume perdagangan saham di pasar[11]. Nilai trading volume activity yang besar belum pasti mencerminkan harga saham yang besar pula. adanya sinyal berita yang termuat pada sebuah kejadian dapat memicu reaksi pasar melalui volume perdagangan saham,bisa bertambah ataupun berkurang mengikuti sinyal yang terkandung pada berita itu. Untuk melakukan perhitungan TVA dapat dilakukan dengan membandingkan jumlah saham yang diperdagangkan dalam suatu periode tertentu dengan keseluruhan jumlah saham beredar perusahaan tersebut dalamikurun waktu yang sama. Berikut Formulasinya :
D. Populasi dan Sampel
Populasi adalah seluruh kumpulan jumlah yang terdiri dari banyak elemen yang menunjukkan ciri tertentu yang dapat digunakan untuk membuat kesimpulan[12]. saham perusahaan yang listed di Bursa Efek Indonesia Indeks LQ45 selama periode pengamatan berlangsung, yaitu periode masuknya pandemi covid di Indonesia dan adanya psbb transisi di bulan Juli. Sampel penelitian ini adalah emiten yang tergabung indeks LQ 45 january 2018 - 2020. Diantara 45 emiten hanya 34 Perusahaan yang termasuk dalam kriteria pemilihan sampel.
E. Jenis dan Sumber Data
Jenis dan sumber data dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang tidak diberikan secara langsung kepada pengumpul data[13]. Sampel adalah sub kelompok dari populasi yang dipilih dalam penelitian, selain adanya pengambilan sampel dimaksud untuk memperoleh keterangan mengenai objek-objek penelitian dengan mengamati sebagaimana populasi, sampel adalah jumlah yang dimiliki populasi tersebut. Adapun jenis data yang dikumpulkan pada penelitian ini antara lain :
a. Data Perusahaan yang dijadikan sampel merupakan saham yang termasuk dalam Bursa Efek Indonesia indeks LQ45 yang tidak melakukan aksi lain pada saat pengamatan berlangsung.
b. Harga saham harian untuk masing masing jenis saham dalam periode pengamatan.
c. Indeks Harga Saham Gabungan harian dalam perioed pengamtan.
d. Trading Volume saham harian pada periode pengamatan.
e. Total jumlah saham yang diedarkan selama periode pengamatan berlangsung.
f. Jenis sektor usaha yang dilakukan oleh setiap perusahaan yang dijadikan sampel penelitian. .
F. Teknik Pengumpulan Data
Metode yang dipakai sebagai pengumpul data dalam riset ini adalah dengan cara menggunakan metode dokumentasi. Dokumen ini merupakan metode untuk dan hal-hal peneliti dan yang surat dan Sumber lainnya yang mendukung[14]. Peneliti menggunakan sumber data sekunder dalam penelitian kali ini. Data Bursa Efek Indonesia Indeks LQ 45 diperoleh melalui website resminya, yaitu idx.co.id mengenai closing price, volume perdagangan, dan listed share harian masing masing perusahaan sampel.
G. Teknik Analisis
1. Uji Normalitas
merupakan sebuah uji yang dilakukan bertujuan untuk menilai sebaran data apakah berdistribudi normal dan menentukan uji statistik untuk pengujian hipotesis[4]. Penelitian ini melakukan penguian menggunakan program SPSS dengan uji Shapiro Wilk test. mengenai perbandingan tingkat konsistensi Normalitas Distribusi Metode Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, dan Skewness-Kurtosis, yang menghasilkan kesimpulan bahwa dari ke empat metode normalitas tersebut, Shapiro-wilk yang memiliki tingkat konsistensi hasil keputusan yang paling baik, oleh sebab itu peneliti menggunakan uji normalitas menggunakan metode Shapirowilk Test.
