Terungkap Cara Menyaring Saham Tanpa Tersesat

Screening saham adalah langkah awal yang krusial dalam memilih emiten untuk diteliti lebih lanjut. Tapi seperti pintu gerbang, hasilnya sangat bergantung pada seberapa bersih dan akurat data yang digunakan. Kesalahan dalam membaca data di tahap ini bisa membawa konsekuensi yang mahal, terutama jika investor langsung mengambil keputusan hanya dari satu atau dua angka yang tampak menarik.

Contohnya, saham dengan Price to Earnings Ratio (PER) 4× terlihat sangat murah di permukaan. Tapi tanpa memeriksa apakah laba bersihnya bersifat berulang atau hanya sementara, investor bisa terjebak membeli saham yang justru sedang berada di puncak laba siklus bukan nilai wajar jangka panjang.

Kesalahan seperti ini terjadi bukan karena investor tidak cerdas, tapi karena data yang digunakan tidak dikritisi secara menyeluruh. Dalam banyak kasus, investor langsung percaya pada angka hasil screener tanpa meninjau:

• Bagaimana angka itu dihitung?
• Apakah ada kejadian khusus di baliknya?
• Apakah itu mencerminkan tren jangka panjang atau hanya snapshot sesaat?

Inilah kenapa investor ritel perlu mulai memperlakukan data bukan sebagai jawaban, tapi sebagai bahan awal untuk validasi.

Screening saham seharusnya dilihat seperti menyaring calon karyawan, kamu tidak akan langsung mempekerjakan seseorang hanya karena IPK-nya tinggi atau CV-nya rapi. Kamu akan periksa riwayat, cek referensi, dan konfirmasi apakah pencapaian itu benar-benar mencerminkan kemampuan. Begitu juga saat membaca rasio keuangan. Kamu perlu melihat konteks, keberlanjutan, dan relevansi dari angka-angka tersebut.

Mengenali Outlier Data Fundamental Secara Kontekstual

Outlier adalah data yang jauh menyimpang dari rata-rata atau mayoritas kelompoknya. Tapi dalam investasi, outlier tidak selalu bisa ditentukan hanya dengan rumus matematis seperti Z-Score atau IQR. Pendekatan statistik memang presisi, namun bagi investor ritel yang baru belajar, cara ini bisa membingungkan dan bahkan menyesatkan bila tidak digunakan dengan benar. Karena itu, metode yang lebih relevan dan praktis adalah mengidentifikasi outlier yakni berdasarkan konteks industri dan sektor.

Langkah pertama, bandingkan dengan rata-rata sektor. Setelah melakukan screening dan menemukan saham dengan angka-angka menarik, bandingkan rasio tersebut dengan rerata sektor. Misalnya:

• Saham sektor perbankan biasanya memiliki PER di kisaran 8–12 kali.
• Saham pertambangan bisa memiliki PER fluktuatif tergantung harga komoditas.
• Saham teknologi bisa wajar meski PER-nya 30 kali atau lebih.

Contoh: jika kamu menemukan saham tambang dengan PER 5× saat rerata sektor 15×, itu bisa menarik, tapi kamu tetap harus periksa apakah laba besar itu hanya karena booming harga batubara sesaat atau karena efisiensi bisnis berkelanjutan.

Langkah kedua, identifikasi penyebab angka ekstrem. Jangan berhenti pada angka. Periksa laporan keuangan terbaru dan berita perusahaan:

• Apakah laba bersih naik karena penjualan aset?
• Apakah margin tinggi karena penghematan biaya non-berulang?
• Apakah ROE tinggi karena modal kecil dan utang besar?

Contoh umum yang sering menjebak investor pemula adalah dividend yield tinggi. Jika suatu saham mencetak yield 14 persen, jangan langsung berpikir “ini royal membagi untung.” Bisa jadi, yield tinggi itu muncul karena harga saham anjlok tajam akibat sentimen negatif pasar. Artinya, bukan yield-nya yang besar, tapi harganya yang runtuh.

