Analisis Pergerakan Harian Saham Emiten BBCA Tahun 2019-2021
Daniel Satrio Wijoyo
16 October, 2022
1 Pengantar
Pada bulan September 2022, Saham PT Bank Central Asia Tbk (BBCA) mencetak penguatan harga hingga mencapai level tertinggi baru sepanjang masa pada penutupan perdagangan saham sesi I di Bursa Efek Indonesia (BEI) pada hari Selasa 13 September 2022 yang juga mendorong pergerakan Indeks Harga Saham Gabungan (IHSG).
Sepanjang bulan September 2022 berjalan, saham BBCA telah menguat 3,63% dari Rp 8.200 menjadi Rp 8.500. Sedangkan terhitung sejak akhir tahun 2021 lalu, saham BBCA telah menguat 16,43% dari Rp 7.300 menjadi Rp 8.500.Hal ini menandakan saham BBCA menjadi salah satu emiten dalam grup LQ45 yang secara positif mendukung pergerakan IHSG dalam periode perbaikan ekonomi di tengah guncangan ekonomi global yang disebabkan oleh pandemi COVID-19.
Mini-paper ini bertujuan untuk mengamati dan menganalisis perkembangan tren dari pergerakan harga saham BBCA, terlebih berfokus pada aktivitas volume perdagangan yang dipengaruhi oleh transaksi asing. Selain itu, mini-paper ini juga dapat memberikan harga rekomendasi wajar untuk range transaksi investor pasar modal pemula dengan memperhitungkan pergerakan saham harian BBCA selama tiga tahun dari periode 2019 s.d 2021.
2 Background
2.1 Sejarah Singkat
PT Bank Central Asia Tbk atau yang banyak dikenal sebagai BCA merupakan perusahaan yang bergerak pada sektor perbankan dan telah menjadi bank swasta terbesar di Indonesia.
2.2 Pendirian
PT Bank Central Asia Tbk atau yang banyak dikenal sebagai BCA merupakan perusahaan yang bergerak pada sektor perbankan dan telah menjadi bank swasta terbesar di Indonesia. BCA didirikan pada pada tanggal 21 Februari 1957 oleh Sudono Salim dan memiliki kantor pusat yang beralamat di Menara BCA, Grand Indonesia, Jl. M.H Thamrin No. 1, Jakarta 10310.
2.3 Pengembangan
BCA mengembangkan berbagai produk dan layanan maupun pengembangan teknologi informasi, dengan menerapkan online system untuk jaringan kantor cabang, dan meluncurkan Tabungan Hari Depan (Tahapan) BCA.
Pada tahun 1990-an BCA mengembangkan alternatif jaringan layanan melalui ATM (Anjungan Tunai Mandiri atau Automated Teller Machine). ATM pada masa itu pertama kali memang dikembangkan oleh Bank BCA.
Pada tahun 1991, BCA mulai menempatkan 50 unit ATM di berbagai tempat di Jakarta. Pengembangan jaringan dan fitur ATM dilakukan secara intensif.
BCA bekerja sama dengan institusi terkemuka, antara lain PT Telkom untuk pembayaran tagihan telepon melalui ATM BCA. BCA juga bekerja sama dengan Citibank agar nasabah BCA pemegang kartu kredit Citibank dapat melakukan pembayaran tagihan melalui ATM BCA.
2.4 Data Cleansing
Sebelum melakukan pengolahan data, terlebih dahulu dataset yang telah dikumpulkan dimasukan ke dalam sistem environtment R-Studio. Setelah proses data input telah dilakukan maka proses data cleaning dapat dilakukan. Pertama, struktur dan tipe data harus diidentifikasi terlebih dahulu dalam melakukan data cleaning.