2. Uji Beda (Pired Sample T -Test)
Pengujian statistic t-test perlu dilaksanakan yaitu dengan tujuan mengetahui adanya tingkat signifikansi keberadaan keuntungan yang tak normal. Tahapan berikutnya yaitu dengan melakukan pengujian hipotesis untuk variabel penelitian dengan menggunakan uji paired sample t-test[15]. Uji tersebut sering digunakan ketika menguji model analisis data sebelum dan sesudah. Dalam menilai perlakuan secara khusus terhadap sebuah sampel yang sama namun jangka waktu yang tidak bersamaan maka uji beda merupakan uji yang paling tepat. Pengujian hipotesisi dilakukan dengan uji Paired Sample t (t-test).Dengan parameter pengujian sebagai berikut:
1. Ho diterima dan Ha ditolak jika nilai signifikasi > 0,05 (α 5%).
2. Ha diterima dan Ho ditolak jika nilai signifikasi < 0,05 (α 5%).
A. Hasil Analisis
1. Uji Normalitas
Dalam penelitian ini, peneliti menggunakan Uji Analisis Shapiro Wilk untuk dapat mengetahui apakah data yang dipakai berdistribusi normal atau tidak normal[4]. Untuk mengetahui apakah data berdistribusi normal atau tidak normal dapat dilihat pada nilai signifikannya. Apabila nilai sig < 0,05 maka data yang dipakai berdistribusi tidak normal. Apabila nilai sig > 0,05 maka data yang dipakai berdistribusi normal. Berikut tabel hasil uji normalitas oleh peneliti :
Kolmogrov-Sminorv* | Shapiro-Wilk | |||||
Statistic | Df | Sig. | Statistic | df | Sig. | |
TMIN5 | .174 | 34 | .011 | .942 | 34 | .069 |
TMIN4 | .154 | 34 | .040 | .938 | 34 | .054 |
TMIN3 | .109 | 34 | .200* | .966 | 34 | .362 |
TMIN2 | .122 | 34 | .200* | .975 | 34 | .597 |
TMIN1 | .123 | 34 | .200* | 961 | 34 | .263 |
TNOL | .143 | 34 | .074 | .948 | 34 | .110 |
TPLUS1 | .103 | 34 | .200* | .954 | 34 | .167 |
TPLUS2 | .056 | 34 | .200* | .985 | 34 | .911 |
TPLUS3 | .120 | 34 | .200* | .976 | 34 | .654 |
TPLUS4 | .080 | 34 | .200* | .971 | 34 | .503 |
TPLUS5 | .136 | 34 | .113 | .947 | 34 | .103 |
Kolmogrov-Sminorv* | Shapiro-Wilk | |||||
Statistic | Df | Sig. | Statistic | df | Sig. | |
TMIN5 | .141 | 34 | .085 | .958 | 34 | .210 |
TMIN4 | .146 | 34 | .065 | .961 | 34 | .252 |
TMIN3 | .139 | 34 | .092 | .937 | 34 | .050 |
TMIN2 | .097 | 34 | .200* | .976 | 34 | .639 |
TMIN1 | .124 | 34 | .200* | .950 | 34 | .120 |
TNOL | .145 | 34 | .066 | .940 | 34 | .063 |
TPLUS1 | .085 | 34 | .200* | .976 | 34 | .646 |
TPLUS2 | .059 | 34 | .200* | .991 | 34 | .991 |
TPLUS3 | .151 | 34 | .081 | .941 | 34 | .066 |
TPLUS4 | .090 | 34 | .200* | .969 | 34 | .434 |
TPLUS5 | .154 | 34 | .041 | .915 | 34 | .054 |
Kolmogrov-Sminorv* | Shapiro-Wilk | |||||
Statistic | Df | Sig. | Statistic | df | Sig. | |
TMIN5 | .130 | 34 | .154 | .973 | 34 | .551 |
TMIN4 | .137 | 34 | .105 | .972 | 34 | .521 |
TMIN3 | .127 | 34 | .183 | .947 | 34 | .102 |
TMIN2 | .114 | 34 | .200* | .950 | 34 | .121 |
TMIN1 | .147 | 34 | .060 | .973 | 34 | .538 |
TNOL | .115 | 34 | .200* | .971 | 34 | .493 |
TPLUS1 | .136 | 34 | .111 | .938 | 34 | .056 |
TPLUS2 | .126 | 34 | .186 | .961 | 34 | .283 |
TPLUS3 | .077 | 34 | .200* | .981 | 34 | .799 |
TPLUS4 | .124 | 34 | .200* | .948 | 34 | .106 |
TPLUS5 | .094 | 34 | .200* | .974 | 34 | .568 |
Kolmogrov-Sminorv* | Shapiro-Wilk | |||||
Statistic | Df | Sig. | Statistic | df | Sig. | |
