Syntax Literate: Jurnal Ilmiah Indonesia p�ISSN: 2541-0849 e-ISSN: 2548-1398

Vol. 7, No. 09, September 2022

PERANAN INVESTOR ATTENTION DALAM PEMBENTUKAN HERDING BEHAVIOR DI PASAR MODAL INDONESIA

Doni Farhanto

Fakultas Ekonomi dan Bisnis, Magister Manajemen, Universitas Indonesia, Indonesia

E-mail: [email protected]

Abstrak

Herding behavior dapat didefinisikan sebagai perilaku individu yang memutuskan untuk mengikuti orang lain dan meniru perilaku kelompok daripada mengambil keputusan secara mandiri berdasarkan informasi yang mereka punya. Analisis kali ini bertujuan untuk menganalisis keberadaan herd behavior yang dipengaruhi oleh investor attention. Dalam penelitian kali ini, Google Search digunakan sebagai proxy dari investor attention dengan dugaan bahwa ketika investor attention meningkat, maka jumlah investor yang menggunakan Google Search untuk mencari informasi akan meningkat sehingga nantinya investor akan memiliki informasi yang serupa dan kemudian membuat keputusan perdagangan serupa sehingga terbentuk herd behavior. Penelitian kali ini juga menganalisis pengaruh investor attention dalam pembentukan herd behavior pada periode market return negatif dan pada periode Pandemi COVID-19. Adapun metode yang digunakan dalam penelitian kali ini adalah metode cross-sectional absolute deviation (CSAD). Sampel penelitian yang digunakan adalah data berupa return harian dari IHSG pada periode Juli 2012-Juni 2022 yang diambil dari Refinitiv eikon dan data berupa frekuensi pencarian kata kunci terkait Pasar Modal Indonesia pada periode Juli 2012-Juni 2022 yang diambil dari Google Trends. Hasil dari penelitian kali ini adalah ditemukan keberadaan herd behavior yang dipengaruhi oleh investor attention, tetapi tidak ditemukan keberadaan herd behavior dalam periode market return negatif dan dalam periode Pandemi COVID-19.

Kata kunci: Herd behavior, efficient market hypothesis (EMH), behavioral finance, cross-sectional absolute deviation (CSAD), Google Search volume index.

Abstract

Herding behavior can be defined as the behavior of individuals who decide to follow others and imitate group behavior rather than making decisions independently based on the information they have. This research aims to analyze the existence of herd behavior that is influenced by investor attention. In this study, Google Search is used as a proxy for investor attention with the assumption that when investor attention increases, the number of investors using Google Search to search for information will increase so that later investors will have similar information and then make similar trading decisions so that herd behavior are formed. This research also analyzes the influence of investor attention in forming herd behavior during the negative market return period and during the COVID-19 Pandemic. The method used in this study is the cross-sectional absolute deviation (CSAD) method. The research sample used is data of daily market return from the Indonesia Composite Index (ICI) for the period July 2012-June 2022 taken from Refinitiv eikon and search frequency data for keywords related to the Indonesian Capital Market in the period July 2012-June 2022 taken from Google Trends. The results of the present study found the existence of herd behavior influenced by investor attention, but no herd behavior was found during the negative market return period and during the COVID-19 Pandemic period.

Keywords: Herd behavior, efficient market hypothesis (EMH), behavioral finance, cross-sectional absolute deviation (CSAD), and Google Search volume index.

Pendahuluan

Herding behavior dapat didefinisikan sebagai perilaku individu yang memutuskan untuk mengikuti orang lain dan meniru perilaku kelompok daripada mengambil keputusan secara mandiri berdasarkan informasi yang mereka punya (Baddeley, 2009). Telah lama diperdebatkan apakah herd behavior di pasar keuangan dapat meningkatkan atau merusak efisiensi pasar. Herd behavior dapat dibagi menjadi dua, yaitu unintentional dan intentional herd behavior (Bikhchandani & Sharma, 2001). Dalam unintentional behavior, para investor secara tidak sengaja memiliki informasi yang sama dan membuat keputusan yang sama pula. Hal tersebut dapat meningkatkan efisiensi pasar dan mendorong perilaku rational herd behavior. Rational herd behavior dapat terjadi ketika investor menerima informasi yang sama dan melakukan analisis serta berperilaku secara rasional. Tetapi, dampak yang berbeda terhadap efisiensi pasar dapat terjadi dalam kasus intentional herd behavior. Dalam kasus intentional herd behavior, investor akan mengabaikan informasi yang mereka miliki dan dengan sengaja mengikuti keputusan dari pihak lainnya, maka hal ini justru akan merusak efisiensi pasar itu sendiri (Wanidwaranan & Padungsaksawasdi, 2022).