# Data Input and Checking Data
saham <- read.csv("data_input/saham_bbca.csv")
str(saham)## 'data.frame': 479 obs. of 24 variables:
## $ date : chr "2019-07-29T00:00:00" "2019-07-30T00:00:00" "2019-07-31T00:00:00" "2019-08-01T00:00:00" ...
## $ previous : int 30975 30950 31100 30950 31050 30825 30000 29400 30050 30025 ...
## $ open_price : int 31100 31025 30950 30950 30800 31075 29400 29875 30050 30275 ...
## $ first_trade : int 31100 31025 31100 30950 30825 31075 29400 29875 30050 30275 ...
## $ high : int 31150 31250 31200 31350 31025 31075 29775 30250 30400 30600 ...
## $ low : int 30800 30950 30900 30925 30800 30000 28825 29525 29900 30275 ...
## $ close : int 30950 31100 30950 31050 30825 30000 29400 30050 30025 30325 ...
## $ change : int -25 150 -150 100 -225 -825 -600 650 -25 300 ...
## $ volume : int 13701900 7645100 12825800 15645600 12597900 18184800 36659200 18420400 11659100 9623700 ...
## $ value : num 4.25e+11 2.38e+11 3.98e+11 4.87e+11 3.89e+11 ...
## $ frequency : int 4855 4765 5938 6747 5819 10609 21231 11813 6419 6182 ...
## $ index_individual : num 17686 17771 17686 17743 17614 ...
## $ offer : int 31000 31100 31050 31175 30850 30225 29425 30075 30050 30350 ...
## $ offer_volume : int 11200 1148200 1000 3200 400 3300 290400 3400 6700 40900 ...
## $ bid : int 30950 31075 30950 31050 30825 30000 29400 30050 30025 30325 ...
## $ bid_volume : int 1250400 1900 1223000 19500 1027000 1267600 1227200 2465800 3598700 1092400 ...
## $ listed_shares : num 2.44e+10 2.44e+10 2.44e+10 2.44e+10 2.44e+10 ...
## $ tradeble_shares : num 2.44e+10 2.44e+10 2.44e+10 2.44e+10 2.44e+10 ...
## $ weight_for_index : num 2.44e+10 2.44e+10 2.44e+10 2.44e+10 2.44e+10 ...
## $ foreign_sell : int 4199100 3859500 7957300 6683700 9195000 14047600 31806700 11587400 6717800 5402500 ...
## $ foreign_buy : int 3782800 4278300 8680200 13290800 2639100 3717100 9755600 10458200 6910600 4252500 ...
## $ non_regular_volume : int 6607083 8274494 10022093 7091288 2103060 3710723 269 477829 512198 1704527 ...
## $ non_regular_value : num 2.06e+11 2.57e+11 3.11e+11 2.21e+11 6.52e+10 ...
## $ non_regular_frequency: int 39 44 57 35 32 35 6 34 64 29 ...Dari output diatas kita dapat melihat bahwa tipe data tanggal (date) diidentifikasi oleh sistem sebagai karakter, oleh sebab itu kita perlu mengubahnya menjadi format tipe tanggal melalui operasi yang dilakukan dibawah. Selain tipe data tanggal (date) yang memerlukan perubahan, variabel data lainnya dinilai sudah sesuai dengan tipe jenis data yang dibutuhkan dalam melakukan operasi analisis data.
#Mengubah tipe data tanggal menggunakan explicit coercion
saham$date <- as.Date(saham$date)
#Mengecek struktur tipe data pasca pengubahan explicit coercion
str(saham)## 'data.frame': 479 obs. of 24 variables:
## $ date : Date, format: "2019-07-29" "2019-07-30" ...
## $ previous : int 30975 30950 31100 30950 31050 30825 30000 29400 30050 30025 ...
## $ open_price : int 31100 31025 30950 30950 30800 31075 29400 29875 30050 30275 ...
## $ first_trade : int 31100 31025 31100 30950 30825 31075 29400 29875 30050 30275 ...
## $ high : int 31150 31250 31200 31350 31025 31075 29775 30250 30400 30600 ...
## $ low : int 30800 30950 30900 30925 30800 30000 28825 29525 29900 30275 ...
## $ close : int 30950 31100 30950 31050 30825 30000 29400 30050 30025 30325 ...
## $ change : int -25 150 -150 100 -225 -825 -600 650 -25 300 ...
## $ volume : int 13701900 7645100 12825800 15645600 12597900 18184800 36659200 18420400 11659100 9623700 ...
## $ value : num 4.25e+11 2.38e+11 3.98e+11 4.87e+11 3.89e+11 ...
## $ frequency : int 4855 4765 5938 6747 5819 10609 21231 11813 6419 6182 ...
## $ index_individual : num 17686 17771 17686 17743 17614 ...
## $ offer : int 31000 31100 31050 31175 30850 30225 29425 30075 30050 30350 ...
## $ offer_volume : int 11200 1148200 1000 3200 400 3300 290400 3400 6700 40900 ...
## $ bid : int 30950 31075 30950 31050 30825 30000 29400 30050 30025 30325 ...
## $ bid_volume : int 1250400 1900 1223000 19500 1027000 1267600 1227200 2465800 3598700 1092400 ...
## $ listed_shares : num 2.44e+10 2.44e+10 2.44e+10 2.44e+10 2.44e+10 ...
## $ tradeble_shares : num 2.44e+10 2.44e+10 2.44e+10 2.44e+10 2.44e+10 ...
## $ weight_for_index : num 2.44e+10 2.44e+10 2.44e+10 2.44e+10 2.44e+10 ...
## $ foreign_sell : int 4199100 3859500 7957300 6683700 9195000 14047600 31806700 11587400 6717800 5402500 ...
## $ foreign_buy : int 3782800 4278300 8680200 13290800 2639100 3717100 9755600 10458200 6910600 4252500 ...
## $ non_regular_volume : int 6607083 8274494 10022093 7091288 2103060 3710723 269 477829 512198 1704527 ...
## $ non_regular_value : num 2.06e+11 2.57e+11 3.11e+11 2.21e+11 6.52e+10 ...
## $ non_regular_frequency: int 39 44 57 35 32 35 6 34 64 29 ...Dari output diatas, kita telah berhasil mengubah dataset menjadi bentuk tipe data yang sudah sesuai untuk pelaksanaan proses analisis data.
Untuk proses selanjutnya, kita sudah bisa melakukan proses analisis data dengan mengamati pergerakan dan perkembangan dari saham BBCA .
2.5 Data Trend
Dengan menggunakan dataset saham BBCA dari tahun 2019-2021, kita dapat mengamati pergerakan dan perkembangan dari saham BBCA.
summary(saham)## date previous open_price first_trade
## Min. :2019-07-29 Min. :22150 Min. : 0 Min. : 0
## 1st Qu.:2020-01-16 1st Qu.:29938 1st Qu.:27700 1st Qu.:27688
## Median :2020-07-14 Median :31350 Median :31100 Median :31100
## Mean :2020-07-14 Mean :31000 Mean :24306 Mean :24304
## 3rd Qu.:2021-01-13 3rd Qu.:32725 3rd Qu.:32763 3rd Qu.:32750
## Max. :2021-07-09 Max. :36725 Max. :36725 Max. :36725
## high low close change
## Min. :24000 Min. :21625 Min. :22150 Min. :-2175.000
## 1st Qu.:30088 1st Qu.:29500 1st Qu.:29938 1st Qu.: -250.000
## Median :31500 Median :31000 Median :31350 Median : 0.000
## Mean :31358 Mean :30670 Mean :31001 Mean : 0.678
## 3rd Qu.:33000 3rd Qu.:32400 3rd Qu.:32788 3rd Qu.: 250.000
## Max. :36900 Max. :35800 Max. :36725 