TMIN5 | .133 | 34 | .131 | .946 | 34 | .096 |
TMIN4 | .142 | 34 | .161 | .940 | 34 | .060 |
TMIN3 | .108 | 34 | .200* | .939 | 34 | .058 |
TMIN2 | .122 | 34 | .200* | .942 | 34 | .073 |
TMIN1 | .099 | 34 | .200* | .946 | 34 | .094 |
TNOL | .119 | 34 | .200* | .939 | 34 | .056 |
TPLUS1 | .129 | 34 | .164 | .948 | 34 | .108 |
TPLUS2 | .148 | 34 | .058 | .940 | 34 | .063 |
TPLUS3 | .166 | 34 | .019 | .943 | 34 | .078 |
TPLUS4 | .117 | 34 | .200* | .937 | 34 | .051 |
TPLUS5 | .117 | 34 | .200* | .942 | 34 | .071 |
Kolmogrov-Sminorv* | Shapiro-Wilk | |||||
Statistic | Df | Sig. | Statistic | df | Sig. | |
TMIN5 | .133 | 34 | .131 | .946 | 34 | .096 |
TMIN4 | .142 | 34 | .161 | .940 | 34 | .060 |
TMIN3 | .108 | 34 | .200* | .939 | 34 | .058 |
TMIN2 | .122 | 34 | .200* | .942 | 34 | .073 |
TMIN1 | .099 | 34 | .200* | .946 | 34 | .094 |
TNOL | .119 | 34 | .200* | .939 | 34 | .056 |
TPLUS1 | .129 | 34 | .164 | .948 | 34 | .108 |
TPLUS2 | .148 | 34 | .058 | .940 | 34 | .063 |
TPLUS3 | .166 | 34 | .019 | .943 | 34 | .078 |
TPLUS4 | .117 | 34 | .200* | .937 | 34 | .051 |
TPLUS5 | .117 | 34 | .200* | .942 | 34 | .071 |
Kolmogrov-Sminorv* | Shapiro-Wilk | |||||
---|---|---|---|---|---|---|
Statistic | Df | Sig. | Statistic | df | Sig. | |
TMIN5 | .103 | 34 | .200* | .942 | 34 | .071 |
TMIN4 | .106 | 34 | .200* | .940 | 34 | .061 |
TMIN3 | .112 | 34 | .200* | .945 | 34 | .089 |
TMIN2 | .132 | 34 | .143 | .940 | 34 | .063 |
TMIN1 | .121 | 34 | .200* | .943 | 34 | .078 |
TNOL | .115 | 34 | .200* | .940 | 34 | .060 |
TPLUS1 | .158 | 34 | .031 | .937 | 34 | .051 |
TPLUS2 | .129 | 34 | .163 | .941 | 34 | .066 |
TPLUS3 | .114 | 34 | .200* | .944 | 34 | .079 |
TPLUS4 | .126 | 34 | .192 | .944 | 34 | .080 |
TPLUS5 | .148 | 34 | .057 | .942 | 34 | .073 |
2. Uji Beda (Paired Sample T-Test)
1. Normalitas
Dalam penelitian ini, peneliti menggunakan Uji Analisis Shapiro Wilk untuk dapat mengetahui apakah data yang dipakai berdistribusi normal atau tidak normal[4]. Untuk mengetahui apakah data berdistribusi normal atau tidak normal dapat dilihat pada nilai signifikannya. Apabila nilai sig < 0,05 maka data yang dipakai berdistribusi tidak normal. Apabila nilai sig > 0,05 maka data yang dipakai berdistribusi normal. Berikut tabel hasil uji normalitas oleh peneliti :
Paired Differences | t | df | Sig. (2-tailed) | |||||
Mean | Std. Deviation | Std. Error Mean | 95% Confidence Interval of the Difference | |||||
Lower | Upper | |||||||
TMIN1 - TPLUS1 | -.001133 | .037185 | .006377 | -.014107 | .011841 | -.178 | 33 | .860 |
TMIN2 - TPLUS2 | .007198 | .027750 | .004759 | -.002484 | .016880 | 1.512 | 33 | .140 |
TMIN3 - TPLUS3 | -.000541 | .023309 | .003997 | -.008675 | .007591 | -.136 | 33 | .893 |
TMIN4 - TPLUS4 | -.008216 | .032124 | .005509 | -.019425 | .002991 | -1.491 | 33 | .145 |
TMIN5 - TPLUS5 | -.000194 | .023788 | .004079 | -.008494 | .008105 | -.048 | 33 | .962 |
Hasil pengujian abnormal returnipada t-4 dan t+4 memiliki nilai rata-rata yang paling rendah yaitu -0,008216776 dengan tingkat signifikansi sebesar 0,145. Sesuai dengan prasyarat yang telah ditetapkan, hali ini berartii (0,145 > 0,05). Hasil ini menunjukkan bahwa tidak terdapat perbedaan abnormal return.