Untuk kondisi saat ini di Indonesia, jumlah investor pasar modal di Indonesia saat ini meningkat pesat. Per Desember 2021, jumlah investor di Indonesia telah mencapai lebih dari 7.400.000 (tujuh juta empat ratus ribu). Bila dibandingkan dengan jumlah investor pada tahun 2020 yang hanya berjumlah sekitar 3.880.000 (tiga juta delapan ratus delapan puluh ribu) investor, terjadi pertumbuhan dalam jumlah investor sebesar 92,99% (KSEI, 2022). Di sisi lain, pasar modal di Indonesia memiliki sifat weak-form efficiency (Andrianto & Mirza, 2016). Dengan kata lain, berdasarkan teori efficient market hypothesis, harga yang tercantum dalam pasar modal belum mencerminkan berbagai informasi public dan private yang relevan terkait pasar modal itu sendiri. Berdasarkan penelitian sebelumnya, salah satu hal yang dapat mempengaruhi perilaku herding behavior di Indonesia adalah adalah sikap under confidence yang dimiliki oleh sebagian investor di Pasar Modal Indonesia (Zakirullah & Rahmawati, 2020). Dikarenakan banyaknya informasi yang belum tersedia ditambah sikap under confidence yang dimiliki oleh sebagian investor, para investor tersebut nantinya akan mencari informasi tambahan untuk membuat keputusan dalam berinvestasi. Adapun investor ritel biasanya menggunakan Google Search untuk mengevaluasi peluang investasi di tingkat pasar yang lebih luas (Vozlyublennaia, 2014). Hal-hal di atas seperti pertumbuhan jumlah investor yang pesat ditambah dengan pasar modal yang bersifat weak-form efficiency, akan mendorong semakin banyaknya investor ritel yang menggunakan media seperti Google Search untuk mencari informasi tambahan. Jika terdapat investor dalam jumlah banyak yang mencari informasi dengan Google Search, hal tersebut akan berpotensi untuk memicu perilaku herd behavior di kalangan investor (Wanidwaranan & Padungsaksawasdi, 2022). Maka dari itu, alasan dalam melakukan penelitian kali ini adalah untuk menganalisis perilaku herd behavior di tengah pesatnya pertumbuhan jumlah investor pasar modal di Indonesia.

Gambar 1. Jumlah investor pasar modal di Indonesia (KSEI, 2022).

Adapun analisis kali ini bertujuan untuk menganalisis herd behavior yang dipengaruhi oleh investor attention dengan asumsi bahwa ketika investor attention meningkat, maka jumlah investor yang menggunakan Google Search untuk mencari informasi akan meningkat sehingga nantinya investor akan memiliki informasi yang serupa dan kemudian membuat keputusan perdagangan serupa sehingga terbentuk herd behavior (Wanidwaranan & Padungsaksawasdi, 2022). Untuk investor attention akan dianalisis dengan menggunakan Google Search volume index (SVI). Google SVI merupakan media yang lebih baik untuk menganalisis perhatian investor ritel bila dibandingkan dengan SVI dari sekuritas individu. Hal ini dikarenakan investor ritel biasanya menggunakan Google Search untuk mengevaluasi peluang investasi di tingkat pasar yang lebih luas (Vozlyublennaia, 2014).

Penelitian kali ini juga menganalisis pengaruh investor attention dalam pembentukan herd behavior pada periode market return negatif dan pada periode Pandemi COVID-19. Adapun alasan dari menggunakan periode return negatif dari IHSG dan variabel Pandemi COVID-19 adalah dikarenakan dalam penelitian sebelumnya yang dilakukan oleh Wanidwaranan & Padungsaksawasdi (2022), ditemukan perbedaan perilaku investor ketika market return sedang positif dan ketika market return sedang negatif. Perbedaan perilaku yang dimaksud adalah ketika market return sedang positif, investor cenderung lebih aktif dalam mencari berbagai informasi termasuk dari internet sehingga investor attention meningkat. Sementara itu, ketika market return sedang negatif, investor cenderung bergerak secara emosional dan mengabaikan informasi yang ada termasuk informasi dari internet. Perbedaan perilaku di atas merupakan ostrich effect. Oleh karena itu, alasan dari penggunaan periode market return negatif dari IHSG dan variabel Pandemi COVID-19 adalah untuk menganalisis keberadaan ostrich effect dalam penggunaan Google Search pada investor di Bursa Efek Indonesia. Kemudian, metode yang digunakan dalam penelitian kali ini adalah cross-sectional absolute deviation (CSAD).

Adapun salah satu kelebihan dari penelitian kali ini adalah dari penggunaan kata kunci. Jika dalam penelitian yang dilakukan sebelumnya oleh Wanidwaranan & Padungsaksawasdi (2022) dilakukan pemilihan terhadap satu kata kunci dengan nilai frekuensi pencarian tertinggi. Maka dalam penelitian kali ini akan dilakukan penggabungan terhadap seluruh kata kunci. Penggabungan kata kunci dalam analisis kali ini dilakukan untuk mendapatkan cakupan dari investor yang menggunakan Google Search secara lebih luas. Selain itu, penelitian kali ini dapat membantu melengkapi penelitian dari Wanidwaranan & Padungsaksawasdi (2022). Pada penelitian tersebut, tidak dilakukan pengambilan sampel pada pasar saham di Indonesia. Maka dari itu, penelitian kali ini juga memiliki tujuan untuk melengkapi penelitian tersebut dengan menggunakan data dari pasar saham di Indonesia.