Max. : 3900.000
## volume value frequency index_individual
## Min. : 369300 Min. :1.193e+10 Min. : 51 Min. :12657
## 1st Qu.: 11468800 1st Qu.:3.522e+11 1st Qu.: 6838 1st Qu.:17107
## Median : 15367300 Median :4.859e+11 Median :11014 Median :17914
## Mean : 18353169 Mean :5.602e+11 Mean :12961 Mean :17715
## 3rd Qu.: 21640650 3rd Qu.:6.545e+11 3rd Qu.:16845 3rd Qu.:18736
## Max. :107594300 Max. :3.393e+12 Max. :50751 Max. :20986
## offer offer_volume bid bid_volume
## Min. : 0 Min. : 0 Min. : 0 Min. : 0
## 1st Qu.:29913 1st Qu.: 5250 1st Qu.:29825 1st Qu.: 3400
## Median :31350 Median : 80200 Median :31300 Median : 50600
## Mean :30885 Mean : 471194 Mean :30671 Mean : 336053
## 3rd Qu.:32713 3rd Qu.: 625000 3rd Qu.:32650 3rd Qu.: 303800
## Max. :36725 Max. :7645000 Max. :36675 Max. :7278500
## listed_shares tradeble_shares weight_for_index foreign_sell
## Min. :2.441e+10 Min. :2.441e+10 Min. :2.441e+10 Min. : 200
## 1st Qu.:2.441e+10 1st Qu.:2.441e+10 1st Qu.:2.441e+10 1st Qu.: 6583400
## Median :2.441e+10 Median :2.441e+10 Median :2.441e+10 Median : 9872900
## Mean :2.441e+10 Mean :2.441e+10 Mean :2.441e+10 Mean :11934989
## 3rd Qu.:2.441e+10 3rd Qu.:2.441e+10 3rd Qu.:2.441e+10 3rd Qu.:14095700
## Max. :2.441e+10 Max. :2.441e+10 Max. :2.441e+10 Max. :96048700
## foreign_buy non_regular_volume non_regular_value
## Min. : 8900 Min. : 269 Min. :7.857e+06
## 1st Qu.: 6830250 1st Qu.: 632310 1st Qu.:1.935e+10
## Median : 9598600 Median : 2114495 Median :6.523e+10
## Mean : 11674215 Mean : 3798594 Mean :1.143e+11
## 3rd Qu.: 13440750 3rd Qu.: 5533402 3rd Qu.:1.607e+11
## Max. :100286500 Max. :29842462 Max. :9.065e+11
## non_regular_frequency
## Min. : 4.0
## 1st Qu.: 16.0
## Median : 23.0
## Mean : 34.4
## 3rd Qu.: 39.0
## Max. :590.0Dari informasi yang disajikan dari output diatas, kita mendapatkan informasi singkat mengenai perkembangan tren dari saham BBCA selama 3 tahun terakhir (2019-2021).
Sesuai dari tujuan awal dari mini-paper, kita akan berfokus pada tiga data variabel yang dapat mengilustrasikan perkembangan dan pergerakan tren dari saham BBCA yaitu dengan mengamati transaksi pasar modal pada emiten BBCA. Adapun 3 variabel utama yang akan kita amati yaitu: - Previous: Harga penutupan bursa -> sebagai variabel dependen - Volume: Volume perdagangan (dalam satuan lembar) -> sebagai variabel independen - foreignSell: Total penjualan oleh asing (dalam satuan lembar) -> sebagai variabel independen
Berikutnya kita akan mengamati pergarakan tren emiten saham BBCA dari harga penutupan bursa (previous), besaran volume yang diperdagangkan (volume), dan total penjualan asing (foreign_sell)
- Trend
Berikutnya kita akan mengamati pergarakan tren emiten saham BBCA dari harga penutupan bursa, sebagai berikut:
#Memanggil library yang diperlukan untuk membuat chart
library(ggplot2)
#Assign data yang akan digunakan
saham.DF <- as.data.frame(saham)
#Membuat chart line
ggplot(saham, aes(x= date, y= previous)) + geom_line()
Dari ouput diatas kita melihat bahwa previous (harga penutupan bursa) yang diperdagangkan terpengaruh oleh perkembangan dari kasus COVID-19 yang mulai berkembang sejak Q1 & Q2 tahun 2020.
Apabila kita melihat dari jumlah lembar saham emiten BBCA yang diperdagangkan dibawah ini:
ggplot(saham, aes(x= date, y= volume)) + geom_line()
Dari output diatas, kita dapat melihat bahwa volume lembar saham emiten BBCA yang diperdagangkan melonjak mulai dari periode Q1 dan Q2 tahun 2020 dimana guncangan ekonomi dari pandemi COVID-19 telah masuk ke Indonesia. Hal ini cukup menjelaskan tentang bagaimana perubahan harga penutupan bursa (previous) yang berubah secara ekstrim disebabkan oleh aktivitas volume lembar saham yang diperdagangkan.
Apabila kita breakdown dan mengupas variabel data volume perdagangan dengan mengamati besaran nilai dari lembar saham yang diperdagangkan oleh asing, kita mendapatkan bahwa:
ggplot(saham, aes(x= date, y= foreign_sell)) + geom_line()
Dari output diatas kita dapat menginterpetasikan bahwa pihak asing melakukan penjualan lembar saham emiten BBCA (foreign_sell) secara signifikan dan masif bertepatan dengan penurunan harga penutupan bursa dan kenaikan volume saham yang diperdagangkan dari emiten saham BBCA, pada saat guncangan ekonomi pandemi COVID-19 masuk ke Indonesia pada Q1 dan Q2 tahun 2020. Hal ini menyebabkan fenomena capital outflow keluar dari pasar modal Indonesia yang secara bersamaan menyebabkan penurunan Indeks Harga Saham Gabungan (IHSG)
Note Hubungan tren ini hanya didasarkan dari pergerakan variabel-variabel diatas memiliki arah pengaruh yang sama (baik volume dan foreign_sell memiliki negatif covariane terhadap harga saham BBCA).
Hal ini dikarenakan penurunan harga saham BBCA diakibatkan oleh meningkatnya volume saham BBCA yang didagangkan di pasar modal dimana kenaikan volume perdagangan ini dipicu oleh pihak asing yang menjual saham BBCA (foreign_sell) pada waktu yang sama
harga_saham <- saham$previous
volume_perdagangan <- saham$volume
foreign_sell <- saham$foreign_sell
cov(harga_saham, volume_perdagangan)## [1] -9135017094cov(harga_saham, foreign_sell)## [1] -6051835182Akan tetapi hal ini belum cukup membuktikan hubungan di antaranya, dikarenakan hal ini hanya menunjukan hubungan positif/negatif semata namun tidak menunjukan seberapa besar dampaknya. Oleh karena itu, pembahasan dan pembuktian lebih lanjut akan dilanjutkan di bagian analisis data pada section selanjutnya.
3 Analisis Data 1: Harga Wajar Saham
Setelah memahami pergerakan dan perkembangan dari emiten saham BBCA,
maka selanjutnya akan memudahkan kita untuk melakukan identifikasi harga
saham wajar untuk saham BBCA dengan menggunakan refrensi pergerakan
saham harian dari 3 tahun terakhir (2019-2021). Adapun melakukan
analisis data, kita akan membagi menjadi dua tahapan yaitu: - Analisis
Data Terpusat
- Analisis Data Persebaran
Setelah itu, barulah kita akan menggabungkan temuan dari kedua tahapan analisis diatas untuk membentuk harga saham wajar emiten BBCA.
3.1 Analisis Data Terpusat
Pertama kita perlu mencari nilai rata-rata atau nilai tengah untuk menentukan pusat tengah dari dataset saham emiten BBCA.
#Menentukan nilai rata-rata/nilai tengah
mean(saham$previous)## [1] 31000.1median(saham$previous)## [1] 31350Setelah kita mendapatkan pusat tengah data, maka selanjutnya kita dapat melakukan ilustrasi persebaran data dengan menggunakan chart. Hal ini bertujuan untuk mengidentifikasi apakah dataset kita memiliki persebaran yang normal.
previous <- saham$previous
hist(previous, breaks = 25)
abline(v = mean(previous), col = "red")
abline(v = median(previous), col = "blue")
Dari output diatas kita telah mendapatkan output persebaran data dari harga penutupan bursa untuk saham emiten BBCA.
Dari persebaran diatas kita mendapatkan bahwa dataset dari variabel harga penutupan bursa untuk saham emiten BBCA tergolong distribusi normal, dimana bagian kanan dan kiri dari nilai pusat data cukup terdistribusi secara seimbang dilihat dari besaran nilai.
3.2 Analisis Data Persebaran
Pada analisis data terpusat sebelumnya, kita telah mendapatkan nilai
mean dan median sebesar 31000.1 dan 31350. Walaupun dari ilustrasi
distribusi data pada bar chart memiliki persebaran data yang cukup
terdistribusi normal, namun tidak menutup kemungkinan bahwa ada beberapa
outlier yang mempengaruhi perhitungan tersebut. Oleh karena itu, kita
dapat menggunakan trimmed mean, yaitu rata-rata dengan
terlebih dahulu memotong x persen nilai terkecil dan
terbesar dari data. Misal kita menggunakan trimmed mean 10%, artinya:
data yang sudah diurutkan akan dipotong sebesar 10% di ujung kiri dan
10% di ujung kanan. Kemudian dihitung rata-ratanya.
#Trim Mean: Meminimalisir Outlier
mean(previous, trim = 0.1)## [1] 31187.99Maka kita mendapatkan trimmed mean sebesar 31187.99 untuk harga emiten saham BBCA. Kemudian kita menggunakan standard deviation untuk menentukan apakah suatu nilai dikatakan menyimpang dari rata-rata namun masih dikatakan dalam batas kewajaran. Dalam hal ini kita menggunakan Standard Deviation sebagai batas atas dan batas bawah dalam menentukan harga emiten saham BBCA dengan menggunakan harga pergerakan bursa harian dalam 3 tahun terakhir (2019-2021).
sd(saham$previous)## [1] 2542.832Didapatkan dari operasi diatas Standar Deviasi bernilai 2542.832. Setelah mendapatkan standar deviasi, langkah selanjutnya kita melakukan perhitungan IQR (Interquartil Range) untuk menentukan posisi dari batas atas dan batas bawah penetapan harga wajar saham BBCA dengan menggunakan harga pergerakan bursa harian dalam 3 tahun terakhir (2019-2021).
#Perhitungan IQR
summary(saham$previous)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 22150 29938 31350 31000 32725 36725Diikuti dengan perhitungan batas bawah & batas atas:
#Perhitungan Batas Bawah & Batas Atas
31187.99 + sd(saham$previous) # batas atas## [1] 33730.8231187.99 - sd(saham$previous) # batas bawah## [1] 28645.16Sehingga kita mendapatkan harga wajar saham emiten BBCA berkisar pada range harga 28645.16 sampai dengan 33730.82 yang didasari dari pergerakan harga bursa harian untuk emiten saham BBCA selama 3 tahun terakhir (2019-2021). Adapun harga batas bawah berada di antara nilai mininum dan kuartil 1 dan batas atas berada di antara nilai kuartil 3 dan batas atas.
4 Analisis Data 2: Korelasi Hubungan Tren
Melanjutkan pembahasan dari bagian section 1 pada sub-bab Trend Data, kita mengetahui bahwa baik volume dan foreign_sell memiliki negatif covariane terhadap harga saham BBCA (previous). Namun hal ini tidak menunjukan seberapa besar dampaknya dan hanya menunjukan hubungan arah trend semata (menunjukan apakah hubungan positif atau negatif). Oleh karena itu, tahap selanjutnya adalah melakukan uji korelasi terhadap variabel yang bersangkutan.
#Mencari Korelasi: Harga Saham (Dependent Variable) & Volume Perdagangan (Independent Variable)
cor(harga_saham, volume_perdagangan)## [1] -0.3140526#Mencari Korelasi: Harga Saham (Dependent Variable) & Foreign_Sell (Independent Variable)
cor(harga_saham, foreign_sell)## [1] -0.2652465#Scater Plot: Harga Saham (Dependent Variable) & Volume Perdagangan (Independent Variable)
plot(harga_saham, volume_perdagangan)
abline(lm(volume_perdagangan ~ harga_saham), # garis linear `lm`
col = 'blue') # warna garis
#Scater Plot: Harga Saham (Dependent Variable) & Foreign_Sell (Independent Variable)
plot(harga_saham, foreign_sell)
abline(lm(foreign_sell ~ harga_saham), # garis linear `lm`
col = 'red') # warna garis
Berdasarkan hasil output diatas, kita mendapatkan hasil bahwa Harga_Saham (previous) sebagai variabel dependent memiliki hubungan negatif yang lemah terhadap volume_perdagangan (volume) sebesar -0.3140526 dan foreign_sell sebesar -0.2652465
knitr::include_graphics("assets/correlation-coef.jpg")
Hal ini menunjukan bahwa penurunan Harga_Saham (previous) emiten saham BBCA turut dipengaruhi oleh faktor-faktor variabel lain di luar variabel observasi yang digunakan dalam mini-paper ini (volume & foreign_sell). Oleh karena itu, penelitian di masa depan diharapkan untuk menggunakan variabel-variabel lain yang cakupannya lebih luas untuk dapat mereprsentasikan hasil yang lebih baik.
5 Kesimpulan
Seperti yang telah diketahui PT Bank Central Asia Tbk atau yang banyak dikenal sebagai BCA atau emiten saham BBCA merupakan bank swasta terbesar di Indonesia dan sekaligus merupakan bagian dari grup emiten saham LQ45 yang merupakan penyokong pergerakan Indeks Harga Saham Gabungan (IHSG). Sebagai salah satu emiten saham yang diminati oleh investor dalam dan luar negeri maka tentunya penentuan range harga saham wajar batas atas dan bawah menjadi hal yang penting. Dalam penelitian pertama, hasil menunjukan harga wajar saham emiten BBCA berkisar pada range harga 28645.16 sampai dengan 33730.82 yang didasari dari pergerakan harga bursa harian untuk emiten saham BBCA selama 3 tahun terakhir (2019-2021). Adapun harga batas bawah berada di antara nilai mininum dan kuartil 1 dan batas atas berada di antara nilai kuartil 3 dan batas atas.
Dalam perkembangannya, BCA juga turut mengalami dampak dari guncangan ekonomi global yang diakibatkan oleh pandemi COVID-19 yang menyebabkan penurunan dan fluktuasi terhadap Harga_Saham (previous) BBCA. Hasil penelitian kedua, menunjukan bahwa penurunan tersebut disebabkan oleh volume_perdagangan saham BBCA dan jumlah saham BBCA yang dijual oleh asing (foreign_sell) yang memiliki hubungan korelasi negatif terhadap Harga_Saham (previous) BBCA. Walaupun hubungan korelasi menunjukan hubungan negatif yang lemah akan tetapi hal ini menunjukan bahwa terdapat variabel-variabel lain di luar observasi yang turut mempengaruhi penurunan Harga_Saham (previous) BBCA. Oleh sebab itu, diharapkan untuk penelitian selanjutnya di masa depan untuk turut mempertimbangkan indikator saham lain dan variabel makroekonomi eksternal.