Paired Differences | t | df | Sig. (2-tailed) | |||||
Mean | Std. Deviation | Std. Error Mean | 95% Confidence Interval of the Difference | |||||
Lower | Upper | |||||||
TMIN1 - TPLUS1 | .011656 | .032151 | .005514 | .000438 | . 022875 | 2.114 | 33 | .042 |
TMIN2 - TPLUS2 | .014175 | .028808 | .004940 | .004124 | . 024227 | 2.869 | 33 | .007 |
TMIN3 - TPLUS3 | -.001494 | .019636 | .003367 | -.008345 | . 005357 | -.444 | 33 | .660 |
TMIN4 - TPLUS4 | -.000500 | .026981 | .004627 | -.009915 | . 008913 | -.108 | 33 | .914 |
TMIN5 - TPLUS5 | -.003424 | .020783 | .003564 | -.010675 | . 003827 | -.961 | 33 | .344 |
Hasil pengujian abnormal return pada t-5 dan t+5 memiliki nilai rata-rata yang paling rendah yaitu -0.003424 dengan tingkat signifikan sebesar 0,344. Sesuai dengan prasyarat yang telah ditetapkan, hal ini berarti (0,344 > 0,05). Hasil ini dapat menunjukkan jika tidak terdapat perbedaan pada abnormal return.
Paired Differences | t | df | Sig. (2-tailed) | |||||
Mean | Std. Deviation | Std. Error Mean | 95% Confidence Interval of the Difference | |||||
Lower | Upper | |||||||
TMIN1 - TPLUS1 | .001475 | .021621 | .003708 | -.006068 | .009019 | .398 | 33 | .693 |
TMIN2 - TPLUS2 | -.001289 | .019069 | .003270 | -.007943 | .005363 | -.394 | 33 | .696 |
TMIN3 - TPLUS3 | -.014853 | .024690 | .004234 | -.023468 | -.006238 | -3.508 | 33 | .001 |
TMIN4 - TPLUS4 | -.005965 | .017185 | .002947 | -.011961 | .000030 | -2.024 | 33 | .051 |
TMIN5 - TPLUS5 | .006966 | .021382 | .003667 | -.000494 | .014427 | 1.900 | 33 | .066 |
Hasil pengujian abnormal return pada t-3 dan t+3 memiliki nilai rata-rata yang paling rendah yaitu -0.011771 dengan tingkat signifikansi sebesar 0,016. Sesuai dengan prasyarat yang telah ditetapkan, hal ini berarti (0,016 < 0,05). Hasil ini menunjukkan bahwa terdapat perbedaan pada abnormal return sesaat peristiwa pandemic Covid 19.