Penelitian kali ini bertujuan untuk menganalisis keberadaan herd behavior yang dipengaruhi oleh investor attention. Kemudian, teori yang mendasari perumusan masalah kali ini adalah ketika investor attention meningkat, maka jumlah investor yang menggunakan Google Search untuk mencari informasi akan meningkat sehingga nantinya investor akan memiliki informasi yang serupa dan kemudian membuat keputusan perdagangan serupa sehingga terbentuk herd behavior (Wanidwaranan & Padungsaksawasdi, 2022). �Tetapi, dalam kondisi market return negatif ataupun dalam kondisi krisis, investor cenderung bergerak secara emosional dan mengabaikan informasi yang ada termasuk informasi dari Google Search. Perbedaan perilaku tersebut merupakan ostrich effect (Wanidwaranan & Padungsaksawasdi, 2022). Adapun metode yang digunakan dalam penelitian kali ini adalah Cross-Sectional Absolute Deviation (CSAD) dan nantinya investor attention akan dianalisis dengan menggunakan Google Search Volume Index.

Penelitian ini bertujuan untuk menganalisis keberadaan perilaku berkelompok (herd behavior) murni pada Bursa Efek Indonesia dan menginvestigasi dampak dari perhatian investor terhadap keberadaan perilaku berkelompok, baik secara umum maupun pada saat kembali pasar negatif, serta pada periode pasar bearish selama pandemi COVID-19 maupun periode pasar bullish di Bursa Efek Indonesia.

Menjadi pelengkap dalam penelitian yang berkaitan dengan peranan investor attention dalam membentuk herd behavior. Penelitian sebelumnya yang dilakukan oleh Wanidwaranan & Padungsaksawasdi (2022) terkait peranan investor attention dalam pembentukan herd behavior menggunakan data dari pasar modal di berbagai belahan dunia. Tetapi penelitian tersebut tidak menggunakan data dari Bursa Efek Indonesia. Maka dari itu, salah satu manfaat dari penelitian kali ini adalah untuk melengkapi penelitian sebelumnya yang dilakukan oleh Wanidwaranan & Padungsaksawasdi (2022) dengan menggunakan data dari Bursa Efek Indonesia.

Metode Penelitin

Penelitian ini bertujuan untuk menguji apakah investor attention dapat memicu perilaku berkelompok (herd behavior) di pasar saham Indonesia, baik dalam situasi normal, kondisi market return negatif, maupun selama pandemi COVID-19. Metode yang digunakan adalah regresi cross-sectional absolute deviation (CSAD) dengan data sekunder historis harga IHSG dari Refinitiv eikon untuk menghasilkan data market return. Data investor attention diperoleh dari frekuensi pencarian Google Search dengan kata kunci yang mencakup indeks saham Indonesia seperti "Bursa Efek Indonesia", "IHSG", dan lainnya. Penelitian ini melibatkan data dari Juli 2012 hingga Juni 2022. Melalui analisis CSAD, diharapkan dapat ditemukan hubungan antara investor attention dan herd behavior dalam berbagai kondisi pasar (Singagerda, Maggie, & Suk, 2018). Adapun sampel untuk variabel Pandemi COVID-19 menggunakan rentang waktu 1 Februari 2020 sampai 31 Januari 2021 dari return harian IHSG (Jiang, Wen, Zhang, & Cui, 2022). Alasan menggunakan rentang waktu tersebut adalah dikarenakan Pandemi COVID-19 memberikan dampak yang cukup besar pada rentang waktu tersebut.

Hasil dan Pembahasan

4.1 Keywords Google Trends

Dalam penelitian kali ini, terdapat tujuh kata kunci yang digunakan, yaitu �IHSG�, �Indeks Harga Saham Gabungan�, �Bursa Efek Indonesia�, �IDX30�, dan �LQ45�, �IDX�, dan �IDX Composite�. Dalam analisis kali ini, akan dilakukan kombinasi terhadap ketujuh kata kunci tersebut untuk mendapatkan nilai Adjusted Daily SVI (ASVI). Nilai ASVI yang didapat nantinya akan menjadi perhitungan dari variabel �yang digunakan dalam perhitungan pada persamaan 3.4, 3.5, 3.6, dan 3.7. Penggabungan kata kunci dalam analisis kali ini dilakukan untuk mendapatkan cakupan dari investor yang menggunakan Google Search secara lebih luas. Adapun penggabungan kata kunci dalam Google Trends dapat dilakukan dengan menggunakan simbol �+� (Google, 2023). Kemudian, bentuk gabungan dari kata kunci yang digunakan pada Google Trends dalam penelitian kali ini adalah �IHSG + IDX30 + LQ45 + IDX + IDX Composite + Indeks Harga Saham Gabungan + Bursa Efek Indonesia�.

Langkah pertama dalam mendapatkan nilai ASVI adalah mengunduh nilai daily search volume index (daily SVI) dari gabungan seluruh kata kunci. Nilai daily SVI sendiri didapatkan dari Google Trends. Adapun nilai daily SVI hanya bisa didapatkan dalam periode 90 hari. Jika rentang waktu yang digunakan lebih dari 90 hari, maka nilai SVI yang didapatkan akan keluar dalam periode mingguan atau bulanan. Apabila nilai SVI diunduh dalam periode 3 bulan, terdapat kemungkinan bahwa nilai SVI yang didapatkan akan keluar dalam periode mingguan. Hal ini dikarenakan terdapat bulan yang memiliki 31 hari. Maka dari itu, nilai daily SVI akan diunduh dalam periode 2 bulan sepanjang Juli 2012 - Juni 2022 untuk gabungan seluruh kata kunci.