Langkah ketiga,  gunakan ambang banding rerata 50 persen. Sebagai panduan praktis, rasio yang berbeda lebih dari ±50 persen dari rerata sektor sebaiknya diperiksa lebih lanjut. Tidak otomatis salah, tapi perlu ditelusuri.

Misalnya:

• Sektor konsumer memiliki ROE rata-rata 12 persen.
• Jika ada emiten dengan ROE 25 persen, kamu perlu memastikan, apakah itu karena pertumbuhan organik atau karena leverage ekstrem?

Bandingkan juga dengan pesaing terdekat di subsektor. Di sektor ritel misalnya, ROE Alfamart dan Indomaret bisa dibandingkan langsung karena bisnisnya mirip.

Langkah keempat, validasi lewat riwayat historis. Angka satu tahun tidak cukup. Selalu lihat tren 3–5 tahun terakhir:

• Apakah PER, ROE, PBV stabil atau naik-turun?
• Apakah utang meningkat atau justru menurun?
• Apakah margin laba konsisten?

Saham dengan performa ekstrem tahun ini tapi fluktuatif sebelumnya cenderung mengandung risiko kejutan, baik ke atas maupun ke bawah.

Studi Kasus, Menyaring Saham Aneh lewat Pembanding Industri

Setelah kamu melakukan screening awal dan mendapatkan daftar saham dengan rasio keuangan tertentu (misalnya PER < 10 atau ROE > 15%), langkah selanjutnya adalah membandingkan hasil screening dengan rerata industri atau sektoryang sama. Ini penting agar kamu tidak terkecoh oleh angka ekstrem yang tampak menarik padahal tidak wajar atau tidak berkelanjutan.

Dalam banyak kasus, angka rasio yang sangat tinggi atau sangat rendah bisa menyesatkan. Misalnya, PER terlalu rendah karena laba luar biasa dalam satu tahun akibat penjualan aset. Atau ROE terlalu tinggi karena modal kecil dan utang besar. Data semacam ini disebut pencilan atau outlier. Tapi kamu tidak perlu rumus statistik seperti Z-Score atau IQR untuk mengenalinya.

Cara paling praktis adalah:

1. Cari data industri/sektor yang relevan ; Kamu bisa mendapatkan data rerata PER, PBV, ROE, Debt to Equity, hingga Dividend Yield sektor-sektor utama di platform seperti IDX, RTI Business, Stockbit, atau laporan kuartalan industri dari sekuritas.
2. Bandingkan posisi emiten terhadap sektornya ; Misalnya, jika sektor pertambangan memiliki ROE rata-rata 12 persen, lalu kamu temukan emiten dengan ROE 45 persen atau justru minus 20 persen, itu bisa menjadi sinyal merah. Rasio yang menyimpang jauh biasanya menandakan faktor luar biasa, entah itu peluang atau justru risiko.
3. Gunakan patokan ±50 persen dari rerata sektor ; Sebagai panduan awal, kamu bisa anggap rasio yang selisihnya lebih dari 50 persen dari rata-rata sektor sebagai “tidak wajar” dan layak dicek lebih lanjut. Ini akan membantumu menyaring saham-saham ekstrem yang bisa menyesatkan saat analisis.
4. Tinjau konteks bisnis di balik rasio
   Misalnya:
   • PER 3× pada perusahaan batubara bisa jadi hanya efek sementara dari lonjakan harga komoditas.
   • ROE sangat tinggi bisa disebabkan leverage besar (utang tinggi), bukan efisiensi bisnis.
   • Dividend yield 15 persen bisa jadi karena harga saham anjlok, bukan karena perusahaan royal.

Bayangkan kamu menyeleksi 3 saham tambang: PTBA, BYAN, dan AKRA.

Dari contoh ini, kamu bisa langsung melihat mana saham yang performanya ekstrem, lalu memutuskan untuk selidiki lebih lanjut. Kamu tidak perlu rumus rumit, cukup bandingkan posisi rasio terhadap benchmark sektornya.

Kenapa ini efektif?

• Tidak butuh statistik. Cocok untuk investor pemula yang tidak terbiasa dengan Z-Score atau IQR.
• Langsung bisa dipakai. Hanya butuh tabel pembanding sederhana dari data publik.
• Konsisten dengan praktik institusi. Bahkan BEI dan lembaga riset juga mengacu pada pembanding industri saat menghitung agregat pasar.

Dalam screening saham, jangan langsung percaya angka yang kelihatan murah atau tinggi. Selalu bandingkan dengan rata-rata sektor, karena konteks industri sangat menentukan apakah angka tersebut masuk akal atau justru mencurigakan. Ini adalah cara termudah dan paling masuk akal untuk menyaring “saham aneh” dari hasil screening tanpa perlu menghitung deviasi statistik apa pun.

Kapan Perlu Curiga, Kapan Perlu Tertarik?

Tidak semua angka ekstrem itu buruk, dan tidak semua angka wajar itu aman. Outlier data yang menyimpang jauh dari rata-rata bisa menjadi tanda bahaya atau lampu hijau peluang, tergantung apa yang menyebabkannya. Karena itu, penting bagi investor untuk tidak langsung menolak atau menerima angka ekstrem, melainkan menginvestigasi konteks di baliknya.

Waspadai Jika Angka Tinggi (atau Rendah) Disebabkan Faktor Tidak Berulang

Beberapa penyebab umum outlier yang bersifat sesaat:

• Laba non-operasional, misalnya dari penjualan aset atau revaluasi properti.
• Kenaikan harga komoditas temporer, seperti lonjakan harga batu bara atau CPO.
• Efek pandemi atau bencana, yang bisa memperbesar margin atau menekan biaya secara tidak berkelanjutan.
• Kebijakan akuntansi sementara, seperti pengakuan laba tunda (deferred revenue) atau tax gain.

Contoh:
Jika suatu emiten mencatatkan PER sangat rendah karena laba bersih melonjak 300 persen dalam satu tahun, tapi sumbernya adalah penjualan pabrik, maka angka itu tidak bisa dijadikan dasar valuasi jangka panjang. Kamu sebaiknya curiga, bukan karena angkanya kecil, tapi karena asal-usul laba tersebut bukan berasal dari operasi inti perusahaan.

Tertarik Jika Outlier Muncul dari Keunggulan Kompetitif yang Berulang

Sebaliknya, angka yang terlihat "berlebihan" bisa mencerminkan:

• Efisiensi operasional yang luar biasa, seperti margin bersih dua kali lebih tinggi dari pesaing.
• Posisi sebagai market leader dengan dominasi pasar dan pricing power.
• Recurring income yang kuat, misalnya dari kontrak jangka panjang atau langganan (subscription).
• Model bisnis superior, seperti aset ringan dengan return tinggi, atau distribusi digital yang menekan biaya.

Contoh:
Saham teknologi mungkin punya PER 40×, tapi jika pendapatannya tumbuh 25 persen per tahun secara konsisten selama lima tahun, angka tersebut bisa mencerminkan harga wajar, bahkan murah jika dilihat dari rasio PEG (Price/Earnings to Growth).

Atau saham seperti BYAN yang memiliki ROE 40 persen dan PER 40×. Sekilas terlihat mahal, tapi jika laba dan marjin BYAN secara konsisten tinggi dan bisnisnya terdiversifikasi dengan baik, angka itu adalah cerminan kualitas, bukan anomali.

Supaya kamu bisa membedakan mana outlier yang “jebakan” dan mana yang “permata tersembunyi”, gunakan pendekatan investigatif berbasis data:

Outlier tidak otomatis salah. Tapi kamu harus tahu sebabnya, bukan hanya melihat efeknya.

Investor ritel tidak butuh alat statistik kompleks untuk menilai data ekstrem. Yang kamu butuhkan adalah:

• Pembanding sektoral agar tidak terjebak angka tunggal.
• Tren historis untuk mengukur keberlanjutan.
• Gabungan indikator agar analisis tidak satu dimensi.
• Logika bisnis untuk menilai apakah angka itu realistis dalam konteks industri.

Dengan pendekatan ini, kamu bisa membangun kebiasaan analitis yang lebih kuat: bukan hanya mengejar angka “paling murah” atau “paling tinggi”, tapi mencari nilai yang logis, berkelanjutan, dan masuk akal secara bisnis.