Periode | Signifikansi | T Hitung, T Tabel |
AR t-1–AR t+1 | 0,693 > 0,05 | 0,398 < 2,036 |
AR t-2–AR t+2 | 0,696 > 0,05 | 0,394 < 2,036 |
AR t-3–AR t+3 | 0,016 < 0,05 | 2,553 > 2,036 |
AR t-4–AR t+4 | 0,051 > 0,05 | 2,024 < 2,036 |
AR t-5–AR t+5 | 0,066 > 0,05 | 1,900 < 2,036 |
Berdasarkan Hasil dari pengujian abnormalireturniimenggunakan paired sample t-test menghasilkan nilai signifikan hasil lebih besar dari signifikan yang telah ditentukan (Sig.i2-tailed >0,05), sedangkan untuk nilai t-hitung lebih kecil dari t-tabel (t-hitung < t-tabel) hasil tersebut menyebabkan H0 diterima dan Ha ditolak, yaitu “terdapat perbedaan terhadap abnormal return sebelum dan sesaat peristiwa pandemic covid 19 pada kelompok saham indeks Lq 45”
Paired Differences | t | df | Sig. (2-tailed) | |||||
Mean | Std. Deviation | Std. Error Mean | 95% Confidence Interval of the Difference | |||||
Lower | Upper | |||||||
TMIN1 - TPLUS1 | -.000710 | .002402 | .000412 | -.001548 | .000128 | -.1724 | 33 | .094 |
TMIN2 - TPLUS2 | -.000344 | .000526 | .000090 | -.000528 | -.000161 | -.1821 | 33 | .087 |
TMIN3 - TPLUS3 | .001679 | .001695 | .000290 | -.001087 | .002270 | 2.010 | 33 | .052 |
TMIN4 - TPLUS4 | .000029 | .001103 | .000189 | -.000355 | .000414 | .157 | 33 | .876 |
TMIN5 - TPLUS5 | .009148 | .006382 | .001094 | -.006921 | .011375 | 1.822 | 33 | .054 |
Hasil pengujian abnormalreturn pada t-1 dan t+1 memiliki nilai rata-rata yang paling rendah yaitu -0,000710345 dengan tingkat signifikansi sebesar 0,94. Sesuai dengan9prasyarat yang telahditetapkan, hal ini berarti (0,094 > 0,05). Hasil ini menunjukkan jika tidak terdapat perbedaan trading volume.
Paired Differences | t | df | Sig. (2-tailed) | |||||
Mean | Std. Deviation | Std. Error Mean | 95% Confidence Interval of the Difference | |||||
Lower | Upper | |||||||
TMIN1 - TPLUS1 | -.000143 | .001179 | .000202 | -.000555 | .000268 | -.710 | 33 | .483 |
TMIN2 - TPLUS2 | -.000284 | .001070 | .000183 | -.000658 | .000088 | -1.550 | 33 | .131 |
TMIN3 - TPLUS3 | -.000308 | .000918 | .000157 | -.000628 | .000012 | -1.957 | 33 | .059 |
TMIN4 - TPLUS4 | -.000816 | .002721 | .000466 | -.001766 | .000132 | -1.750 | 33 | .089 |
TMIN5 - TPLUS5 | -.000689 | .001981 | .000339 | -.001380 | .000002 | -2.028 | 33 | .051 |
Hasil pengujian abnormal return pada t-4 dan t+4 memiliki nilai rata-rata yang paling rendah yaitu -0,00816774 dengan tingkat signifikansi sebesar 0,089. Sesuai denganprasyaratyangtelah ditetapkan, hal ini berarti (0,089 > 0,05). Hasil ini menunjukkanbahwatidak terdapat perbedaan trading volume.
Paired Differences | t | df | Sig. (2-tailed) | |||||
Mean | Std. Deviation | Std. Error Mean | 95% Confidence Interval of the Difference | |||||
Lower | Upper | |||||||
TMIN1 - TPLUS1 | -.000556 | .001037 | .000177 | -.000918 | -.000194 | -3.128 | 33 | .004 |
TMIN2 - TPLUS2 | -.000557 | .001409 | .000241 | -.001049 | -.000065 | -2.306 | 33 | .028 |
TMIN3 - TPLUS3 | -.000776 | .001512 | .000259 | -.001304 | -.000249 | -2.995 | 33 | .005 |
TMIN4 - TPLUS4 | .000142 | .001308 | .000224 | -.000314 | .000598 | .633 | 33 | .531 |
TMIN5 - TPLUS5 | .000564 | .001629 | .000279 | -.000003 | .001133 | 2.020 | 33 | .052 |
Hasil pengujian abnormal return terhadap t-3 dan t+3 memiliki nilai rata-rata yang paling rendah yaitu -0.0776893 dengan tingkat signifikansi sebesar 0,028. Sesuai denganprasyarat yang telah ditetapkan, hal ini berarti (0,028 < 0,05). Hasil ini menunjukkan bahwa terdapat perbedaan pada Trading Volume Activity sesaat peristiwa pandemic Covid 19.