Setelah mendapatkan nilai daily SVI dari gabungan seluruh kata kunci, langkah selanjutnya adalah mencari nilai Adjusted Daily SVI (ASVI). Untuk mendapatkan nilai ASVI, pertama-tama harus didapatkan nilai monthly SVI dalam periode Juli 2012 - Juni 2022. Adapun nilai monthly SVI didapatkan dengan mengunduh nilai SVI dalam periode Juli 2012 � Juni 2022 secara langsung. Dikarenakan periode yang digunakan cukup lama (10 tahun), maka nilai SVI akan keluar dalam periode bulanan. Kemudian, untuk mendapatkan nilai ASVI, akan dilakukan penyesuaian dari nilai daily SVI dengan nilai monthly SVI. Nantinya, nilai ASVI yang didapatkan akan digunakan untuk perhitungan terhadap variabel �yang digunakan dalam perhitungan pada persamaan 3.4, 3.5, 3.6, dan 3.7. Adapun penyesuaian tersebut dilakukan dengan menggunakan persamaan 3.10. Berikut adalah hasil perhitungan rata-rata nilai ASVI untuk gabungan seluruh kata kunci:

Tabel 4. 1 Rata-rata & median nilai ASVI untuk kata kunci

4.2 Cross-Sectional Absolute Deviation

Dalam penelitian kali ini, Cross-Sectional Absolute Deviation (CSAD) akan dihitung dengan persamaan 3.8. Nilai CSAD sendiri akan mencapai nilai minimum yaitu 0 (nol) ketika nilai dari return pasar sama dengan nilai dari return saham individu. Adapun nilai CSAD akan bertambah apabila selisih dari return saham individu dan market return semakin besar. Berikut adalah tabel dari nilai CSAD dan market return:

Tabel 4. 2 Statistik deskriptif dari CSAD dan market return.

Berdasarkan tabel di atas, nilai rata-rata dari market return harian adalah 0,02%. Adapun nilai rata-rata dari CSAD adalah 0,0166. Nilai market return harian memiliki nilai minimum yaitu -6,81% yang tercatat pada 9 Maret 2020. Sementara itu, nilai market return harian memiliki nilai maksimum yaitu 9,70% yang tercatat pada 26 Maret 2020. CSAD dan market return masing-masing memiliki standar deviasi yaitu 0,0053 dan 0,0103. CSAD memiliki nilai skewness dan kurtosis yaitu 1,9993 dan 10,2892. Sementara itu, market return memiliki nilai skewness dan kurtosis yaitu -0,259 dan 7,1766. Adapun grafik di bawah merupakan grafik perbandingan nilai CSAD dengan nilai market return.

Gambar 4. 1 Plot nilai CSAD terhadap market return.

Berdasarkan persamaan 2.10, tren pertambahan nilai �akan mencapai nilai maksimum ketika . Selama nilai �belum melebihi nilai , maka nilai dari �akan terus meningkat. Tetapi, jika nilai �sudah melebihi nilai , maka nilai dari �akan tetap bertambah dengan laju pertambahan yang menurun. Keadaan di atas merupakan bentuk hubungan non-linier yang nantinya akan tercatat pada koefisien �(persamaan 2.10) yang bernilai negatif dan signifikan apabila terdapat keberadaan herding behavior.

Kemudian juga dilakukan tes stationarity pada data CSAD maupun market return. Tes stationarity dilakukan dengan menggunakan metode Augmented Dickey-Fuller. Berikut adalah tabel dari hasil uji stationarity dengan menggunakan metode Augmented Dickey-Fuller:

Tabel 4. 3 Uji Augmented Dickey-Fuller untuk nilai CSAD.

Tabel 4. 4 Uji Augmented Dickey-Fuller untuk nilai market return.

����������� Berdasarkan hasil uji Augmented Dickey-Fuller terhadap nilai CSAD dan market return. Diketahui bahwa nilai market return bersifat stasioner untuk seluruh jenis tes dengan siginifikansi statistik pada level 1%. Sementara itu, nilai CSAD bersifat stasioner dengan setidaknya mencapai signifikansi statistik pada level 10% untuk seluruh jenis tes. Berdasarkan hasil uji Augmented Dickey-Fuller yang telah dilakukan, dapat disimpulkan bahwa baik nilai CSAD maupun market return bersifat stasioner dan dapat digunakan dalam penelitian kali ini.

4.3 Pure Herd Behavior

Dalam penelitian kali ini, pure herd behavior akan dianalisis dengan menggunakan persamaan 2.10. Berdasarkan formula 2.10, nantinya keberadaan pure herd behavior dapat dianalisis dari nilai atau �yang negatif dan signifikan. Berikut adalah hasil perhitungan dengan persamaan 2.10:

Tabel 4. 5 Hasil perhitungan CSAD terkait pure herd behavior

Berdasarkan tabel di atas, �memiliki nilai yang positif dan bersifat signifikan. Sementara itu, �juga memiliki nilai positif, tetapi tidak signifikan. Nilai �yang positif dan signifikan menunjukkan keberadaan hubungan linier antara CSAD dan market return. Akan tetapi, dikarenakan variabel �atau �tidak memiliki nilai yang negatif dan signifikan, maka dapat disimpulkan bahwa tidak ditemukan keberadaan pure herd behavior pada pasar modal di Indonesia. Adapun nilai �dari perhitungan di atas adalah 0,223. Berdasarkan temuan di atas, ditemukan hasil yang berlawanan dari penelitian sebelumnya, yang menyatakan bahwa di negara berkembang, investor cenderung melakukan mimicking trades di pasar modal yang disebabkan oleh keterbatasan informasi dan rendahnya literasi keuangan (Venezia, Nashikkar, & Shaphira, 2011) serta menunjukkan peristiwa anti-herd behavior pada pasar modal di Indonesia (Wanidwaranan & Padungsaksawasdi, 2022). Temuan di atas juga menunjukkan bahwa dalam kondisi normal, investor pada pasar modal di Indonesia dapat membuat keputusan investasi yang rasional berdasarkan informasi yang mereka miliki dan tidak secara sembarangan mengikuti konsensus pasar. Hal tersebut sejalan dengan penelitian yang dilakukan oleh Dewi (2023).

4.4 Herd Behavior yang Dipengaruhi oleh Investor Attention

Dalam penelitian kali ini, keberadaan herd behavior yang dipengaruhi oleh investor attention akan dianalisis dengan menggunakan persamaan 3.4. Berdasarkan persamaan 3.4, nantinya keberadaan herd behavior yang dipengaruhi oleh investor attention dapat dianalisis dari nilai atau �yang negatif dan signifikan. Berikut adalah hasil perhitungan dengan persamaan 3.4:

Tabel 4. 6 Hasil perhitungan CSAD terkait keberadaan herd behavior yang dipengaruhi oleh investor attention.

Berdasarkan tabel di atas, �memiliki nilai yang positif dan tidak signifikan signifikan. Sementara itu, �memiliki nilai negatif dan signifikan. Oleh karena itu, ditemukan keberadaan herd behavior yang dipengaruhi oleh investor attention pada pasar modal di Indonesia. Adapun nilai �dari perhitungan di atas adalah 0,2653. Temuan ini sesuai dengan hasil penelitian yang dilakukan oleh Wanidwaranan & Padungsaksawasdi (2022). Dalam penelitian tersebut dikatakan bahwa investor attention dapat mendukung terbentuknya herd behavior. Hal ini dapat terjadi karena ketika investor attention meningkat, maka jumlah investor yang menggunakan Google Search untuk mencari informasi akan meningkat sehingga nantinya investor akan memiliki informasi yang serupa dan kemudian membuat keputusan perdagangan serupa sehingga terbentuk herd behavior (Wanidwaranan & Padungsaksawasdi, 2022).

4.5 Herd Behavior Saat Market Return Negatif

Dalam penelitian kali ini, keberadaan herd behavior saat market return negatif akan dianalisis dengan menggunakan persamaan 3.5. Berdasarkan persamaan 3.5, nantinya keberadaan herd behavior saat market return negatif dapat dianalisis dari nilai atau �yang negatif dan signifikan. Berikut adalah hasil perhitungan dengan persamaan 3.5:

Tabel 4. 7 Hasil perhitungan CSAD terkait herd behavior saat market return negatif.

Berdasarkan tabel di atas, �memiliki nilai yang negatif tapi tidak signifikan. Sementara itu, �memiliki nilai positif & signifikan. Oleh karena itu, tidak ditemukan keberadaan herd behavior saat market return negatif pada pasar modal di Indonesia. Adapun nilai �dari perhitungan di atas adalah 0,2732. Karena tidak ditemukan keberadaan herd behavior saat market return negatif pada pasar modal di Indonesia, dapat disimpulkan bahwa terdapat keberadaan ostrich effect pada pasar modal di Indonesia. Dalam ostrich effect, dijelaskan bahwa ketika market return negatif atau ketika dalam periode krisis, investor cenderung bergerak secara emosional dan mengabaikan informasi yang ada termasuk informasi dari Google Search. Hal tersebut sejalan dengan penelitian yang dilakukan oleh Wanidwaranan & Padungsaksawasdi (2022). Dalam penelitian tersebut ditemukan keberadaan ostrich effect pada pasar modal di tingkat global ketika market return negatif.

4.6 Herd Behavior dalam Periode bearish market COVID-19

Dalam penelitian kali ini, keberadaan herd behavior dalam periode bearish market COVID-19 akan dianalisis dengan menggunakan persamaan 3.6. Berdasarkan formula 3.6, nantinya keberadaan herd behavior dalam periode bearish market COVID-19 dapat dianalisis dari nilai atau �yang negatif dan signifikan. Berikut adalah hasil perhitungan dengan persamaan 3.6:

Tabel 4. 8 Hasil perhitungan CSAD terkait herd behavior dalam periode bearish market COVID-19.

