📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 13 dokumenINFERENSI BAYES PADA MODEL REGRESI LINIER MENGGUNAKAN ALGORITMA MARKOV CHAIN MONTE CARLO (STUDI KASUS: DATA SAHAM IDX80)
Regresi linear Bayes digunakan untuk memodelkan hubungan antara karakteristik historis saham tahun 2024 dan return saham IDX80 tahun 2025 dengan merepresentasikan ketidakpastian parameter melalui distribusi posterior. Model dibangun menggunakan prior semi-konjugat independent Normal–Inverse-Gamma dan diestimasi dengan algoritma Gibbs Sampling. Prediktor terpilih merepresentasikan momentum tiga bulan, momentum enam bulan, dan risiko berbasis Log VaR 95%. Simulasi dilakukan menggunakan tiga rantai independen, 15.000 iterasi per rantai, burn-in 5.000 iterasi, dan thinning sebesar 5, sehingga diperoleh 6.000 sampel posterior. Hasil diagnostik menunjukkan konvergensi yang baik dengan ˆR sebesar 1,00 untuk seluruh parameter. Berdasarkan posterior mean, model yang diperoleh adalah ˆy = 0,03610 + 0,15308x1 ? 0,13986x2 + 0,04625x3. Hasil inferensi menunjukkan bahwa momentum tiga bulan berpengaruh positif terhadap return, momentum enam bulan berpengaruh negatif, sedangkan risiko berbasis Log VaR 95% belum menunjukkan pengaruh yang kuat. Evaluasi prediksi menghasilkan RMSE sebesar 0,2392, MAE sebesar 0,1914, R2 prediksi sebesar 0,1674, dan coverage interval prediksi posterior 95% sebesar 96,25%. Dengan demikian, regresi linear Bayes memberikan hasil yang konsisten dengan OLS serta mampu merepresentasikan ketidakpastian parameter dan prediksi secara eksplisit.
ANALISIS DINAMIKA KAPITALISASI PASAR DAN TOTAL KREDIT PERBANKAN DENGAN PENDEKATAN SISTEM DINAMIK
Kapitalisasi pasar dan total kredit perbankan merupakan dua indikator utama yang mencerminkan kondisi sektor keuangan Indonesia. Penelitian ini bertujuan untuk menganalisis dinamika hubungan antara kapitalisasi pasar dan total kredit perbankan Indonesia menggunakan pendekatan sistem dinamik. Model dibangun berdasarkan sistem persamaan diferensial linear non-homogen yang merepresentasikan interaksi antara kedua variabel tersebut, dengan mempertimbangkan faktor-faktor seperti Indeks Harga Saham Gabungan (IHSG), sentimen pasar, nilai tukar uang, dan arus investasi asing. Data yang digunakan dalam penelitian ini mencakup periode 2007–2023 yang diperoleh dari sumber data sekunder. Parameter model diestimasi menggunakan metode Ordinary Least Squares (OLS), dan analisis kestabilan dilakukan melalui perhitungan nilai eigen dari matriks Jacobian sistem. Simulasi sistem dinamik dilakukan untuk memvisualisasikan perilaku jangka panjang sistem. Hasil analisis menunjukkan bahwa sistem memiliki titik kesetimbangan yang bersifat saddle point, mengindikasikan adanya ketidakstabilan struktural dalam hubungan jangka panjang antara kapitalisasi pasar dan total kredit perbankan. Temuan ini memberikan implikasi penting bagi kebijakan sektor keuangan, khususnya dalam memahami keterkaitan antara pasar modal dan sektor perbankan di Indonesia
ANALISIS REAKSI SAHAM SEKTOR MIGAS DI PASAR MODAL INDONESIA TERHADAP PERISTIWA DOMESTIK DAN GLOBAL TERKAIT ENERGI DENGAN METODE EVENT STUDY DAN INTERVENTION TIME SERIES