Periode | Signifikansi | T Hitung, T Tabel |
TVA t-1 –TVA t+1 | 0,004 < 0,05 | 3,128 > 2,036 |
TVA t-2 – TVA t+2 | 0,028 < 0,05 | 2,306 > 2,036 |
TVA t-3 – TVA t+3 | 0,005 < 0,05 | 2,995 > 2,036 |
TVA t-4 – TVA t+4 | 0,531 > 0,05 | 633 < 2,036 |
TVA t-5 – TVA t+5 | 0,052 > 0,05 | 2,020 < 2,036 |
Berdasarkan Hasil Perhitungan diatas Sesuai dengan aturan yang telah ditentukan jika nilai Sig. 2 tailed lebih besar dari signifikansi yang telah ditentukan (Sig. 2 tailed > signifikansi 0,05) atau apabila nilai t hitung lebih kecil dari t tabel (tihitung > t tabel), maka akan menolak Ho sedangkan Ha diterima. Hal ini bisa diartikan “ terdapat perbedaan terhadap Trading Volume Activity sebelum dan sesaat peristiwa pandemic covid 19 pada kelompok saham indeks Lq 45”.
B. Pembahasan
1. Perbedaan Abnormal Return sebelum dan sesaat terjadinya Covid 19.
Berdasarkan pada hasil pengujian diatas, hasil uji pairedisampleit-Test pada tahun 2020 menunjukkan nilai Hasil pengujian abnormalireturnipada t-3 dan t+3 memiliki nilai rata-rataiyang palingirendah yaitu -0.011771 denganitingkatisignifikansi sebesar 0,016. Lebih kecil dari 5% (0,016i<i0,05).dan Karena nilaiit-hitungi (2,553) lebihibesar dan melebihi batas dariit-tabel (2,036) Makaiterdapat perbedaan abnormal return pada sebelum dan sesaat terjadinya Covid 19.
2. Perbedaan Trading Volume sebelum dan sesaat terjadinya Covid 19.
Berdasarkan pada hasil pengujian diatas, hasil uji paired sample t-Test pada tahun 2020 menunjukkan nilai Hasil pengujian abnormal return pada t-3 dan t+3 memiliki nilai rata-rata yang paling rendah yaitu -0.0776893 dengan tingkat signifikansi sebesar 0,028. Lebih kecil dari 5% (0,028 <i0,05) idan Karena nilaiit-hitungi (2,306 ) lebihibesar dan melebihi batas dariit-tabel (2,036) Maka terdapat perbedaan abnormal return pada sebelum dan sesaat terjadinya Covid 19.
Kesimpulan dari pada penelitian ini, peneliti berkesimpulan bahwa Pandemi Covid 19 yang terjadi pada akhir tahun 2019 dapat mempengaruhi Pasar Saham karena banyaknya industry yang terganggu karena dampak Pandemi sehingga secara tidak langsung akan berpengaruh pada pasar saham terutama pada abnormal return dan trading volume. Pada penelitian ini ada sebanyak 34 perusahaan yang dijadikan objek penelitian dari tahun 2018 – 2020.
Dari hasil penelitian diatas, dapat dijelaskan bahwa hasil penelitian untuk dimasukkan ke dalam hipotesis didapatkan sebagaimana diantaranya yaitu :
1. Terdapat perbedaan Abnormal Return yang signifikan sebelum dan sesaat terjadinya Pandemi Covid 19.
2, Terdapat perbedaan Trading Volume yang signifikan sebelum dan sesaat terjadinya Pandemi Covid 19.