Berdasarkan tabel di atas, �dan �tidak memiliki nilai yang negatif. Oleh karena itu, tidak ditemukan keberadaan herd behavior dalam periode bearish market COVID-19 pada pasar modal di Indonesia. Adapun nilai �dari perhitungan di atas adalah 0,2656. Karena tidak ditemukan keberadaan herd behavior dalam periode bearish market COVID-19 pada pasar modal di Indonesia, dapat disimpulkan bahwa terdapat keberadaan ostrich effect pada pasar modal di Indonesia. Dalam ostrich effect, dijelaskan bahwa ketika market return negatif atau ketika dalam periode krisis, investor cenderung bergerak secara emosional dan mengabaikan informasi yang ada termasuk informasi dari Google Search (Wanidwaranan & Padungsaksawasdi, 2022). Adapun Pandemi COVID-19 telah menyebabkan krisis pada Pasar Modal Indonesia sehingga Pandemi COVID-19 dapat dikategorikan sebagai periode krisis (Sadewo & Cahyaningdyah, 2022). Penelitian kali ini juga sejalan dengan penelitian yang dilakukan oleh Wanidwaranan & Padungsaksawasdi (2022). Dalam penelitian tersebut ditemukan keberadaan ostrich effect pada pasar modal di tingkat global ketika krisis berlangsung. Kemudian, temuan kali ini juga sejalan dengan penelitian yang dilakukan oleh Warganegara & Warganegara (2022). Dalam penelitian tersebut ditemukan bahwa terdapat penurunan perilaku herd behavior di Indonesia selama Pandemi COVID-19.

4.7 Herd Behavior dalam Periode bullish market COVID-19

Dalam penelitian kali ini, keberadaan herd behavior dalam periode bullish market COVID-19 akan dianalisis dengan menggunakan persamaan 3.7. Berdasarkan formula 3.7, nantinya keberadaan herd behavior dalam periode bullish market COVID-19 dapat dianalisis dari nilai atau �yang negatif dan signifikan. Berikut adalah hasil perhitungan dengan persamaan 3.7:

Tabel 4. 9 Hasil perhitungan CSAD terkait herd behavior dalam periode bullish market COVID-19.

Berdasarkan tabel di atas, �dan �tidak memiliki nilai yang negatif. Oleh karena itu, tidak ditemukan keberadaan herd behavior dalam periode bullish market COVID-19 pada pasar modal di Indonesia. Adapun nilai �dari perhitungan di atas adalah 0,2788. Hasil dalam penelitian kali ini menunjukkan hasil yang sama dengan penelitian yang dilakukan oleh Sadewo & Cahyaningdyah (2022). Dalam penelitian tersebut, tidak ditemukan keberadaan herd behavior dalam periode bullish market COVID-19 pada pasar modal di Indonesia. Salah satu faktor penyebab tidak adanya herd behavior dalam periode bullish market COVID-19 adalah dalam kondisi normal ataupun bullish market, investor pada pasar modal di Indonesia dapat membuat keputusan investasi yang rasional berdasarkan informasi yang mereka miliki dan tidak secara sembarangan mengikuti konsensus pasar (Ramadhan & Mahfud, 2016). Hasil dalam penelitian kali juga sejalan dengan penelitian yang dilakukan oleh Warganegara & Warganegara (2022). Dalam penelitian tersebut ditemukan bahwa terdapat penurunan perilaku herd behavior di Indonesia selama Pandemi COVID-19.

Kesimpulan

berdasarkan hasil analisis yang sudah dilakukan, didapatkan kesimpulan dari penelitian sebagai berikut: (1) Tidak ditemukan keberadaan pure-herd behavior pada Bursa Efek Indonesia. Hal ini berlawanan dengan penelitian sebelumnya, yang menyatakan bahwa di negara berkembang, investor cenderung melakukan mimicking trades di pasar modal yang disebabkan oleh keterbatasan informasi dan rendahnya literasi keuangan (Venezia, Nashikkar, & Shaphira, 2011). Temuan ini menunjukkan bahwa dalam kondisi normal, investor pada pasar modal di Indonesia dapat membuat keputusan investasi yang rasional dan tidak secara sembarangan mengikuti konsensus pasar. Hal tersebut sejalan dengan penelitian yang dilakukan oleh Dewi (2023). (2) Ditemukan keberadaan herd behavior pada Bursa Efek Indonesia yang dipengaruhi oleh investor attention. Berbeda dengan kesimpulan di atas, temuan ini menunjukkan bahwa investor attention dapat mendukung terbentuknya herd behavior. Hal ini dapat terjadi karena ketika investor attention meningkat, maka jumlah investor yang menggunakan Google Search untuk mencari informasi akan meningkat sehingga nantinya investor akan memiliki informasi yang serupa dan kemudian membuat keputusan perdagangan serupa sehingga terbentuk herd behavior (Wanidwaranan & Padungsaksawasdi, 2022). (3) Tidak ditemukan keberadaan herd behavior pada saat market return negatif di Bursa Efek Indonesia yang dipengaruhi oleh investor attention. Temuan ini menunjukkan bahwa terdapat keberadaan ostrich effect pada pasar modal di Indonesia. Dalam ostrich effect, dijelaskan bahwa ketika market return negatif, investor cenderung bergerak secara emosional dan mengabaikan informasi yang ada termasuk informasi dari Google Search. Temuan kali ini juga sejalan dengan penelitian yang dilakukan oleh Wanidwaranan & Padungsaksawasdi (2022). Dalam penelitian tersebut ditemukan keberadaan ostrich effect pada pasar modal di tingkat global ketika market return negatif. (4) Tidak ditemukan keberadaan herd behavior dalam periode bearish market COVID-19 di Bursa Efek Indonesia yang dipengaruhi oleh investor attention. Temuan ini menunjukkan bahwa terdapat keberadaan ostrich effect pada pasar modal di Indonesia. Dalam ostrich effect, dijelaskan bahwa ketika periode krisis, investor cenderung bergerak secara emosional dan mengabaikan informasi yang ada termasuk informasi dari Google Search (Wanidwaranan & Padungsaksawasdi, 2022). Adapun periode bearish market COVID-19 telah menyebabkan krisis pada Pasar Modal Indonesia sehingga Pandemi COVID-19 dapat dikategorikan sebagai periode krisis (Sadewo & Cahyaningdyah, 2022). (5) Tidak ditemukan keberadaan herd behavior dalam periode bullish market COVID-19 di Bursa Efek Indonesia yang dipengaruhi oleh investor attention. Adapun penyebab tidak adanya herd behavior dalam periode bullish market COVID-19 adalah dalam kondisi normal ataupun bullish market, investor pada pasar modal di Indonesia dapat membuat keputusan investasi yang rasional berdasarkan informasi yang mereka miliki dan tidak secara sembarangan mengikuti konsensus pasar (Ramadhan & Mahfud, 2016).

