DETERMINAN BID-ASK SPREAD SAHAM-SAHAM DALAM KOMPAS 100 DI BURSA EFEK INDONESIA

Budi Frensidy – Lektor Kepala Tetap FEUI

Abstract

Investors in capital market are very concerned with liquidity. To stock investors, it is

as important as return and risk. In Indonesian capital market (IDX or BEI), stock liquidity is

measured with proxies such as volume, frequency, and value of the stock’s transaction. It is

different from the theoretical view. Conceptually, liquidity has four dimensions namely

immediacy, width, depth, and resiliency. Of these four dimensions, immediacy and width are

the most important. The measure that is most frequently used for these two dimensions is

relative bid-ask spread. A stock with lower relative spread is said to be more liquid because it

can be transacted immediately (higher immediacy) with lower cost. This research utilizes

closing data of one hundred stocks included in Kompas 100. This study confirms the fact that

stock price, transaction value, and frequency (number of transaction days) of a stock

siginificantly affect its bid-ask spread, but the return volatility does not. Another finding is

that average relative bid-ask spread of the most liquid forty-five stocks (LQ-45) is not

significantly different from the other fifty-five stocks in Kompas 100.

Key words: spread, liquidity, stock price, immediacy, width

I. Pendahuluan

I.1. Latar Belakang

Kita semua sangat sering mendengar istilah likuiditas. Inilah yang membedakan aset

finansial dari aset riil. Karena itu, investor di pasar keuangan sangat berkepentingan untuk

memahaminya. Likuiditas menjadi salah satu faktor penting yang diperhatikan investor dalam

2

pengambilan keputusan investasi selain dua faktor penting lainnya yaitu return dan risiko.

Untuk menekankan pentingnya karakteristik likuiditas ini, Handa dan Schwartz (1996) merasa

perlu untuk membuat pernyataan berikut, “Investors want three things from the markets:

liquidity, liquidity, and liquidity.”

Masalahnya adalah walaupun kata likuiditas begitu dikenal, pemahaman para pelaku

pasar akan definisi dan ukuran likuiditas tidaklah sama. Belum ada kesepakatan bulat

mengenai konsep ini. Ada yang mengidentikkan likuiditas dengan kemudahan dan kecepatan

bertransaksi. Ada juga yang mengaitkannya dengan volume transaksi. Sebagian investor

lainnya lebih suka untuk menggunakan biaya transaksi yang rendah sebagai ukuran likuiditas.

Terakhir, masih ada investor yang melihat likuiditas dari seringnya terjadi transaksi atau

frekuensi perdagangan. Otoritas BEI, sebagai contoh, menggunakan volume, nilai, frekuensi,

dan jumlah hari transaksi sebagai ukuran-ukuran likuiditas. Semakin besar volume, nilai,

frekuensi, dan jumlah hari transaksi dari sebuah saham, semakin tinggi likuiditas saham itu.

Secara teori, suatu aset disebut likuid jika aset itu dapat ditransaksikan dalam waktu

singkat, dengan biaya murah, dalam jumlah besar, dan tanpa perubahan harga (market impact).

Berdasarkan konsep ini, Larry Harris dalam bukunya Trading & Exchanges: Market

Microstructure for Practioners (2003) mengatakan kalau konsep likuiditas mempunyai empat

dimensi yaitu immediacy, width, depth, dan resiliency. Dari empat dimensi tersebut, dua

dimensi yang paling penting adalah immediacy dan width. Ukuran yang biasa digunakan

untuk kedua dimensi ini adalah spread yaitu selisih antara harga jual terbaik dan harga beli

terbaik. Jika besaran spread itu dibagi rata-rata harga jual terbaik dan harga beli terbaik, kita

akan mendapatkan spread relatif. Spread relatif ini adalah faktor penting yang

dipertimbangkan investor dalam memutuskan untuk menggunakan market order atau limit

order.

3

Market order adalah instruksi untuk bertransaksi pada harga terbaik yang ada di pasar

saat ini sedangkan limit order adalah instruksi untuk bertransaksi pada harga terbaik yang ada

di pasar tetapi tidak boleh lebih jelek dari harga yang ditetapkan investor.

Pada praktiknya, spread relatif tergantung pada fraksi harga yang ditetapkan otoritas

bursa. Kita ketahui bersama, pada awal tahun 2007 fraksi perdagangan saham di BEI adalah

Rp 1 untuk saham berharga di bawah Rp 200; Rp 5 untuk saham berharga Rp 200 – Rp 495;

Rp 10 untuk harga saham Rp 500 – Rp 1.990; Rp 25 untuk harga saham Rp 2.000 – Rp 4.975;

dan Rp 50 untuk saham berharga minimal Rp 5.000. Akibat adanya ketentuan ini, saham-

saham berharga tinggi, walaupun secara absolut mempunyai spread yang lebih besar,

cenderung memiliki spread relatif yang lebih kecil daripada saham-saham berharga rendah.

Maksudnya adalah, secara absolut, spread harga saham yang berharga sekitar Rp600

(misalkan ELTY) adalah lebih rendah daripada saham yang berharga Rp9.000 seperti TLKM

yaitu Rp10 berbanding Rp50. Tetapi secara relatif, spread ELTY lebih besar daripada spread

TLKM yaitu 10/600 > 50/9.000.

Berdasarkan volume dan frekuensi perdagangan enam bulan terakhir, BEI

mengelompokkan 45 saham paling likuid dalam LQ-45. Mulai 8 Juli 2007 lalu, bersamaan

dengan peluncuran indeks Kompas 100, Kompas juga memperkenalkan kelompok 100 saham

likuid. Penulis menduga spread relatif saham-saham dalam LQ-45 berbeda dengan saham-

saham dalam indeks Kompas 100 diluar LQ-45 atau 55 saham likuid tingkat dua.

I.2. Tujuan Penelitian

Berdasarkan pemahaman di atas, penulis ingin mengetahui apakah ukuran-ukuran

likuiditas yang digunakan otoritas bursa mampu menjelaskan atau berhubungan positif

dengan ukuran likuiditas yang ada dalam teori. Dua ukuran likuiditas di pasar yaitu volume

4

dan jumlah hari transaksi akan digunakan untuk menjelaskan spread relatif yang terjadi.

Selain dua ukuran likuiditas itu, penulis juga ingin mengetahui pengaruh dari tingkat harga

dan volatilitas return saham terhadap spread relatif.

Tujuan lain penelitian ini adalah untuk menguji apakah ada perbedaan spread relatif

antara saham-saham dalam LQ-45 dan saham-saham dalam Kompas 100 diluar LQ-45.

Penelitian ini berusaha untuk mengkonfirmasi hasil penelitian yang sudah dilakukan

Ekaputra sebelumnya (2006) atas spread relatif intrahari 40 saham BEJ dengan nilai transaksi

tertinggi pada periode Mei – Oktober 2001. Namun dalam studi ini penulis akan

menggunakan spread relatif antar hari dan menambahkan dua variabel baru yaitu jumlah hari

transaksi dan variabel dummy untuk membedakan saham-saham dalam kelompok LQ-45 dan

saham-saham diluar LQ-45.

II. Tinjauan Literatur dan Penelitian Terdahulu

Dimensi Likuiditas

Berbeda dengan ukuran likuiditas yang digunakan otoritas BEI yaitu nilai transaksi,

volume transaksi, frekuensi transaksi, dan jumlah hari transaksi, Harris (2003) menyatakan

kalau konsep likuiditas mempunyai sekurang-kurangnya empat dimensi yaitu immediacy,

width, depth, dan resiliency. Immediacy adalah kecepatan atau kemudahan untuk bertransaksi

dengan segera dalam jumlah dan harga tertentu. Sedangkan width adalah selisih antara harga

jual terbaik dan harga beli terbaik. Besaran width ini juga dikenal dengan istilah spread.

Dimensi ketiga, depth, merupakan jumlah transaksi yang dapat dilaksanakan pada tingkat

harga tertentu tanpa mempengaruhi harga (market impact). Terakhir, dimensi resiliency

menyatakan seberapa cepat harga dapat kembali pada tingkat yang semestinya jika terjadi

arus order beli dan order jual yang tidak seimbang.

5

Faktor-Faktor Spread

Literatur tentang spread terbagi dalam dua kelompok. Kelompok pertama adalah

penelitian tentang spread di pasar yang quote-driven atau dealer market seperti NASDAQ.

Sedangkan kelompok lainnya adalah yang melakukan penelitian di pasar yang order driven

seperti bursa saham Australia dan BEI. Pasar dealer dan pasar order sangat berbeda

karakteristiknya sehingga determinan penentu spread relatif di kedua pasar itu wajarnya juga

berbeda.

Penelitian mengenai determinan spread di pasar dealer sudah banyak dilakukan dan

hasilnya secara garis besar dapat dibagi dalam dua aliran. Aliran pertama dikenal dengan

model persediaan (Stoll, 1978). Sementara aliran kedua sering disebut sebagai aliran model

informasi seperti yang dikemukakan Copeland dan Galai (1983).

Berdasarkan model persediaan, spread sudah sewajarnya ada untuk kompensasi

kepada dealer atau market maker atas waktu dan modal yang telah disiapkannya. Adanya

spread memungkinkan dealer mampu menutupi biaya normal usahanya (Harris, 2003).

Spread juga merupakan imbalan kepada dealer atau market maker atas kesediaannya

menanggung risiko menyimpan persediaan. Dealer mengambil risiko ini karena sudah

menjadi tugasnya menyediakan jasa immediacy (Demsetz, 1968; Stoll, 1978) agar para

investor dapat bertransaksi dengan cepat.

Sedangkan menurut model informasi yang dikemukakan Copeland dan Galai (1983),

spread diperlukan untuk memungkinkan market maker memperoleh keuntungan dari

bertransaksi dengan semua kelompok trader. Secara umum, ada dua kelompok trader yaitu

liquidity trader dan informed trader. Market maker tidak dapat membedakan keduanya.

Secara rata-rata, dealer akan mengalami kerugian ketika bertransaksi dengan informed trader,

6

tetapi akan mendapatkan keuntungan jika berhadapan dengan liquidity trader. Karena itu,

dealer akan berusaha untuk menentukan besaran spread yang memberikannya keuntungan

maksimum yaitu selisih potensi keuntungan dari bertransaksi dengan liquidity trader dan

potensi kerugian berdagang dengan informed trader.

Secara garis besar, di pasar dealer, komponen spread adalah biaya pemrosesan order

(order processing cost), biaya persediaan (inventory cost), dan biaya asimetri informasi

(adverse selection cost) (Campbell, Lo, dan McKinlay, 1997). Sedangkan determinan spread

menurut Harris (2003) adalah asimetri informasi, volatilitas, dan keberadaan utilitarian trader.

Utilitarian trader adalah pelaku pasar yang bertransaksi untuk mendapatkan manfaat selain

laba, contohnya adalah hedger dan tax avoider.

Studi mengenai determinan spread di pasar order juga sudah pernah dilakukan yaitu

oleh Aitken dan Frino (1996) pada bursa saham Australia dan kemudian oleh Ekaputra (2006)

atas 40 saham dengan nilai transaksi terbesar pada tahun 2001 di Bursa Efek Jakarta. Namun,

kedua penulis di atas belum ada yang menggunakan proxy jumlah hari transaksi atau mencoba

membandingkan spread relatif antar kelompok saham. Hasil penelitian Aitken dan Frino

(1996) membuktikan kalau tiga determinan utama spread relatif adalah tingkat aktivitas

perdagangan, volatilitas harga, dan tingkat harga saham. Ketiga variabel itu secara bersama-

sama mampu menjelaskan hingga 94% variasi spread relatif di ASX (Australian Stock

Exchange) pada periode Juni – November 1992.

Demikian juga hasil penelitian Ekaputra (2006) di BEJ (saat ini bernama BEI).

Ekaputra juga menemukan kalau variabel harga saham, volatilitas return, dan volume

transaksi berpengaruh secara signifikan terhadap variabel dependen spread relatif untuk 40

saham yang masuk dalam sampel. Ketiga variabel itu dalam penelitian Ekaputra dapat

menjelaskan 87% variasi spread relatif yang terjadi.

7

Namun demikian, para peneliti di atas belum memasukkan variabel jumlah hari

transaksi sebagai salah satu variabel independen yang dapat menjelaskan perubahan spread

relatif. Aitken dan Frino (1996) serta Ekaputra (2006) juga belum mencoba untuk menguji

apakah ada perbedaan yang signifikan dalam spread relatif antara kelompok saham yang

berbeda.

Ada dua penjelasan mengenai hubungan antara harga dan spread. Yang pertama

mengatakan kalau spread absolut adalah proporsional dengan harga saham (Demsetz, 1968;

Benston dan Hagerman, 1974). Yang kedua menyatakan kalau spread relatif berhubungan

secara negatif dengan harga saham (Stoll, 1978). Keduanya tidak kontradiktif karena yang

satu menggunakan spread absolut dan yang lain melihatnya secara relatif. Studi ini akan

menggunakan spread relatif, dan bukan spread absolut.

Mengenai volatilitas saham atau volatilitas return, Copeland dan Galai (1983) serta

Easley dan O’Hara (1987, 1991, 1997) melihat volatilitas sebagai komponen utama spread

dalam model informasi. Semakin besar volatilitas, semakin besar kesempatan informed trader

untuk mendapatkan keuntungan dari liquidity trader. Karenanya, liquidity trader

mengharapkan return tinggi untuk saham-saham seperti itu dengan cara menetapkan spread

yang lebih besar. Semakin besar volatilitas, semakin besar spread atau ada hubungan positif

antara volatilitas dan spread.

Sedangkan hubungan volume dan jumlah hari transaksi dengan spread relatif diduga

negatif. Demsetz (1968) di dealer market dan Cohen, Maier, Schwartz, dan Whitcomb (1981)

di pasar order menemukan bahwa semakin tipis limit order, semakin kecil kemungkinan

terjadinya transaksi. Karenanya, ada hubungan negatif antara volume (dan jumlah hari

transaksi) dan spread.

8

Berdasarkan pemahaman bahwa saham-saham di BEI ditetapkan masuk dalam LQ-45

berdasarkan kriteria volume, nilai, dan frekuensi perdagangan yang terjadi selama 6 bulan

terakhir, saham-saham LQ-45 diduga mempunyai spread relatif yang lebih rendah daripada

saham-saham lainnya. Ini sekaligus mengkonfirmasi hubungan negatif antara volume atau

frekuensi sebagai variabel independen dan besaran spread relatif sebagai variabel dependen.

III. Hipotesis, Model, dan Metodologi Penelitian

III.1. Perumusan Hipotesis

Ada lima hipotesis yang diajukan dalam penelitian ini yaitu :

(1) Harga saham berpengaruh negatif terhadap spread relatif.

(2) Volatilitas return berpengaruh positif terhadap spread relatif.

(3) Volume transaksi mempunyai pengaruh negatif terhadap spread relatif.

(4) Jumlah hari transaksi berpengaruh negatif terhadap spread relatif.

(5) Spread relatif saham-saham dalam LQ-45 lebih rendah daripada spread relatif saham-

saham dalam Kompas 100 (diluar LQ-45).

III.2. Model

Untuk menjelaskan hubungan antara variabel spread dengan keempat variabel

determinannya, penelitian ini menggunakan perluasan model Cobb-Douglas sebagai berikut:

Spread = k Hargaa StdRetb Volumec Harid

Dari model di atas, terlihat kalau pengaruh keempat variabel determinan pada spread,

tergantung pada nilai keempat variabel serta parameter k, a, b, c, dan d. Selain itu, besaran

spread juga tergantung pada interaksi antara keempat variabel independen tersebut.

9

Untuk memudahkan estimasi, penulis mengubah model Cobb-Douglas di atas menjadi

model logaritma natural (ln) linier sebagai berikut (parameter k menjadi β0, a menjadi β1,

dst) :

ln Spread = β0 + β1 ln Harga + β2 ln StdRet + β3 ln Volume + β4 Hari + β5 ln D + ε .... 1)

dengan Spread = spread relatif = (harga ask terbaik – harga bid terbaik) / ½ (harga ask

terbaik + harga bid terbaik)

Harga = harga saham

StdRet = volatilitas return saham

Volume = volume transaksi (dalam lot)

Hari = jumlah hari transaksi dalam kuartal 1, 2008 (Januari – Maret 2008)

D = dummy variable yaitu 1 untuk saham-saham dalam LQ-45 dan 0, jika tidak

III.3. Data, Sampel, dan Metodologi Penelitian

Penelitian ini akan menggunakan regresi berganda cross-section berdasarkan data

sekunder dari BEI selama kuartal 1 2008 (2 Januari 2008 – 31 Maret 2008). Saham yang akan

dijadikan sampel adalah 100 saham dalam indeks Kompas 100 yang akan dibagi dalam dua

kelompok yaitu saham-saham yang masuk dalam LQ-45 sebanyak 45 saham dan saham-

saham yang tidak masuk dalam LQ-45 sebanyak 55 saham.

Untuk menguji apakah ada perbedaan antara spread relatif saham-saham yang masuk

dalam LQ-45 dan yang tidak masuk dalam 45 saham terlikuid di BEI (LQ-45), penulis akan

menggunakan variabel dummy yaitu 1 untuk saham yang masuk dalam LQ-45, dan 0 untuk

saham yang tidak masuk dalam LQ-45.

10

Data yang akan digunakan adalah data harga beli terbaik dan data harga jual terbaik

pada saat penutupan setiap hari bursa selama bulan Januari hingga Maret 2008. Volatilitas

yang akan digunakan adalah standar deviasi return dari setiap saham antar hari dengan

menggunakan harga penutupan setiap saham. Untuk variabel volume, data yang akan

digunakan adalah jumlah lot yang diperdagangkan di pasar reguler (RG) dan juga pasar tutup

sendiri (TS) setiap harinya. Sedangkan jumlah hari transaksi adalah jumlah hari transaksi

(diperdagangkan) sebuah saham selama tiga bulan pertama di tahun 2008.

Sebelum dilakukan regresi, kecuali variabel dummy, semua data dan rerata yang

diperoleh akan ditransformasikan ke dalam nilai logaritma natural-nya.

IV. Hasil dan Analisis

IV.1. Hasil Observasi

Rerata nilai observasi semua variabel yaitu spread relatif sebagai variabel dependen

dan variabel harga, standar deviasi dari return, volume, jumlah hari transaksi, dan

pengelompokan dalam LQ-45 dan diluar LQ-45 secara lengkap disajikan pada Tabel 1.

Tabel itu menyajikan sampel dan nilai pengamatan untuk setiap variabel yang akan

digunakan untuk estimasi parameter model regresi. Nilai-nilai tersebut adalah rata-rata selama

kuartal pertama tahun 2008 atau dari tanggal 2 Januari 2008 hingga 31 Maret 2008 selama 58

hari perdagangan bursa. Sebagai contoh, saham AALI (Astra Agro Lestari) mempunyai harga

penutupan rata-rata sebesar Rp29.261,43 dalam tiga bulan pertama dengan standar deviasi

dari return harian sebesar 8,55% dan volume perdagangan harian 5.851,3 lot. Saham ini

masuk dalam saham LQ-45 (variabel dummy adalah 1) dan diperdagangkan setiap hari selama

kuartal pertama tahun 2008 dengan spread relatif rata-rata pada saat penutupan sebesar 0,36%.

11

IV.2. Hasil Pengujian Regresi Berganda

Hasil pengujian parameter regresi model (1) menolak tiga dari lima H0 pada alfa satu

persen yaitu hipotesa pertama, ketiga, dan keempat (lihat Tabel 2). Dapat disimpulkan bahwa

variabel ln Harga, ln Volume, dan ln Hari terbukti mempengaruhi ln Spread secara signifikan.

Berdasarkan nilai standardized beta, variabel ln Harga memiliki pengaruh terbesar pada

variabel dependen. Sementara itu, ada dua hipotesa H0 yang tidak cukup kuat untuk ditolak

yaitu hipotesa dua dan hipotesa empat. Ini berarti variabel standar deviasi return harian

saham dan pengelompokan dalam LQ-45 tidak terbukti berpengaruh terhadap besaran spread

relatif.

Hasil estimasi parameter adalah:

lnSpread = 7,66−0,28 lnHarga+0,07 lnStdRet−0,10 lnVolume − 0,08 Hari − 0,06 D + ε

Secara keseluruhan, model dapat menjelaskan hingga lebih dari 78 persen variasi dari

variabel dependen yaitu ln Spread. Dengan demikian, model relatif sudah baik, dikuatkan

juga dengan tingginya nilai F-statistik yang signifikan pada α = 1%.

Koefisien dari variabel ln Harga, variabel ln Volume, dan Hari adalah negatif dan ini

sesuai dengan ekspektasi. Semakin tinggi harga sebuah saham, semakin rendah spread

relatifnya, walaupun secara nominalnya spread menjadi lebih besar. Demikian juga dengan

volume dan jumlah hari transaksi. Semakin besar volume transaksi sebuah saham dan

semakin sering frekuensi perdagangan, semakin likuid saham itu sehingga semakin rendah

juga spread relatifnya.

Sementara itu, parameter variabel ln StdRet adalah positif dan ini juga sesuai dengan

penelitian-penelitian yang dilakukan sebelumnya (Aitken dan Frino, 1996; Ekaputra, 2006).

12

Demikian juga parameter variabel dummy yang negatif adalah sesuai dengan ekspektasi.

Sayangnya, hasil pengujian kedua parameter ini tidak signifikan. Ini berarti variabel volatilitas

return tidak dapat menjelaskan variasi dari spread relatif. Selain itu, spread relatif antara

saham dalam LQ-45 dapat dinyatakan sama dengan spread relatif 55 saham lain dalam indeks

Kompas 100.

Untuk mengetahui apakah terdapat interaksi antara variabel-variabel independen yaitu

ln Harga, ln Volume, ln StdRet, dan ln Hari, penulis menyarankan peneliti lain melakukannya

dengan menggunakan model prediksi yang lebih kompleks seperti translog polinomial.

IV. Kesimpulan dan Saran

Tidak seperti hasil penelitian-penelitian sebelumnya bahwa determinan spread relatif

adalah tingkat harga, tingkat volatilitas return, dan tingkat aktivitas transaksi, penelitian ini

hanya menemukan dua dari tiga determinan itu yang signifikan. Dua determinan itu adalah

tingkat harga dan tingkat aktivitas. Tingkat aktivitas dalam penelitian ini menggunakan dua

proxy yaitu volume dan hari transaksi. Keduanya bersama dengan tingkat harga terbukti

berhubungan negatif dengan spread relatif. Semakin besar harga, volume, dan hari transaksi,

semakin rendah spread relatif. Sementara itu, variabel volatilitas return tidak terbukti

mempengaruhi spread relatif.

Untuk memudahkan estimasi dan dengan pertimbangan adanya interaksi antar variabel

independen, studi ini menggunakan model Cobb-Douglas dan perluasannya yaitu model ln

linier. Dalam penelitian ini tidak ditemukan cukup bukti untuk menyatakan saham-saham

dalam LQ-45 lebih likuid atau mempunyai spread relatif yang lebih rendah daripada saham

lain dalam Kompas 100. Studi yang sama dapat dilakukan untuk membandingkan saham LQ-

45 dengan saham diluar LQ-45 yang diambil secara acak atau antara 100 saham dalam

13

Kompas 100 dengan saham-saham diluar Kompas 100. Tidak seperti hasil dalam penelitian

ini (adanya kesamaan dalam hal spread relatif antara 45 saham dalam LQ-45 dan 55 saham

likuid lainnya), hasil yang berbeda diduga akan didapat jika kita membandingkan kelompok-

kelompok saham di atas.

Untuk penelitian selanjutnya, penulis menyarankan penggunaan data panel. Akan

lebih baik lagi jika data panel itu meliputi transaksi perdagangan selama satu tahun.

14

Tabel 1. Rata-Rata Ask-Bid Spread, Harga, Volatilitas Return, Volume Transaksi, dan Jumlah Hari Transaksi Saham Kompas 100

Saham Spread Relatif Harga StdRet Volume Hari

LQ-45

AALI 0.36 29621.43 8.55 5851.29 58.00 1.00 ADHI 1.15 1024.29 6.27 5608.16 58.00 1.00

ADMG 4.74 147.21 7.59 417.29 54.00 0.00 AKRA 1.07 1342.14 7.15 21558.21 55.00 0.00 ANTM 0.67 3828.57 9.45 189006.09 58.00 1.00 APOL 2.08 580.00 6.53 5774.32 58.00 0.00 ASGR 1.89 488.57 7.00 1818.16 58.00 0.00 ASII 0.29 25957.14 6.39 13142.22 58.00 1.00

BBCA 0.86 4483.93 13.74 44636.05 58.00 1.00 BBKP 1.78 468.21 6.02 5292.24 58.00 0.00 BBNI 0.61 1653.57 4.46 55552.47 58.00 1.00 BBRI 1.55 6850.71 7.23 25531.88 58.00 1.00 BCIC 1.60 67.79 5.16 62923.55 58.00 0.00 BDMN 1.02 7192.86 4.98 7160.86 58.00 1.00 BHIT 1.65 706.07 11.62 7424.50 58.00 1.00 BKSL 1.40 680.00 5.06 38065.62 58.00 1.00 BLTA 1.11 2305.36 4.11 12282.88 58.00 1.00 BMRI 0.78 3233.93 4.43 87208.19 58.00 1.00 BMTR 1.65 921.43 5.36 4661.78 58.00 1.00 BNBR 1.51 396.79 24.34 764000.33 56.00 1.00 BNGA 1.40 750.00 8.27 73474.16 58.00 1.00 BNII 1.45 350.36 9.77 640380.38 58.00 1.00

BRPT 1.03 2046.07 14.62 52112.55 58.00 1.00 BTEL 1.41 370.36 4.14 110022.69 58.00 1.00 BUDI 1.79 287.50 4.88 21389.28 58.00 0.00 BUMI 0.77 6578.57 9.29 330127.48 58.00 1.00 CFIN 2.69 291.79 7.82 2113.33 58.00 0.00

CMNP 1.92 1736.43 5.03 359.24 58.00 0.00 CPIN 0.99 1007.86 5.04 73081.60 58.00 1.00 CPRO 1.57 316.43 5.65 142525.12 58.00 1.00 CTRA 1.82 706.43 10.19 27405.62 58.00 1.00 CTRS 1.47 768.57 7.25 13827.24 58.00 0.00 DAVO 1.85 282.86 4.56 51510.59 58.00 0.00 DEWA 1.66 545.36 7.56 103891.66 58.00 0.00 DILD 9.54 758.57 2.68 1852.74 43.00 0.00 ELTY 1.66 596.43 7.89 347414.02 58.00 1.00 ENRG 0.77 1306.43 5.66 120538.03 58.00 1.00 EPMT 7.95 682.86 3.24 179.47 40.00 0.00 ETWA 2.35 294.29 11.96 10696.19 58.00 0.00 FASW 1.66 1778.57 1.76 1568.24 47.00 0.00 FREN 2.20 200.29 6.80 15148.00 58.00 1.00 GGRM 1.03 8053.57 1.98 945.55 58.00 0.00 GJTL 1.88 420.71 3.58 4021.60 58.00 0.00 IATA 3.15 88.64 6.83 2338.17 58.00 0.00

15

IIKP 1.88 401.07 15.49 71611.88 47.00 0.00 INAF 7.84 179.14 4.34 554.41 43.00 0.00 INCO 0.30 21271.43 24.54 28324.74 58.00 1.00 INDF 1.04 2710.71 8.11 58625.66 58.00 1.00 INKP 1.20 910.00 4.50 18038.14 58.00 1.00 INTP 1.28 7371.43 7.21 3704.95 58.00 0.00 ISAT 0.74 7200.00 7.07 20103.95 58.00 1.00 JPFA 2.27 672.14 3.24 1044.98 58.00 0.00 JPRS 2.29 423.93 23.03 2181.60 58.00 0.00 KAEF 1.91 247.79 7.41 3869.81 58.00 0.00 KIJA 1.29 173.21 5.60 130628.31 58.00 1.00 KLBF 0.99 1117.14 3.99 35481.74 58.00 1.00 LPKR 1.49 709.29 5.34 48467.43 58.00 0.00 LSIP 0.53 11335.71 9.80 12845.71 58.00 0.00 LTLS 1.73 421.43 3.77 2259.16 58.00 0.00 MAPI 3.31 615.71 4.33 2462.48 57.00 0.00 MASA 2.19 242.50 7.96 57649.53 58.00 0.00 MDLN 2.98 363.57 6.53 1874.00 58.00 0.00 MEDC 0.63 4060.79 7.19 33418.03 58.00 1.00 META 1.75 194.43 11.77 19525.93 58.00 0.00 MLIA 2.06 336.43 3.38 1023.91 49.00 0.00 MLPL 1.28 90.00 5.08 20994.74 58.00 0.00 MNCN 1.78 661.79 9.14 10722.70 58.00 0.00 MPPA 2.36 605.00 7.35 29354.17 58.00 0.00 MTDL 0.94 152.64 8.01 22047.57 58.00 0.00 PGAS 0.46 13807.14 6.63 21598.64 58.00 1.00 PNBN 1.83 630.71 5.09 21393.28 58.00 0.00 PNLF 0.96 163.50 6.60 11787.67 58.00 1.00 PTBA 0.56 11092.86 6.11 28092.52 58.00 1.00 PTRA 1.56 73.29 11.29 37205.71 58.00 0.00 RALS 1.43 796.43 5.10 9948.34 58.00 0.00 RICY 1.97 639.29 8.19 5714.07 58.00 0.00 RUIS 7.21 431.07 11.25 593.57 43.00 0.00 SGRO 0.78 4194.64 9.80 36758.72 58.00 0.00 SIIP 1.61 1441.79 20.54 2597.62 58.00 0.00 SIPD 22.80 56.14 3.85 76108.66 58.00 0.00

SMCB 1.48 1412.14 7.34 18699.28 58.00 1.00 SMGR 1.15 5239.29 5.79 6362.86 58.00 0.00 SMMA 5.77 669.29 2.46 181.41 46.00 0.00 SMRA 1.47 945.00 6.65 4796.57 58.00 0.00 SPMA 4.15 240.36 6.95 572.38 55.00 0.00 SRSN 26.14 382.14 9.84 5140.74 40.00 0.00 SULI 1.43 2593.57 6.64 6480.10 58.00 1.00 TBLA 1.59 556.43 6.92 59376.84 58.00 1.00 TINS 0.30 29575.00 7.68 5538.40 58.00 1.00 TKIM 1.74 1110.71 5.13 1222.26 58.00 0.00 TLKM 0.55 9675.00 3.55 55711.50 58.00 1.00 TOTL 1.51 446.07 4.96 11637.86 58.00 1.00 TRIM 5.17 265.71 6.50 744.60 48.00 0.00

16

TRST 1.56 184.50 6.78 31126.69 58.00 0.00 TRUB 1.45 1156.43 5.30 31924.17 58.00 1.00 TSPC 2.39 658.57 5.20 4306.40 58.00 0.00 TURI 1.15 1081.43 3.29 4492.48 57.00 0.00 UNSP 0.96 2303.21 8.94 125677.17 58.00 1.00 UNTR 0.49 12453.57 7.56 16894.60 58.00 1.00 UNVR 0.83 6846.43 2.95 3385.45 58.00 1.00

Tabel 2. Hasil Pengolahan Data dengan SPSS 11.5 Variables Entered/Removed(b)

Model Variables Entered

Variables Removed Method

1 LN_VOL, LN_HARGA LN_STDRT, HARI, LQ-45(a)

. Enter

a All requested variables entered. b Dependent Variable: LN_SPRD Model Summary

Model R R Square Adjusted R

Square Std. Error of the Estimate

1 .893(a) .797 .786 .34297a Predictors: (Constant), LN_VOL, LN_HARGA, LN_STDRT, HARI, LQ-45 ANOVA(b)

Model Sum of

Squares df Mean Square F Sig. 1 Regression 41.548 5 8.310 70.644 .000(a) Residual 10.586 90 .118 Total 52.135 95

a Predictors: (Constant), LN_VOL, LN_HARGA, LN_STDRT, HARI, LQ-45 b Dependent Variable: LN_SPRD Coefficients(a)

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta 1 (Constant

) 7.655 .519 14.741 .000

HARI -.080 .009 -.460 -8.489 .000LQ-45 -.058 .098 -.039 -.596 .552LN_HARGA -.277 .028 -.538 -9.722 .000

LN_STDRT .069 .081 .044 .857 .393

LN_VOL -.097 .028 -.234 -3.500 .001a Dependent Variable: LN_SPRD

17

Referensi

Aitken, M. dan A. Frino. Mei 1996. The Determinants of Market Bid and Ask Spreads on

the Australian Stock Exchange: Cross Sectional Analysis. Journal of Accounting and Finance, 51-63.

Benston, G.J. dan R.L. Hagerman. 1974. Determinants of Bid-Ask Spreads in the Over-

the-Counter Market. Journal of Financial Economics, 1, 353-364. Campbell, J.Y., A.W. Lo, dan A.C. McKinlay. 1997. The Econometrics of Financial

Markets. Princeton University Press. Cohen, K.J., S.F. Maier, R.A. Schwartz, dan D.K. Whitcomb. 1981. Transaction Costs,

Order Placement Strategy, and Existence of the Bid-Ask Spread. Journal of Political Economy, 89, 287-305.

Copeland, T.E. dan D. Galai. 1983. The Information Effects of the Bid-Ask Spread.

Journal of Finance, 38, 1457-1469. Demsetz, H. 1968. The Cost of Transacting. Quarterly Journal of Economics, 82, 33-53. Easley, D. dan M. O’Hara. 1987. Price, Trade Size, and Information in Securities Markets.

Journal of Financial Economics, 19, 69-90. Easley, D. dan M. O’Hara. 1991. Order Form and Information in Securities Markets.

Journal of Finance, 46/3, 905-927. Easley, D. dan M. O’Hara. 1997. Time and the Process of Security Adjustment. Journal of

Finance, 47/2, 577-605. Ekaputra, Irwan Adi. Mei 2006. Determinan Intraday Bid-Ask Spread Saham di Bursa

Efek Jakarta. Manajemen dan Usahawan Indonesia, 5/XXXV, 8-12. Ekaputra, I.A. dan A. Basharat. 2007. The Impact of Tick Size Reduction on Liquidity and

Order Strategy: Evidence from JSX. Journal of Economics and Finance in Indonesia Indonesia, 55/1, 89-104.

Handa, P. dan R.A. Schwartz. 1996. How Best to Supply Liquidity to a Securities Market.

Journal of Portfolio Management , Winter, 44-51. Harris, Larry. 2003. Trading and Exchanges: Market Microstructure for Practioners.

Oxford University Press. Hasbrouck, Joel. 2007. Empirical Market Microstructure: The Institution, Economics, and

Econometrics of Securities Trading. Oxford University Press.

18

O’Hara, Maureen. 2006. Market Microstructure Theory. Blackwell Publishing. Stoll, H.R. 1978. The Supply of Dealer Services of Securities Markets. Journal of Finance,

33, 1133-1151.

19

PAPER

DETERMINAN SPREAD RELATIF SAHAM-SAHAM KOMPAS 100 DI BURSA EFEK INDONESIA

Diajukan untuk Tugas Akhir Mata Kuliah Seminar on Market Microstructure

Oleh : Budi Frensidy NPM : 0606032291

Dosen : Bapak Bambang Hermanto, Ph.D.

Depok, 20 Mei 2008