Sektor minyak dan gas bumi merupakan sektor yang sensitif terhadap informasi domestik dan global, seperti kebijakan energi, harga minyak dunia, nilai tukar, serta kondisi geopolitik. Penelitian ini bertujuan untuk menganalisis reaksi saham sektor migas di pasar modal Indonesia terhadap peristiwa domestik dan global terkait energi menggunakan metode event study dan intervention time series. Analisis dilakukan pada sepuluh saham sektor migas yang terdaftar serta aktif diperdagangkan di Bursa Efek Indonesia. Metode event study digunakan untuk menguji reaksi pasar terhadap kenaikan harga BBM subsidi tahun 2022 melalui indikator abnormal return (AR), trading volume activity (TVA), dan security return variability (SRV). Selanjutnya, metode intervention time series digunakan untuk menganalisis pengaruh beberapa peristiwa energi terhadap AR saham sektor migas menggunakan model ARMA–GARCH dengan variabel intervensi pulse dan step. Hasil penelitian menunjukkan bahwa reaksi saham sektor migas tidak seragam antara agregat sektor dan individual emiten. Hasil event study menunjukkan adanya pola reaksi pasar melalui AR, TVA, dan SRV, meskipun tidak seluruh perubahan signifikan secara statistik. Sementara itu, hasil analisis intervensi dengan model utama ARMA(0,0)–GARCH(1,1) menunjukkan bahwa Perang Rusia–Ukraina, kenaikan harga BBM subsidi, dan Kepmen ESDM 91/2023 terkait HGBT berpengaruh signifikan terhadap AR agregat sektor. Pengaruh tersebut muncul dalam bentuk pulse sehingga respons pasar lebih mencerminkan reaksi sesaat pada event date bukan perubahan rata-rata AR yang berkelanjutan. Pada tingkat individual, respons saham bersifat heterogen dan bergantung pada karakteristik masing-masing emiten. Dengan demikian, kedua metode memberikan gambaran yang saling melengkapi mengenai reaksi pasar modal terhadap peristiwa energi.
ANALISIS PREDIKSI HARGA SAHAM MENGGUNAKAN QUANTUM NEURAL NETWORK (QNN) DAN PERBANDINGAN TERHADAP LONG SHORT-TERM MEMORY (LSTM)
Pergerakan harga saham memiliki volatilitas tinggi dan pola non-linear yang kompleks, menjadikan sebuah tantangan besar dalam pemodelan deret waktu. Model deep learning klasik seperti Long Short-Term Memory (LSTM) umum digunakan, namun rentan mengalami over-parameterization saat menghadapi dinamika fluktuasi pasar yang ekstrem. Penelitian ini bertujuan membandingkan performa prediksi model Quantum Neural Network (QNN) terhadap model LSTM klasik menggunakan evaluasi berbasis hyperparameter tuning dan analisis metrik kuantitatif. Pemodelan ini dilatih menggunakan data historis harian saham BBCA, GGRM, dan EXCL dengan pembagian periode 2018-2023 sebagai data training dan periode 2024 sebagai data testing. Hasil pengujian menunjukkan QNN mengungguli LSTM pada saham BBCA (uptrend) dengan MAPE 1,0469%, RMSE 131,9511, dan R 2 0,8906, serta EXCL (sideways) dengan MAPE 1,3780%, RMSE 45,2262, dan R 2 0,7995. Pada saham GGRM (downtrend), meskipun LSTM mencatat MAPE sedikit lebih rendah (0,9984% berbanding 1,0093%), QNN terbukti lebih stabil dengan RMSE yang lebih kecil (251,5257 berbanding 251,7988). Secara arsitektural, QNN beroperasi lebih efisien karena mencapai hasil optimal hanya dengan kedalaman 1 layer sirkuit dan lookback window 1. Penelitian ini menegaskan bahwa arsitektur QNN menghasilkan akurasi, efisiensi komputasi, dan kapabilitas generalisasi pola non-linear yang lebih tangguh dibandingkan model memori klasik. Penelitian ini memberikan kontribusi pada pengembangan Quantum Machine Learning sebagai solusi alternatif pemodelan time-series finansial yang lebih presisi dan stabil terhadap dinamika pasar yang ekstrem.
STUDI PERISTIWA: DAMPAK PENGUMUMAN TARIF PAJAK TRUMP TERHADAP TIGA INDEKS SEKTORAL TERATAS
Penelitian ini memberikan analisis terhadap reaksi pasar secara langsung atas pengumuman pemerintah Amerika Serikat mengenai penerapan tarif pada tanggal 2 April 2025 dan menilai dampak guncangan kebijakan tersebut terhadap tiga indeks sektoral yang paling relevan secara sistemik di pasar modal Indonesia, yaitu IDXENERGY, IDXBASIC, dan IDXFINANCE. Pengumuman tersebut merupakan pengumuman yang bersifat publik dan terlihat secara jelas, yang telah mengubah ekspektasi mengenai arah perdagangan global, pergerakan harga komoditas di masa depan, serta tingkat keuntungan yang diproyeksikan pada sektor-sektor ekonomi yang paling terdampak. Dengan mempertimbangkan tingginya tingkat integrasi Indonesia dalam rantai nilai ekspor komoditas internasional, serta fakta bahwa pasar keuangan juga terekspos terhadap risiko kredit dari sektor energi dan bahan baku, tujuan paling krusial dari penelitian ini adalah untuk menguji apakah informasi baru tersebut dengan cepat terintegrasi ke dalam harga saham di pasar-pasar tersebut, sebagaimana yang diprediksikan dalam bentuk semi-kuat dari Efficient Market Hypothesis (EMH). Dorongan empiris penelitian ini juga dapat dibenarkan oleh adanya keterbatasan studi yang meneliti transmisi guncangan tarif pada tingkat sektoral dan bukan agregat di pasar negara berkembang, meskipun Indonesia memiliki kerentanan struktural terhadap pilihan kebijakan eksternal, arus modal asing, dan fluktuasi harga komoditas. Penelitian ini menggunakan desain event study jangka pendek untuk mengidentifikasi abnormal return (AR) di sekitar tanggal pengumuman, di mana pendekatan market model menggunakan Jakarta Composite Index (JCI) sebagai acuan dalam mengestimasi return ekspektasian dengan horizon estimasi selama 100 hari pada periode [–120, –20]. Sebuah jendela peristiwa dipilih selama 21 hari [-10, +10], sehingga jendela tersebut mencakup aktivitas perdagangan antisipatif dan respons langsung setelah pengumuman serta koreksi harga jangka pendek. Abnormal Return (AR), Average Abnormal Return (AAR), dan Cumulative Abnormal Return (CAR) dihitung untuk menetapkan besaran dan persistensi perubahan harga dalam jendela tersebut. Uji Shapiro–Wilk diterapkan untuk menguji apakah data return mengikuti distribusi normal dan dengan demikian menentukan uji statistik yang akan digunakan, yaitu one-sample t-test dan Wilcoxon Signed-Rank test yang diterapkan untuk menguji signifikansi statistik, sementara market-adjusted return model digunakan sebagai prosedur penguatan untuk menguji konsistensi temuan. Hasil penelitian menunjukkan bahwa abnormal return pada saham sektoral di Indonesia signifikan secara statistik di sekitar jendela peristiwa, khususnya pada fase antisipatif menjelang tanggal 2 April, yang mungkin disebabkan oleh rumor, suasana spekulatif, atau ekspektasi antisipatif pasca-spekulatif yang muncul seiring dengan tanda-tanda awal kebijakan. Abnormal return yang signifikan secara statistik pada T?10 menunjukkan bahwa antisipasi terhadap pengumuman tarif tertutupi oleh kekuatan pasar yang optimistis secara bersamaan, seperti perbaikan sentimen komoditas atau arus masuk modal, sementara reaksi yang signifikan secara marginal pada T+9 semakin mendukung bahwa pasar terus melakukan penyesuaian setelah tanggal pengumuman. Model uji ketahanan membuktikan bahwa perilaku ini bukan sekadar pengamatan atas pergerakan pasar yang lebih luas, sehingga membenarkan keberadaan abnormalitas sektoral berbasis peristiwa yang nyata. Seluruh temuan empiris ini berkontribusi pada literatur pasar modal Indonesia dengan memvalidasi keberfungsian EMH pada sektor-sektor yang paling rentan, menggunakan metodologi event study jendela pendek untuk menghitung indeks sektoral alih-alih indeks pasar secara keseluruhan, serta menunjukkan adanya respons jangka pendek yang heterogen terhadap pengumuman tarif eksternal. Secara praktis, hasil penelitian ini menegaskan perlunya investor, regulator, dan manajer risiko untuk secara cermat memperhatikan setiap perkembangan terkait tarif, eksposur komoditas, dan saluran transmisi lintas sektor guna melakukan penyesuaian posisi secara taktis melalui pengelolaan eksposur sektoral, kesadaran terhadap risiko makro, dan praktik peringatan dini.
REAKSI PASAR TERHADAP PENETAPAN DAN PENCABUTAN PERATURAN MENTERI PERDAGANGAN NO. 8 TAHUN 2024 PADA INDUSTRI TEKSTIL DAN PRODUK TEKSTIL DI INDONESIA
Penelitian ini menganalisis reaksi pasar modal Indonesia, khususnya sektor Tekstil dan Produk Tekstil (TPT), terhadap penetapan dan pencabutan Peraturan Menteri Perdagangan No. 8 Tahun 2024. Regulasi yang awalnya bertujuan mengatasi hambatan perizinan impor justru memicu lonjakan barang impor dan memperburuk penurunan struktural industri tekstil domestik, sehingga akhirnya dicabut. Dengan menggunakan metodologi studi peristiwa, periode estimasi selama 120 hari, dan jendela peristiwa 11 hari, penelitian ini mengukur abnormal return dan aktivitas volume perdagangan saham TPT. Hasil penelitian menunjukkan tidak terdapat perbedaan signifikan pada kedua variabel sebelum dan sesudah peristiwa, yang mengindikasikan bahwa pasar telah mengantisipasi pengumuman atau menilai dampaknya tidak cukup kuat secara finansial. Temuan ini konsisten dengan hipotesis pasar efisien bentuk semi kuat, di mana informasi publik cepat tercermin pada harga saham. Selain itu, kelemahan struktural industri TPT bersama faktor makroekonomi yang lebih luas menutupi dampak jangka pendek dari perubahan regulasi. Penelitian ini menyimpulkan bahwa penyesuaian kebijakan saja tidak cukup untuk memicu reaksi pasar modal yang terukur kecuali memberikan informasi baru dan material dengan implikasi langsung terhadap kinerja perusahaan.
PERANCANGAN MODEL KLASIFIKASI SAHAM BACKDOOR LISTING DENGAN PENDEKATAN GP-SIS DAN L1 LOGISTIC REGRESSION
PT Investa Eduka Bangsa adalah sebuah perusahaan investasi yang berinvestasi pada saham di pasar modal Indonesia. Saat ini, perusahaan berinvestasi dengan metode investasi value investing yang hanya menghasilkan return 15-20% per tahun, yang membutuhkan waktu lama untuk melipatgandakan aset. Sejak tahun 2021, berkembang suatu jenis saham yang dapat mengalami kenaikan ratusan hingga ribuan persen dalam waktu relatif singkat, yaitu saham backdoor listing. Backdoor listing adalah pengambilalihan saham perusahaan terbuka oleh pengendali baru, yang diikuti penyuntikkan aset pengendali baru ke perusahaan tersebut, yang menyebabkan kenaikan harga saham yang signifikan. Dengan berinvestasi pada saham backdoor listing, perusahaan investasi akan mendapatkan keuntungan yang sangat besar. Akan tetapi, investasi pada saham backdoor belum dapat dilakukan oleh perusahaan, karena kriteria perusahaan terbuka yang berpotensi menjadi target backdoor listing belum diketahui, maupun pembedanya dengan saham yang hanya diakuisisi biasa. Selain itu, belum terdapat model yang dapat mengevaluasi potensi backdoor listing suatu saham. Maka, penelitian ini dilakukan untuk mengidentifikasi kriteria saham backdoor listing dan merancang model klasifikasi yang dapat memprediksi probabilitas backdoor listing suatu saham. Pengembangan model dilakukan dengan menggunakan data historis saham-saham backdoor listing dan saham akuisisi biasa di Indonesia. Data dikumpulkan dengan melakukan studi dokumen perusahaan terbuka dari website IDX dan Stockbit. Kemudian, data preprocessing dilakukan untuk mempersiapkan data, dan juga feature selection dengan menggunakan pendekatan GP-SIS (Sure Independence Screening). Lalu, model klasifikasi dirancang menggunakan logistic regression dengan L1 regularization dan 5-fold cross-validation. Maka, dihasilkan model klasifikasi L1 logistic regression yang mampu melakukan prediksi probabilitas backdoor listing suatu saham dan mengklasifikasikannya menjadi backdoor atau bukan. Selain itu, diidentifikasi kriteria-kriteria saham backdoor listing dari hasil feature selection GP-SIS dan L1 regularization. Dengan demikian, perusahaan dapat melakukan investasi pada saham backdoor listing dan meningkatkan return investasi.
ANALISIS PREDIKSI HARGA SAHAM MENGGUNAKAN QUANTUM LONG SHORT-TERM MEMORY (QLSTM) DAN PERBANDINGAN TERHADAP LSTM
Saham merupakan salah satu instrumen investasi yang paling diminati karena menawarkan potensi keuntungan yang tinggi. Salah satu model machine learning yang sering digunakan untuk menganalisis data time series, seperti harga saham, adalah model Long Short-Term Memory (LSTM), yang mana model ini dikembangkan untuk mengatasi masalah vanishing gradient pada model Recurrent Neural Network (RNN). Dalam beberapa tahun terakhir, penelitian mengenai Quantum Computing dan Quantum Machine Learning menjadi cukup populer. Salah satunya adalah penelitian mengenai model Quantum Long Short-Term Memory (QLSTM), yang mana model ini mengintegrasikan konsep Quantum Computing dengan LSTM klasik. Penelitian ini bertujuan untuk menentukan prediksi harga saham menggunakan model QLSTM, menentukan tingkat akurasi dari model QLSTM dalam memprediksi harga saham, dan membandingkan performa model QLSTM dan LSTM dalam prediksi harga saham. Perbandingan perfoma model QLSTM dan LSTM ditentukan dengan membandingkan nilai metrik MAPE dan RMSE. Berdasarkan hasil analisis yang dilakukan, hasil prediksi model QLSTM mampu mendekati nilai harga saham aktual dan memiliki tingkat akurasi yang sangat baik dengan nilai MAPE dibawah 2%. Setelah itu, diperoleh juga hasil perbandingan QLSTM dan LSTM, dengan nilai MAPE untuk QLSTM adalah 1,15%, 1,25%, dan 1,37% untuk masing-masing saham PGAS, UNVR, dan INCO. Sementara itu, nilai MAPE LSTM adalah 1,17%, 1,50%, dan 1,60%. Untuk RMSE, diperoleh nilai 17,77, 59,67, dan 98,40 untuk QLSTM, serta 19,14, 73,02, dan 115,55 untuk LSTM. Hasil ini menunjukkan bahwa model QLSTM memiliki performa yang lebih baik dibandingkan model LSTM klasik.
ANALISIS PERBANDINGAN KINERJA MODEL SEQUENTIAL NEURAL NETWORK PADA SETIAP TIER PADA PASAR MODAL INDONESIA
Prediksi harga saham di pasar modal Indonesia merupakan tantangan kompleks akibat volatilitas tinggi dan banyaknya variabel non-linear yang memengaruhi pergerakan harga, sehingga model statistik tradisional seringkali tidak memadai. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model-model deep learning untuk prediksi log-return saham di Bursa Efek Indonesia (BEI). Tiga keluarga arsitektur sequential neural network diimplementasikan yaitu varian Recurrent Neural Network (RNN) yaitu ConvLSTM dan AttGRU; varian Transformer yaitu Autoformer dan iTransformer; serta varian Multilayer Perceptron (MLP) yaitu N-BEATS, N-HITS, dan TSMixer. Model-model tersebut diuji pada saham yang mewakili tiga tier likuiditas berbeda (TIER 1, 2, dan 3) dengan menggunakan data historis dan indikator makroekonomi. Kinerja dievaluasi menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Directional Accuracy (DA). Hasil evaluasi menunjukkan bahwa varian arsitektur MLP secara signifikan mengungguli varian RNN dan Transformer. Model RNN dan Transformer gagal memberikan prediksi arah yang andal (DA sekitar 40-60%), sedangkan model berbasis MLP, khususnya TSMixer dan N-HITS, mampu mencapai Directional Accuracy hingga 80%. Penelitian ini menyimpulkan bahwa arsitektur berbasis MLP, meskipun lebih sederhana, terbukti lebih efektif untuk tugas prediksi arah pergerakan harga saham di pasar modal Indonesia.
EFEK VARIASI FUNGSI KERNEL PADA PREDIKSI SAHAM SEKTOR INDUSTRI PERTANIAN MENGGUNAKAN METODE SUPPORT VEKTOR REGRESSION
Ekonomi fisika merupakan cabang ilmu fisika yang menerapkan konsep-konsep dalam fisika untuk memecahkan permasalahan ekonomi. Salah satu hal yang menarik adalah dinamika stokastik pada data saham. Data saham termasuk pada dinamika stokastik karena memiliki pola yang berubah-ubah mengikuti waktu yang cenderung fluktuatif serta sulit untuk diprediksi. Oleh karena itu, digunakan metode untuk memprediksi data saham tersebut. Pada penelitian ini, akan digunakan metode ekonomi fisika yaitu Support Vector Regression untuk memprediksi data saham penutupan sektor pertanian di delapan perusahaan Indonesia. Pertanian merupakan sektor yang memiliki peranan signifikan bagi perekonomian Indonesia. Menurut data Badan Pusat Statistik, pada triwullan II tahun 2018 kontribusi pertanian pada laju pertumbuhan produk domestik bruto (PDB) mencapai 13,63%. Sektor pertanian sangat menjanikan untuk dijadikan usaha dan bisnis serta tujuan investasi. Berdasarkan kondisi tersebut, maka perlu adanya suatu model untuk memprediksi kondisi indeks harga saham di sektor industri pertanian untuk membantu investor dalam melakukan pengambilan keputusan dalam penanaman modal atau saham. Preprocessing data akan dilakukan sebelum digunakan sebagai data pada proses pembelajaran SVR. Preprocessing data membagi data menjadi dua bagian yaitu 80% data latih dan 20% data uji. Setelah didapatkan hasil prediksi untuk indeks harga saham, dilakukan analisis terhadap keakurasian dengan menghitung nilai error dan membandingkan efek variasi dari fungsi Kernel terhadap keakuratan prediksi. Dari hasil simulasi didapatkan bahwa data sektor saham pertanian memiliki karakteristik yang hampir sama. Hal tersebut ditandai dengan penggunaan fungsi kernel polinomial yang menghasilkan nilai error minimum di 50% jumlah perusahaan dengan rata-rata error terkecil yaitu MAPE=13,10 % dan NRMSE = 0,07%.
MENILAI MANFAAT FINANSIAL DAN TANTANGAN PROGRAM BANGKIT PARIWISATA TERHADAP PEMULIHAN INDUSTRI PARIWISATA INDONESIA PASCA COVID-19
Penelitian ini bertujuan untuk mengetahui apakah terdapat perbedaan rata-rata abnormal return, dan trading volume activity Program Bangkit Pariwisata terhadap Pemulihan Industri Pariwisata Indonesia Pasca Covid-19. Sampel dipilih dengan menggunakan metode purposive sampling dan terkumpul sebanyak empat perusahaan pariwisata yang terdaftar di Bursa Efek Indonesia selama tahun 2021. Data yang digunakan dalam penelitian ini adalah data sekunder berupa data harian harga penutupan saham, Indeks Harga Saham Gabungan (IHSG), volume perdagangan saham, jumlah saham yang beredar, dan Investing.com. Penelitian ini merupakan event study dengan periode pengamatan selama 10 hari, yaitu lima hari sebelum dan lima hari sesudah pengumuman Program Bangkit Pariwisata di Indonesia. Pengujian hipotesis menggunakan metode paired sample t-test. Berdasarkan hasil penelitian, ditemukan bahwa tidak terdapat perbedaan rata-rata abnormal return saham perusahaan pariwisata sebelum dan sesudah pengumuman Program Bangkit Pariwisata. Dan, tidak terdapat perbedaan rata-rata trading volume activity saham perusahaan pariwisata sebelum dan sesudah pengumuman Program Bangkit Pariwisata.
PENGARUH HARGA MINYAK DAN GAS ALAM DUNIA TERHADAP HARGA SAHAM PERUSAHAAN MINYAK DAN GAS DI BEI SEBELUM DAN SESUDAH INVASI RUSIA KE UKRAINA
Invasi Rusia ke Ukraina pada awal tahun 2022 memberikan dampak yang besar terhadap perubahan harga minyak dunia dan gas bumi, karena Rusia merupakan salah satu negara produsen minyak dunia terbesar di dunia. Perubahan harga minyak dunia dan gas bumi juga mempengaruhi harga saham perusahaan minyak dan gas di Indonesia. Penelitian ini bertujuan untuk mengetahui apakah terdapat perubahan signifikan terhadap harga minyak dunia, gas alam dan harga saham perusahaan minyak dan gas yang terdaftar pada periode yang ditentukan. Penelitian ini juga menganalisa apakah terdapat pengaruh signifikan dari perubahan harga minyak dunia dan gas bumi terhadap harga saham perusahaan minyak dan gas bumi di Indonesia yang terdaftar di IDX pada periode sebelum dan sesudah invasi Rusia ke Ukraina, yaitu pada tahun 2021 – 2023. Penelitian ini menggunakan metode kuantitatif serta melibatkan 7 sampel perusahaan minyak dan gas Indonesia dengan kapitalisasi pasar terbesar yang telah melaporkan data keuangan pada tahun 2021 – 2023. Data yang digunakan adalah data sekunder dengan teknik pengambilan sampel purposive sampling. Analisis data yang digunakan adalah uji asumsi klasik, analisis regresi linear berganda serta uji F dan uji T. Hasil penelitian menunjukkan bahwa invasi Rusia ke Ukraina menyebabkan harga minyak dunia dan gas bumi mengalami perubahan yang signifikan pada tahun 2021 – 2023. Pergerakan harga minyak dunia mempengaruhi harga saham pada perusahaan minyak dan gas bumi yang diteliti, namun pergerakan harga gas bumi tidak mempengaruhi harga saham pada perusahaan minyak dan gas bumi yang diteliti.
DAMPAK INVASI RUSIA KE UKRAINA TERHADAP HARGA SAHAM PERUSAHAAN TRANSPORTASI DAN LOGISTIK YANG TERDAFTAR DI INDEKS SAHAM INDONESIA
Studi ini meneliti dampak invasi Rusia ke Ukraina terhadap harga saham perusahaan transportasi dan logistik yang terdaftar di Bursa Efek Indonesia (BEI). Dengan menggunakan metode studi peristiwa (event study), penelitian ini menganalisis abnormal return dan aktivitas volume perdagangan sebelum dan setelah invasi pada tanggal 24 Februari 2022. Sampel terdiri dari 29 perusahaan, dipilih untuk memastikan kelengkapan data dan menghindari aksi korporasi yang membingungkan. Penelitian ini menggunakan statistik deskriptif, uji normalitas data, dan pengujian hipotesis dengan metode Paired Sample T-test dan Wilcoxon Signed Rank Test. Temuan menunjukkan tidak ada perubahan signifikan dalam abnormal return dan hanya sedikit perubahan yang tidak signifikan dalam aktivitas volume perdagangan, yang menunjukkan respons pasar yang terbatas terhadap peristiwa geopolitik tersebut. Hasil ini cukup bertentangan dengan studi lain yang menunjukkan gangguan yang cukup signifikan pada pasar saham selama peristiwa penting serupa, seperti pengumuman keputusan penting oleh pemerintah, pandemi, dan krisis geopolitik. Hal ini menunjukkan bahwa invasi tidak berdampak signifikan terhadap kinerja saham sektor transportasi dan logistik di Indonesia. Studi ini menyoroti bagaimana guncangan eksternal, seperti konflik geopolitik, mempengaruhi sektor pasar modal suatu negara berkembang dan menawarkan wawasan bagi investor dan pembuat kebijakan dalam mengelola risiko semacam itu. Dampak minimal yang diamati mungkin disebabkan oleh jarak geografis Indonesia dari konflik, fokus pasar yang terfokus pada pasar domestik dan regional untuk sektor tersebut, serta strategi manajemen risiko yang efektif oleh perusahaan yang terlibat.