BIBLIOGRAFI

Adnan, M. (2023). Modeling Herding Behavior in the Indonesian Capital Market. International Journal of Economics, Business and Management Research, 167-179.

Amin, R., & Ahmad, H. (2013). Does Investor Attention Matters? Journal of Public Administration, Finance and Law, 111-125.

Andrianto, Y., & Mirza, A. R. (2016). A Testing of Efficient Market Hypothesis in Indonesia Stock Market. Procedia - Social and Behavioral Sciences, 99-103.

Asghar, Z., & Abid, I. (2012). Performance of Lag Length Selection Criteria in Three Different Situations. Munich Personal RePEc Archive, 40042.

Baddeley, M. (2009). Herding, social influence and economic decision-making: socio-psychological and neuroscientific analyses. Philosophical Transactions of the Royal Society B: Biological Sciences, 281-290.

Baker, K., & Nofsinger, J. (2010). Behavioral Finance: Investors, Corporations, and Markets (Robert W. Kolb Series). Hoboken: John Wiley & Sons.

Batmunkh, M.-U., Choijil, E., Vieito, J. P., Espinosa-Mendez, C., & Wong, W.-K. (2020). Does herding behavior exist in the Mongolian stock market? Pacific-Basin Finance Journal, 101352.

Bikhchandani, S., & Sharma, S. (2001). Herd Behavior in Financial Markets. IMF Staff Papers, 279-310.

Bodie, Z., Kane, A., & Marcus, A. (2018). Investments. New York: McGraw-Hill Education.

Candy, & Novita, I. (2021). Herding Behavior of Indonesia Investor: Role of Personality Traits And Motivation Factors. International Journal of Economics, Business and Accounting Research (IJEBAR) , 297-303.

Cartwright, E. (2018). Behavioral Economics. New York: Routledge.

Chang, E., Cheng, J., & Khorana, A. (2000). An Examination of Herd Behavior in Equity Markets (An International Perspective). Journal of Banking & Finance, 1651-1679.

Christie, W., & Huang, R. (1995). Following the Pied Piper: Do Individual Returns Herd around the Market? Financial Analysts Journal, 31-37.

Chundakkadan, R., & Nedumparambil, E. (2022). In search of COVID-19 and stock market behavior. Global Finance Journal, 100639.

Dewi, D. P. (2023). Analisis Herding Behavior di Bursa Efek Indonesia pada Tahun 2020. E-Jurnal Akuntansi, 258-269.

Fern�ndez, B., Garcia-Merino, T., Mayoral, R., Santos, V., & Valledado, E. (2008). The Role of the Interaction Between Information and Behavioral Bias in Explaining Herding. XVIII ACEDE Conference (pp. 1-34). Valladolid: University of Valladolid.

Fransiska, M., Sumani, & Pangestu, S. (2018). Herding Behavior in Indonesian Investors . International Research Journal of Business Studies, 129-143.

Franz. (2018, Oktober 30). Google Trends: How to acquire daily data for broad time frames. Retrieved from medium: https://medium.com/@bewerunge.franz/google-trends-how-to-acquire-daily-data-for-broad-time-frames-b6c6dfe200e6

Galai, D., & Sade, O. (2006). The �Ostrich Effect� and the Relationship between the Liquidity and the Yields of Financial Assets. The Journal of Business, 2741-2759.

Google. (2023, January 1). FAQ about Google Trends data. Retrieved from Trends Help: https://support.google.com/trends/answer/4365533?hl=en

Google. (2023, January 1). Search tips for Trends. Retrieved from Trends Help: https://support.google.com/trends/answer/4359582?hl=en&ref_topic=4365530&sjid=2999519965048335946-AP

Gunawan, Wijayanto, H., Achsani, N. A., & Rahman, L. A. (2011). Detection of Herding Behavior on Indonesia and Asia Pacific Stock Market. Forum Statistika dan Komputasi, 16-23.

Hadady, H., & Mustafa, R. D. (2022). Perilaku Investor Herding pada Perusahaan Infrastruktur di BEI: Pendekatan Panel Data. Society, 491-505.

