Hasil dan Pembahasan

Beranda / Hasil dan Pembahasan

4. Hasil dan Pembahasan

Bagian ini mengilustrasikan alur kerja perhitungan CIVM dan membahas potensi keunggulan serta keterbatasan konseptualnya, termasuk contoh kalkulasi Investment Viability Score (IVS).

Contoh Perhitungan Investment Viability Score (IVS)

IVS menggabungkan lima pilar analisis dengan bobot AHP yang telah dikalibrasi:

IVS = (0.40 × Valuasi) + (0.25 × Risiko) + (0.15 × Filter) + (0.12 × Alokasi) + (0.08 × Pengelolaan)
Komponen Raw Value Score (0-100) Bobot Weighted
Fair Price vs Close Rp 5.635 vs Rp 4.090 78 0.40 31.2
Z-Score Status 3.5 (Safe) 85 0.25 21.25
Filter Pass Rate 5/5 filters 100 0.15 15.0
CapG Rank Top 5% 95 0.12 11.4
Position Status Buy eligible 80 0.08 6.4
Total IVS 85.25

Dengan IVS 85.25, emiten masuk kategori "Sangat Layak" — prioritas tinggi untuk alokasi maksimal.

IVS > 80: Sangat Layak
70-80: Layak
60-70: Cukup Layak
50-60: Marginal
< 50: Tidak Layak

4.1. Simulasi Teoretis: Ilustrasi Perhitungan dan Pengelolaan CIVM

Bagian ini menyajikan contoh langkah-demi-langkah perhitungan CIVM untuk beberapa saham hipotetis pada satu titik waktu, diikuti dengan simulasi pengelolaan dinamisnya sesuai dengan metode yang diuraikan dalam kerangka CIVM.

4.1.1. Studi Kasus Hipotetis (Contoh: Saham BBNI, ADRO, BBCA, TLKM, POWR, TAPG per April 2025)

1
Perhitungan CIVM Score

Dengan metode baru: potensi kenaikan × kapitalisasi pasar

BBNI
Z-Score: Safe

Input:

  • AdjustedFairPrice = 5.635
  • HargaPasar = 4.090
  • KapitalisasiPasar = 76,7 T

pt = (AdjustedFairPrice - HargaPasar) / HargaPasar

pt = (5.635 − 4.090) / 4.090 ≈ 0,3777

CIVM_Score = pt × KapitalisasiPasar = 0,3777 × 76,7 T ≈ 28,97 T

CIVM ScoreBBNI = 28,97 T

Karena Z-Score 'Safe', CIVM_Score = pt × KapitalisasiPasar

BBCA
Z-Score: Safe

Input:

  • AdjustedFairPrice = 3.537
  • HargaPasar = 8.375
  • KapitalisasiPasar = 206,4 T

pt = (3.537 − 8.375) / 8.375 ≈ -0,5778

CIVM_Score = pt × KapitalisasiPasar = -0,5778 × 206,4 T ≈ -119,26 T

CIVM ScoreBBCA = -119,26 T

Skor negatif (overvalued)

TLKM
Z-Score: Grey Zone

Input:

  • AdjustedFairPrice = 2.407
  • HargaPasar = 2.590
  • KapitalisasiPasar = 257,2 T

pt = (2.407 − 2.590) / 2.590 ≈ -0,0707

CIVM_Score = -9999 (Z-Score bukan 'Safe')

CIVM ScoreTLKM = -9999

Z-Score bukan 'Safe', CIVM_Score = -9999

ADRO
Z-Score: Grey Zone

Input:

  • AdjustedFairPrice = 2.792
  • HargaPasar = 1.775
  • KapitalisasiPasar = 56,8 T

pt = (2.792 − 1.775) / 1.775 ≈ 0,5729

CIVM_Score = -9999 (Z-Score bukan 'Safe')

CIVM ScoreADRO = -9999

Meskipun pt > 0, Z-Score bukan 'Safe'

POWR
Z-Score: Safe

Input:

  • AdjustedFairPrice = 783
  • HargaPasar = 675
  • KapitalisasiPasar = 12,4 T

pt = (783 − 675) / 675 ≈ 0,1600

CIVM_Score = pt × KapitalisasiPasar = 0,1600 × 12,4 T ≈ 1,98 T

CIVM ScorePOWR = 1,98 T

Karena Z-Score 'Safe', CIVM_Score = pt × KapitalisasiPasar

TAPG
Z-Score: Safe

Input:

  • AdjustedFairPrice = 1.323
  • HargaPasar = 905
  • KapitalisasiPasar = 8,2 T

pt = (1.323 − 905) / 905 ≈ 0,4619

CIVM_Score = pt × KapitalisasiPasar = 0,4619 × 8,2 T ≈ 3,79 T

CIVM ScoreTAPG = 3,79 T

Karena Z-Score 'Safe', CIVM_Score = pt × KapitalisasiPasar

Perbandingan Metode CIVM Score
Saham Potensi (%) Market Cap (T) CIVM Score Lama CIVM Score Baru (T)
BBNI 37,77% 76,7 0,3777 28,97
POWR 16,00% 12,4 0,1600 1,98
TAPG 46,19% 8,2 0,4619 3,79

Perhatikan bagaimana metode baru memberikan nilai CIVM Score yang lebih mencerminkan potensi keuntungan absolut dalam nilai rupiah, bukan hanya persentase relatif.

2
Alokasi Portofolio Awal Sainte-Laguë

Dengan CIVM Score berbasis "potensi × kapitalisasi pasar"

Asumsi Awal:

  • Total modal = 10.000 unit
  • Kandidat alokasi: hanya saham dengan CIVM Score positif dan Z-Score 'Safe' (BBNI, POWR, TAPG)

Proses Alokasi (Ilustrasi):

Unit Kuosien BBNI Kuosien POWR Kuosien TAPG Alokasi ke Hasil
1 28,97 T / 1 = 28,97 T 1,98 T / 1 = 1,98 T 3,79 T / 1 = 3,79 T BBNI nBBNI = 1
2 28,97 T / 3 = 9,66 T 1,98 T / 1 = 1,98 T 3,79 T / 1 = 3,79 T BBNI nBBNI = 2
3 28,97 T / 5 = 5,79 T 1,98 T / 1 = 1,98 T 3,79 T / 1 = 3,79 T TAPG nTAPG = 1
4 28,97 T / 5 = 5,79 T 1,98 T / 1 = 1,98 T 3,79 T / 3 = 1,26 T BBNI nBBNI = 3
5 28,97 T / 7 = 4,14 T 1,98 T / 1 = 1,98 T 3,79 T / 3 = 1,26 T BBNI nBBNI = 4
... (Dilanjutkan hingga 10.000 unit teralokasi) ...
Perbandingan Hasil Alokasi
Metode Original (Berbasis Potensi %)
BBNI
38%
POWR
16%
TAPG
46%

Saham TAPG (kapitalisasi kecil) mendapatkan alokasi terbesar karena memiliki potensi persentase tertinggi.

Metode Baru (Berbasis Potensi × Market Cap)
BBNI
65%
POWR
10%
TAPG
25%

Saham BBNI (kapitalisasi besar) mendapatkan alokasi terbesar karena memiliki potensi absolut tertinggi dalam nilai rupiah.

BBNI
65%
Wtarget,BBNI = 0,65
POWR
10%
Wtarget,POWR = 0,10
TAPG
25%
Wtarget,TAPG = 0,25
BBCA
0%
Wtarget,BBCA = 0
TLKM
0%
Wtarget,TLKM = 0
ADRO
0%
Wtarget,ADRO = 0
3
Simulasi Pengelolaan Dinamis (Rebalancing Aktif)
Skenario

Satu bulan setelah alokasi awal:

  • Harga BBNI naik 5% (4.090 → 4.295)
  • Harga POWR tetap (675)
  • Harga TAPG turun 3% (905 → 878)
  • Nilai total portofolio (Vt) berubah karena perubahan harga
Perhitungan Target Dinamis

TargetNilaiBBNI = 0,65 × Vt

TargetNilaiPOWR = 0,10 × Vt

TargetNilaiTAPG = 0,25 × Vt

Perhitungan Koreksi

KoreksiNilaii = TargetNilaii − NilaiAktuali

KoreksiNilaii dikonversi menjadi jumlah lot ($koreksi_lot)

BBNI

Target: ≈ 65% dari Vt
Aktual: > 65% dari Vt (karena kenaikan harga)

KoreksiNilaiBBNI < 0

Perlu jual BBNI

POWR

Target: ≈ 10% dari Vt
Aktual: < 10% dari Vt (relatif menurun karena kenaikan nilai total)

KoreksiNilaiPOWR > 0

Perlu beli POWR (kecil)

TAPG

Target: ≈ 25% dari Vt
Aktual: < 25% dari Vt (karena penurunan harga)

KoreksiNilaiTAPG > 0

Perlu beli TAPG (signifikan)

Evaluasi Eksekusi dengan Filter
Filter untuk jual BBNI
HANYAJUALKETIKAPROFIT
Terpenuhi (Harga naik 5%)

Rekomendasi: Jual sejumlah $koreksi_lot BBNI

Filter untuk beli TAPG
Rekomendasi TA
'BUY' (PANTAU: 5.52%)
Status Z-Score
'Safe'
Potensi (Pot)
46% (>25%)
Ketersediaan Kas
Cukup (termasuk hasil jual BBNI)

Rekomendasi: Beli sejumlah $koreksi_lot TAPG

Implikasi Metode Baru pada Rebalancing

Dengan metode CIVM Score baru, portofolio akan lebih condong ke saham-saham berkapitalisasi besar dengan potensi kenaikan yang tetap signifikan. Ini menghasilkan:

  • Konsentrasi alokasi yang lebih tinggi pada emiten besar (BBNI)
  • Penurunan alokasi pada emiten kecil meskipun potensi persentasenya tinggi (TAPG)
  • Portofolio dengan likuiditas lebih tinggi dan volatilitas lebih rendah
  • Potensi capital gain absolut dalam rupiah yang lebih tinggi

Proses rebalancing tetap mengikuti prinsip yang sama, namun dengan target bobot yang berbeda mencerminkan prioritas baru pada potensi keuntungan absolut versus persentase.

4.1.2. Interpretasi Hasil Simulasi

Ilustrasi ini mendemonstrasikan alur kerja lengkap CIVM:

  1. Penilaian saham melalui valuasi fundamental (dimodifikasi dari Graham) dan analisis risiko (Z-Score adaptif)
  2. Integrasi menjadi skor CIVM yang komprehensif yang menggabungkan potensi upside dengan filter risiko kebangkrutan
  3. Penggunaan kapitalisasi pasar sebagai faktor pengali untuk potensi kenaikan, menghasilkan skor yang mencerminkan potensi keuntungan absolut, bukan hanya persentase relatif
  4. Alokasi modal proporsional menggunakan algoritma Sainte-Laguë berdasarkan skor terintegrasi yang telah disesuaikan dengan kapitalisasi pasar
  5. Pengelolaan dinamis melalui rebalancing aktif dengan filter multi-faktor (TA, Z-Score, Profit, Potensi, Kas)

Model ini melakukan rebalancing menuju target alokasi yang dinamis (disesuaikan dengan nilai portofolio terkini), sambil menyaring keputusan transaksi menggunakan beberapa filter untuk meningkatkan kualitas eksekusi. Pendekatan baru dengan mempertimbangkan kapitalisasi pasar memberikan keseimbangan yang lebih baik antara potensi kenaikan dan likuiditas di pasar.

4.2. Analisis Keunggulan Konseptual CIVM

Bagian ini membahas mengapa desain CIVM secara teoritis diharapkan memberikan keunggulan dibandingkan pendekatan konvensional.

4.2.1. Adaptabilitas Valuasi terhadap Risiko dan Dividen

Kombinasi Graham yang dibobot CV secara inheren memberikan valuasi yang lebih konservatif pada saham dengan pertumbuhan yang volatil. Penyesuaian berdasarkan DPR memasukkan sinyal kebijakan dividen sebagai faktor penting dalam valuasi dan stabilitas perusahaan.

4.2.2. Integrasi Peringatan Dini Risiko Kebangkrutan

Penggunaan Z-Score adaptif yang menyesuaikan threshold per sektor dan bobot komponen berdasarkan struktur modal secara eksplisit mempertimbangkan risiko finansial perusahaan. Ini membantu menghindari value trap yang sering terjadi dalam pendekatan valuasi konvensional.

4.2.3. Pemanfaatan Sinyal Teknikal sebagai Filter

Penggunaan rekomendasi TA sebagai filter transaksi bertujuan untuk menyelaraskan keputusan investasi dengan momentum pasar jangka pendek/menengah, sehingga mengurangi risiko masuk pasar saat tren sedang menurun atau keluar saat tren sedang naik.

4.2.4. Karakteristik Alokasi Sainte-Laguë dengan Integrasi Kapitalisasi Pasar

Metode Sainte-Laguë yang dimodifikasi dengan mengalikan potensi kenaikan dan kapitalisasi pasar menghasilkan alokasi yang lebih proporsional terhadap potensi keuntungan absolut. Pendekatan ini secara inheren mencegah konsentrasi berlebih pada saham berkapitalisasi kecil dengan potensi persentase tinggi, sekaligus memberikan bobot yang tepat pada saham berkapitalisasi besar dengan potensi moderat. Hasilnya adalah portofolio yang lebih seimbang dari segi likuiditas dan potensi keuntungan tanpa memerlukan estimasi matriks kovarians yang kompleks.

4.2.5. Keunggulan Pengelolaan Dinamis

Mekanisme rebalancing aktif memastikan portofolio terus disesuaikan mendekati target alokasi yang optimal seiring perubahan nilai. Filter multi-faktor pada eksekusi transaksi (TA, Z-Score, aturan profit) meningkatkan kualitas keputusan beli/jual dengan pendekatan lebih terstruktur.

4.3. Diskusi Keterbatasan Teoretis

Penting untuk mengakui keterbatasan konseptual CIVM guna memfasilitasi pengembangan lebih lanjut:

4.3.1. Kompleksitas Model

Integrasi banyak komponen meningkatkan kompleksitas implementasi, kalibrasi parameter (misal: bobot default TA, parameter HANYAJUALKETIKAPROFIT), dan potensi overfitting. Jumlah parameter yang perlu dikalibrasi dan dioptimalkan mungkin menantang secara komputasional.

4.3.2. Ketergantungan pada Data Historis

Model mengasumsikan pola historis akan berlanjut, yang dapat menjadi problematik dalam kondisi pasar yang mengalami perubahan struktural seperti krisis ekonomi atau perubahan regulasi yang signifikan.

4.3.3. Asumsi Implisit

Setiap komponen (Graham, Z-Score, TA, Sainte-Laguë, aturan rebalancing) memiliki asumsi implisitnya sendiri. Ketidakkonsistenan antara asumsi-asumsi ini dapat mengurangi koherensi model secara keseluruhan.

4.3.4. Keterbatasan Faktor Kualitatif

Model didominasi faktor kuantitatif dan tidak secara langsung memasukkan faktor kualitatif penting seperti kualitas manajemen, daya saing industri, atau dinamika disruptif teknologi.

4.3.5. Kebaruan Sainte-Laguë

Aplikasi Sainte-Laguë dalam keuangan perlu validasi empiris lebih lanjut, karena konsep ini telah terbukti dalam alokasi kursi legislatif namun relatif baru dalam konteks portofolio finansial.

4.3.6. Biaya dan Risiko Rebalancing Aktif

Rebalancing yang sering dapat meningkatkan biaya transaksi dan potensi whipsaw jika target alokasi berubah cepat. Efektivitas filter transaksi perlu diuji. Implikasi pajak dari realisasi keuntungan juga perlu dipertimbangkan dalam implementasi praktis.

Metodologi Validasi Empiris