Hsieh, S.-F., Chan, C.-Y., & Wang, M.-C. (2020). Retail investor attention and herding behavior. Journal of Empirical Finance, 109-132.

IDX. (2019). IDX Fact Book 2019. Jakarta: Indonesia Stock Exchange.

IDX. (2021). IDX Stock Index Handbook v1.2. Jakarta: Indonesia Stock Exchange.

IDX. (2021). Outperforming Expectations amidst Uncertainties. Jakarta: Indonesia Stock Exchange.

IDX. (2022, September 1). Indeks Saham. Retrieved from IDX: https://old.idx.co.id/produk/indeks/

Imad, O. M., Razimi, M. S., & Osman, M. F. (2017). Why Do We Invest Islamically? A Literature Review on Islamic Investment Decision. Journal of Humanities, Language, Culture and Business, 1-16.

Jalil, A., & Rao, N. H. (2019). Environmental Kuznets Curve (EKC). London: Academic Press.

Jiang, R., Wen, C., Zhang, R., & Cui, Y. (2022). Investor's herding behavior in Asian equity markets during COVID-19 period. Pacific-Basin Finance Journal, 101711.

Karlsson, N., Loewenstein, G., & Seppi, D. (2009). The ostrich effect: Selective attention to information. Journal of Risk and Uncertainty, 95-115.

KSEI. (2022, Januari 1). Statistik Pasar Modal Indonesia. Retrieved from KSEI: https://www.ksei.co.id/files/Statistik_Publik_Desember_2021.pdf

Kumar, A., Badhani, Bouri, E., & Saeed, T. (2021). Herding behavior in the commodity markets of the Asia-Pacific region. Finance Research Letters.

Li, W., Rhee, G., & Wang, S. S. (2016). Differences in herding: Individual vs. institutional investors. Pacific-Basin Finance Journal, 174-185.

Miskolczi, P. (2017). Note on Simple and Logarithmic Return. Applied Studies in Agribusiness and Commerce � APSTRACT, 127-136.

OJK. (2022). Market Update Pasar Modal Syariah Indonesia Januari-Juni 2022. Jakarta: Otoritas Jasa Keuangan.

Peltomaki, J., & Vahamaa, E. (2015). Investor attention to the Eurozone crisis and herding effects in national bank stock indexes. Finance Research Letters, 111-116.

Purbowisanti, R., Kusuma, H., & Hanafi, S. M. (2021). Muslim Investor Behavior in Indonesia Capital Market: an Extention of Theory of Planned Behavior. Journal of Economics, Finance, and Management Studies, 1225-1234.

Ramadhan, T., & Mahfud, M. K. (2016). Deteksi Perilaku Herding Pada Pasar Saham Indonesia & Singapura Tahun 2011-2015. Dipenogoro Journal of Management, 1-9.

Rogers, S. (2016, July 2). What is Google Trends data � and what does it mean? Retrieved from Medium: https://medium.com/google-news-lab/what-is-google-trends-data-and-what-does-it-mean-b48f07342ee8

Sadewo, R. A., & Cahyaningdyah, D. (2022). Investor Herding Behavior in Extreme Conditions During COVID-19: Study On Indonesian Stock Market. Management Analysis Journal, 22-29.

Setyawan, I. R., & Ramli, I. (2016). Herding Behavior in the Indonesian Stock Exchange: The Roles and Contributions of Foreign Investors During the Period 2006 to 2011. Jurnal Pengurusan, 125-135.

Singagerda, F. S., Maggie, & Suk, K. S. (2018). Google Seacrh Volume and Investors� Decision on Return and Liquidity in Indonesia Stock Market. INA-Rxiv, 1-16.

Tas, O., & Tan, S. D. (2019). Investor attention and stock returns: Evidence from Borsa Istanbul. Borsa Istanbul Review, 106-116.

Thaler, R. (1999). Mental accounting matters. Journal of Behavioral Decision Making, 183-206.

Tversky, A., & Kahneman, D. (1992). Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and Uncertainty, 297-323.

Venezia, I., Nashikkar, A., & Shaphira, Z. (2011). Firm specific and macro herding by professional and amateur investors and their effects on market volatility. Journal of Banking & Finance, 1599-1609.

Vidya, Ravichandran, R., & Deorukhkar, A. (2022). Exploring the effect of COVID-19 on herding in Asian financial markets. MethodsX, 101961.

Vozlyublennaia, N. (2014). Investor attention, index performance, and return predictability. Journal of Banking & Finance, 17-35.

Wanidwaranan, P., & Padungsaksawasdi, C. (2022). Unintentional herd behavior via the Google search volume index in international equity markets . Journal of International Financial Markets, Institutions & Money, 101503.

Warganegara, S. F., & Warganegara, D. L. (2022). Herding behavior in the indonesia stock exchange around the COVID-19 pandemic. Fair Value : Jurnal Ilmiah Akuntansi dan Keuangan, 4912-4921.

Zakirullah, & Rahmawati, S. (2020). Faktor-Faktor yang Berkontribusi Terhadap Perilaku Herding pada Investor Saham Ritel di Bursa Efek Indonesia. Jurnal Ilmiah Mahasiswa Ekonomi Manajemen, 1-23.

Copyright holder:

Doni Farhanto (2022)

First publication right:

Syntax Literate: Jurnal Ilmiah Indonesia

This article is licensed under: