analisis perbandingan keakuratan capital asset...
TRANSCRIPT
ANALISIS PERBANDINGAN KEAKURATAN CAPITAL
ASSET PRICING MODEL (CAPM) DAN ARBITRAGE PRICING
THEORY (APT) DALAM MEMPREDIKSI RETURN SAHAM
LQ-45 DI BURSA EFEK INDONESIA
Skripsi
Oleh :
SULISTIARINI WIDIANITA NIM : 104081002482
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN ILMU SOSIAL
UIN SYARIF HIDAYATULLAH
JAKARTA
2009/1430 H
Analisis Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) Dan
Arbitrage Pricing Theory (APT) Dalam Memprediksi Return Saham LQ-45 Di
Bursa Efek Indonesia
SKRIPSI
Diajukan Kepada Fakultas Ekonomi Dan Ilmu Sosial
Untuk Memenuhi Syarat-syarat Untuk Meraih Gelar Sarjana
Ekonomi
Oleh:
Sulistiarini Widianita 104081002482
Di Bawah Bimbingan Pembimbing I Pembimbing II Prof. Dr. Ahmad Rodoni, MM Titi Dewi Warninda, SE, M.SI NIP: 150 317 955 NIP: 150 368 746
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN ILMU SOSIAL
UNIVERSITAS ISLAM NEGRI SYARIF HIDAYATULLAH
JAKARTA
2009/1430 H
Analisis Perbandingan Keakuratan Capital Asset Pricing Model (CAPM)
Dssan Arbitrage Pricing Theory (APT) Dalam Memprediksi Return Saham
LQ-45 Di Bursa Efek Indonesia
SKRIPSI
Diajukan Kepada Fakultas Ekonomi Dan Ilmu Sosial
Untuk Memenuhi Syarat Meraih Gelar Sarjana Ekonomi
Oleh:
Sulistiarini Widianita 104081002482
Di Bawah Bimbingan
Pembimbing I Pembimbing II Prof. Dr. Ahmad Rodoni, MM Titi Dewi Warninda, SE, M.SI NIP: 150 317 955 NIP: 150 368 746
Penguji Ahli
Prof. Dr. Abdul Hamid, MS NIP: 131 474 891
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN ILMU SOSIAL
UNIVERSITAS ISLAM NEGRI SYARIFHIDAYATULLAH
JAKARTA
2009/1430 H
Hari ini Senin Tanggal 29 Bulan September Tahun Dua Ribu Delapan telah dilakukan Ujian Komprehensif atas nama Sulistiarini Widianita NIM: 104081002482 dengan judul Skripsi “ANALISIS PERBANDINGAN CAPITAL ASSET PRICING MODEL (CAPM) DAN ARBITRGE PRICING THEORY (APT) DALAM MEMPREDIKSI RETURN SAHAM LQ-45 DI BURSA EFEK INDONESIA”. Memperhatikan penampilan mahasiswa tersebut selama ujian berlangsung, maka skripsi ini sudah dapat diterima sebagai salah satu syarat untuk memperoleh gelar sarjana ekonomi pada Jurusan Manajemen Fakultas Ekonomi Dan Ilmu Sosial Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 29 September 2008
Tim Penguji Ujian Komprehensif
Prof. Dr. Ahmad Rodoni, MM Titi Dewi Warninda, SE, M.SI Ketua Sekertaris
Prof. Dr. Abdul Hamid, MS Penguji Ahli
DAFTAR RIWAYAT HIDUP
� DATA PRIBADI
Nama Lengkap : Sulistiarini Widianita Tempat, Tanggal Lahir : Tangerang, 10 Februari 1986 Jenis Kelamin : Perempuan Alamat : Jln. Tugu karya III No.33 Rt.02 Rw.10 Cipondoh- Tangerang 15148 E-mail : [email protected] Telepon : 021-55742209/ 08568066548/ 021-98956196 Agama : Islam
� PENDIDIKAN Tahun 1990-1992: TK Dewi Sartika Tahun 1992-1998 : SDN Daan Mogot I Tahun 1998-2001 : SLTPN 1 Tangerang Tahun 2001-2004 : SMUN 2 Tangerang Tahun 2004-2009 : UIN Syarif Hidayatullah Jakarta
� PENGALAMAN ORGANISASI 2004-2005 : Staff Divisi Usaha KOPMA (Koperasi Mahasiswa) UIN
Syarif Hidayatullah Jakarta. 2005 : Divisi Administrasi FLAT (Foreign Languange
Association) UIN Syarif Hidayatullah Jakarta. 2005-2006 : Divisi (PMB) Pengembangan Minat dan Bakat Kopma
(Koperasi Mahasiswa) UIN Syarif Hidayatullah Jakarta 2006-2007 : Divisi Litbang (Penelitian dan Pengembangan) BEM
(Badan Eksekutif Mahasiswa) Fakultas Ekonomi dan Ilmu Sosial Jurusan Manajemen UIN Syarif Hidayatullah Jakarta.
2007-sekarang : Paguyuban KangNong Tangerang. 2008 : Bendahara KangNong Tangerang 2008. 2008 : Bendahara KangNong Banten 2008. 2009-sekarang : Anggota KNPI Kab. Tangerang Bidang Perindustrian
dan perdagangan.
ABSTRACT There are two models that can be used by the investors to predict the
company stock return, which are up to now still controversial among the financial management experts regarding their accuracy for predicting the company stock return, are Capital Asset Pricing Model (CAPM) and Arbitrage Pricing Theory (APT). This Research to recognize the accuracy of CAPM and APT models in predicting the stock returns of LQ-45 at Indonesia Stock Exchange. The accuracy of CAPM and APT models is measured by using Mean Absolute Deviation (MAD), while the t-test is used to compare the accuracy between CAPM and APT models.
The population of this research is all monthly stock returns of the already go-public LQ-45 companies at Indonesia Stock Exchange. Whereas the sample used monthly stock returns of 14 LQ-45 companies during 2001-2007. There are two period that used for this research, are estimation period that used to estimate alpha and beta of each stocks from January 2001 until December 2003 and test period that used to compare the accuracy of CAPM and APT models in predicting the stock returns of LQ-45 from January 2004 until December 2007.
The result of the research showed that: (a) There is significant difference between the accuracy of Capital Asset Pricing Model (CAPM) and Arbitrage Pricing Theory (APT) in predicting the stock returns of LQ-45; and (b) The CAPM model was more accurate than APT model in predicting the stock return of LQ-45 companies. The less-accuracy of APT model compared with CAPM model can be result of: (a) The unsuitable constructing variables of APT model used in this result; (b) Not all all investors used ARIMA method in estimating the variables of macro economy; and (c) inability of APT model constructed in this research in explaning the variation of returns as a result of non economic factors and coorporate actions. Besides, APT models result in high MAD and standard deviation. Keywords: Capital Asset Pricing model (CAPM), Arbitrage Pricing Theory
(APT), LQ-45.
ABSTRAK
Terdapat dua model yang dapat digunakan para investor untuk
memprediksi return saham perusahaan dan sampai saat ini masih menjadi perdebatan para ahli manajemen keuangan tentang ketepatannya dalam memprediksi return saham perusahaan, yaitu Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT). Penelitian ini untuk mengakui keakuratan model CAPM dan model APT dalam memprediksi return saham LQ-45 di Bursa Efek Indonesia. Keakuratan model CAPM dan Model APT diukur dengan Mean Absolute Deviation (MAD), sementara itu uji t student digunakan untuk membandingkan keakuratan antara model CAPM dan model APT.
Populasi penelitian ini adalah seluruh return saham perbulan perusahaan-perusahaan LQ-45 yang sudah go-publik Di Bursa Efek Indonesia. Adapun sampel yang digunakan dalam penelitian ini adalah return saham perbulan 14 perusahaan LQ-45 tahun 2001-2007. Terdapat dua periode yang digunakan dalam penelitian ini, yaitu periode estimasi yang digunakan untuk mengestimasi parameter alpha dan beta tiap-tiap saham dari Januari 2001 sampai dengan Desember 2003 dan periode uji yang digunakan untuk membandingkan keakuratan model CAPM dan model APT dalam memprediksi return saham LQ-45 dari Januari 2004 sampai dengan Desember 2007.
Hasil penelitian menunjukkan bahwa: (a) Terdapat perbedaan yang siginifikan antara keakuratan Capital Asset Pricing Model (CAPM) dengan Arbitrage Pricing Theory (APT) dalam memprediksi return saham LQ-45; dan (b) model CAPM lebih akurat dibandingkan model APT dalam memprediksi return saham perusahaan-perusahaan LQ-45. Kekurangakuratan model APT dibandingkan model CAPM pada penelitian ini dapat disebabkan oleh: (a) Ketidaksesuaian variabel pembentuk model APT yang digunakan dalam penelitian ini; (b) Tidak semua investor menggunakan metode ARIMA dalam mengestimasi variabel makroekonomi; dan (c) Ketidakmampuan model APT yang dibentuk dalam penelitian ini menjelaskan variasi return yang disebabkan oleh faktor nonekonomi serta coorporate actions. Selain itu model APT juga menghasilkan MAD dan standar deviasi yang tinggi.
Kata kunci : Capital Asset Pricing model (CAPM), Arbitrage Pricing Theory
(APT), LQ-45.
KATA PENGANTAR
Assalamu’alaikum Wr. Wb
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat, karunia dan ridhlo-Nya sehingga penulis dapat
menyelesaikan skripsi dengan judul “Analisis Perbandingan Keakuratan
Capital Asset Pricing Model (CAPM) Dan Arbitrage Pricing Theory (APT)
Dalam Memprediksi Return Saham LQ-45 Di Bursa Efek Indonesia”.
Shalawat serta salam semoga selalu tercurah kepada tauladan terbaik Rasul
Allah Muhammad SAW, keluarga, sahabat dan para pengikutnya.
Pada kesempatan ini izinkan penulis mengucapkan rasa terimakasih
kepada:
1. Kedua orang tuaku, Abah dan Ibu atas do’a yang selalu dipanjatkan siang dan
malam tiada henti, kerja keras, banting tulang tanpa lelah, kesabaran dalam
memberi motivasi dan nasehat saat penulis hampir menyerah, cinta dan sayang
yang tulus tak bersyarat.
2. Bapak Prof. Dr. Abdul Hamid, MS. sebagai Dekan Fakultas Ekonomi Dan
Ilmu Sosial UIN Syarif Hidayatullah Jakarta sekaligus penguji ahli, Prof. Dr.
Ahmad Rodoni, MM. sebagai pembimbing 1, dan Ibu Titi Dewi warninda, SE,
M.SI sebagai pembimbing 2, yang telah membantu penulis dalam
menyelesaikan skripsi ini.
3. Seluruh dosen FEIS yang telah memberikan pengetahuan kepada penulis
selama perkuliahan.
4. Keluarga tercinta. Adik-adikku, Ipad dan si Ndut Fahri.
5. My beary, Little Bear dan Doppy yang selalu setia mamberi motivasi dan
bantuannya sampai penulis dapat menyelesaikan skripsi ini dan jadi temen buat
refreshing ketika penulis merasa lelah mengerjakan skripsi.
6. My best friend dan Soulmatequw yang paling pengertian, NengNop.
7. Anak-anak LCW: Lia, Vhea, Ita, Hani, Astri, Emma, Elin, Biah, Endah,
Marnimar, Nori, Osa, Selly, Ulfa dan Ka Uus yang senantiasa memberi
dukungan dalam menyelesaikan skripsi.
8. Desti yang telah mengajarkan minitab dan ARIMA, dan Dyah yang telah
minjemin buku time seriesnya.
9. Paguyuban Kangnong Kabupaten Tangerang: F4 (Feri, Riki, Ajat, dan Hendri),
Indah, Maya, Angkatan 2007, Teh Ike dan Teh Ditte yang maniez semoga kita
makin kompak.
10. Teh Intan dan Bang Awang selaku pembina Kangnong, semoga tidak pernah
lelah ngurusin anak Kangnong.
11. Teman-teman KNPI Kabupaten Tangerang.
12. Temen-teman di IZZA, Ncit, Santi, Sancil, Reni, Desi dan anak-anak yang
ngungsi dari kosan wida yang mengisi kebersamaan dalam suka dan duka.
13. Temen-temen manajemen B angkatan 2004 yang sudah SE duluan, barengan
atau pun akan menyusul. Terimakasih atas kebersamaan yang pernah ada
sampai akhir penulisan skripsi.
14. Temen-temen Keuangan A angkatan 2004 serta semua pihak yang tidak dapat
penulis sebutkan satu persatu.
Akhir kata penulis berharap semoga skripsi ini dapat bermanfaat bagi kita
semua. Amien.
Wassalamu’alaikum Wr, Wb
Jakarta, Maret 2009
Sulistiarini Widianita
DAFTAR ISI
Daftar Riwayat Hidup ................................................................................... i
Abstract........................................................................................................... ii
Abstrak............................................................................................................ iii
Kata Pengantar .............................................................................................. iv
Daftar isi.......................................................................................................... vi
Daftar Tabel.................................................................................................... viii
Daftar Gambar ............................................................................................... ix
Daftar Lampiran ............................................................................................ x
BAB I : PENDAHULUAN............................................................................ 1
A. Latar Belakang ............................................................................ 1
B. Perumusan Masalah...................................................................... 7
C. Tujuan Dan Manfaat Penelitian.................................................... 7
BAB II : TINJAUAN PUSTAKA ................................................................. 9
A. Investasi....................................................................................... 9
B. Return Saham Dan Return Market Serta Pengukurannya ........... 15
C. Risiko........................................................................................... 19
D. Model Keseimbangan.................................................................. 22
E. Variabel-Variabel Makroekonomi............................................... 34
F. Penelitian Terdahulu .................................................................... 42
G. Perumusan Hipotesis................................................................... 48
H. Kerangka Pemikiran.................................................................... 49
BAB III : METODOLOGI PENELITIAN.................................................. 50
A. Ruang Lingkup Penelitian.......................................................... 50
B. Metode penentuan Sampel ......................................................... 50
C. Metode Pengumpulan Data ........................................................ 51
D. Metode analisis........................................................................... 52
E. Operasional Variabel Penelitian ................................................. 63
BAB IV : HASIL DAN PEMBAHASAN ..................................................... 66
A. Sekilas gambaran Umum Objek Penelitian................................ 66
B. Deskripsi Statistik....................................................................... 69
BAB V : KESIMPULAN DAN IMPLIKASI............................................... 100
A. Kesimpulan .................................................................................. 100
B. Implikasi ....................................................................................... 100
C. Keterbatasan Penelitian Dan Saran .............................................. 101
Daftar Pustaka................................................................................................ 103
Lampiran ........................................................................................................ 106
DAFTAR TABEL
No Keterangan Halaman 3.1 Daftar Perusahaan LQ-45 Periode 2004-2007 .................................... 51 4.1 Rata-Rata Return Saham Per Bulan Perusahaan LQ-45 ..................... 70 Tahun 2004-2007 4.2 Rata-Rata Return Market (Rm) Tahun 2004-2007 ............................. 71 4.3 Risiko Sistematis Atau Beta Tahun 2004-2007 .................................. 73 4.4 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Bunga SBI .... 74
Aktual, Perubahan Jumlah Uang Beredar Aktual, dan Perubahan Kurs Aktual Periode Januari 2001 – Desember 2003 4.5 Statistik Ljung-Box Untuk Inflasi ....................................................... 76 4.6 Statistik Ljung-Box Untuk Bunga ....................................................... 76 4.7 Statistik Ljung-Box Untuk Uang ......................................................... 77 4.8 Statistik Ljung-Box Untuk Kurs.......................................................... 78 4.9 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Inflasi ........... 80 Yang Diharapkan, dan perubahan Tingkat Inflasi Yang Tidak Diharapkan Periode Januari 2004-Desember 2007 4.10 Perubahan Tingkat Bunga Aktual, Perubahan Tingkat Bunga ........... 82 Yang Diharapkan, Dan Perubahan Tingakt Bunga yang Tidak Diharapkan Periode Januari 2004-Desember 2007 4.11 Perubahan Jumlah Uang Beredar Aktual, Perubahan Jumlah............. 85 Uang Beredar Yang Diharapkan, Dan Perubahan Jumlah Uang Beredar Yang Tidak Diharapkan Periode Januari 2004-Desember 2007 4.12 Perubahan Kurs Aktual, perubahan Kurs Yang Diharapkan, ............. 87 Dan Perubahan Kurs Yang Tidak Diharapkan Periode Januari 2004-Desember 2007 4.13 Return Perusahaan LQ-45 Dengan Kolmogorov-Smirnov.................. 90 2004-2007 4.14 Pengujian Durbin Watson (D-W) Pada Market Model...................... 92 Saham LQ-45 2004-2007 4.15 Pengujian Durbin Watson (D-W) Pada Model APT.......................... 93 Perusahaan LQ-45 2004-2007 4.16 One-Sample Kolmogorov-Smirnov Test.............................................. 95 4.17 MAD CAPM Dan APT Return Saham LQ-45 ................................... 96
DAFTAR GAMBAR
No Keterangan Halaman 2.1 Kerangka Pemikiran............................................................................. 49
DAFTAR LAMPIRAN
No Keterangan Halaman 1 Market Model Saham LQ-45 ................................................................. 106 2 Model APT saham LQ-45...................................................................... 120 3 Uji Heterokedastisitas Saham perusahaan LQ-45.................................. 134 4 Hasil Uji model ARIMA ....................................................................... 141 5 MAD CAPM.......................................................................................... 146 6 MAD APT.............................................................................................. 153 7 Two Simple T-Test And CI : APT, CAPM............................................ 160
BAB I
PENDAHULUAN
A. Latar Belakang
Pertumbuhan ekonomi merupakan salah satu indikator keberhasilan
suatu negara. Untuk mencapai pertumbuhan ekonomi tersebut, salah satu hal
yang harus dilakukan oleh suatu negara adalah dengan menggalakkan aktivitas
investasi. Aktivitas ini memerlukan aliran modal (dana jangka panjang) yang
sangat besar. Dalam hal ini diperlukan peranan pasar modal sebagai suatu
wadah untuk memobilisasi dana masyarakat selain lembaga keuangan seperti
bank dan asuransi.
Pasar modal memang merupakan salah satu sumber dana bagi
pembiayaan pembangunan yang mempunyai peranan yang sangat penting
yaitu untuk menjembatani hubungan antara penyedia dana atau yang disebut
investor dan pengguna dana yang disebut emiten atau perusahaan yang go
public. Instrumen yang diperdagangkan oleh pasar modal yaitu instrumen
ekuitas seperti saham dan instrumen utang seperti obligasi untuk keperluan
investasi portofolio yang pada akhirnya dapat memaksimalkan penghasilan.
Secara umum bursa saham menganut pergerakan harga saham yang
membentuk suatu pola untuk jangka waktu tertentu. Artinya tidak ada bursa
saham yang meningkat terus menerus. Bursa saham akan bergerak meningkat
dan menurun sesuai dengan siklus dan polanya yang berlaku di bursa saham
yaitu murni hukum permintaan dan penawaran. Semakin banyak orang ingin
membeli suatu saham, semakin harga itu akan bergerak naik. Begitu pula
sebaliknya, semakin sedikit orang ingin membeli saham, maka harga saham
tersebut akan bergerak turun. Namun dalam jangka panjang kinerja
perusahaan dan gerakan harga saham akan selalu bergerak searah.
Investor membeli saham perusahaan pada hakekatnya untuk
mendapatkan deviden (bagian laba yang dibagikan) dan capital gains
(kenaikan harga saham). Keduanya harus lebih besar atau paling tidak sama
dengan return (pengembalian) yang dikehendaki stock holder. Kondisi seperti
inilah yang memotivasi investor untuk berinvestasi dalam membeli saham.
Suatu hal yang perlu diketahui adalah bahwa investasi pada saham
merupakan investasi yang beresiko. Harga saham sewaktu-waktu bisa naik,
dan juga bisa turun, karena sifat komoditasnya yang peka terhadap perubahan-
perubahan faktor eksternal ataupun faktor internal perusahaan. Menurut teori
investasi, semakin tinggi tingkat risiko suatu saham maka akan
mengakibatkan tingkat return yang diisyaratkan oleh investor akan semakin
tinggi. Oleh karena itu, seorang investor yang baik selain mangharapkan
return yang tinggi, dia juga harus memperhatikan risiko atas investasi saham
yang dilakukannya.
Dalam berinvestasi, baik dalam aset keuangan maupun aset riil
seseorang atau perusahaan pasti akan mengharapkan pengembalian atas
investasinya. Dalam investasi pada aset keuangan khususnya saham ada dua
model untuk memprediksi return investasi. Model yang pertama yaitu model
CAPM, model ini mengasumsikan bahwa return saham dipengaruhi satu
faktor yaitu return market. Model yang kedua yaitu model APT, model ini
mengasumsikan jika investor memiliki peluang untuk meningkatkan return
tanpa meningkatkan risiko maka investor tersebut akan memanfaatkan
peluang tersebut. Sehingga dalam model APT ini faktor-faktor yang
mempengaruhi return saham lebih banyak dari pada model CAPM. Kedua
model tersebut pada dasarnya dapat memprediksi return yang diharapkan
investor, namun berbeda dalam variabel yang digunakan.
Capital Assets Pricing Model (CAPM) yang diperkenalkan oleh Sharp
(1964) dan Lintner (1965) merupakan model untuk menentukan harga suatu
assets pada kondisi equilibrium. Dalam keadaan equilibrium tingkat
keuntungan yang disyaratkan oleh pemodal untuk suatu saham akan
dipengaruhi oleh risiko saham tersebut. Dalam hal ini risiko yang
diperhitungkan adalah risiko sistematis yang diwakili oleh beta, karena risiko
yang tidak sistematik bisa dihilangkan dengan cara diversifikasi.
Kelemahan-kelemahan empiris yang terjadi pada model Capital Asset
Pricing Model (CAPM) mendorong para ahli manajemen keuangan untuk
mencari model alternatif yang menerangkan hubungan pendapatan dengan
risiko saham. Pada tahun 1976 Stephen A. Ross merumuskan sebuah teori
yang disebut dengan Arbitrage Pricing Theory (APT). Meskipun model ini
tidak bisa secara keseluruhan memecahkan kekurangan yang terjadi pada
model CAPM, tetapi model inilah yang pertama kali dikembangkan untuk
mencoba mengeliminir kekurangan-kekurangan yang terjadi pada model
CAPM dan mempunyai kesempatan untuk menggantikan model tersebut. APT
menyatakan bahwa harga suatu aktiva bisa dipengaruhi oleh berbagai faktor,
tidak hanya satu faktor (portofolio pasar) seperti yang telah dikemukakan pada
teori CAPM.
Beberapa penelitian empiris dalam penerapan multi-factor CAPM
dengan menggunakan beta dan faktor fundamental sebagai faktor pengukur
risiko telah dilakukan diantaranya penelitian yang telah dilakukan oleh Banz
(1981) yang menguji ukuran perusahaan sebagai faktor fundamental;
Rosenberg, Reid, and Lainstein (1985) yang menguji ratio of book-to-market
value; Chan, Hamao, and Lakonnishock (1991) yang menguji faktor makro
dan price to earnings ratio. Penelitian yang sama juga pernah dilakukan oleh
Sudarto, dkk (1999) dengan menggunakan variabel beta saham dan Debt
Equity Ratio (DER), demikian halnya dengan penelitian yang dilakukan oleh
Wardani (2000) dengan melakukan penambahan nilai saham yang beredar.
Lain halnya dengan CAPM, model APT menggambarkan beragam
tingkat sensitivitas terhadap berbagai variabel sistematis. Model APT pertama
kali dikembangkan oleh Ross yang merupakan bentuk pengembangan dari
CAPM. Beberapa penelitian empiris dalam penerapan model APT juga telah
dilakukan diantaranya, penelitian yang dilakukan oleh Chan, Rol, dan Ross
(1986) yang menggunakan empat faktor yang mempengaruhi return sekuritas,
yaitu tingkat inflasi, premi risk-default, dan suku bunga. Selain itu, Berry,
Burneister, dan McElroy (1988) yang menggunakan variabel risk-default,
tingkat bunga, inflasi, pertumbuhan ekonomi jangka panjang, dan risiko
residual.
Gancar Candra Premananto dan Muhammad Madyan (2004) meneliti
mengenai Perbandingan Keakuratan Capital Asset Pricing Model (CAPM)
Dan Arbitrage Pricing Theory (APT) Dalam Memprediksi Tingkat
Pendapatan Saham Industri Perbankan dan Lembaga Keuangan Selain Bank
Sebelum Dan Semasa Krisis Ekonomi Di Bursa Efek Jakarta. Hasil
penelitiannya menemukan bahwa model CAPM lebih akurat dibandingkan
APT baik sebelum dan semasa krisis ekonomi. Gancar Candra Premananto
dan Muhammad Madyan (2004) juga meneliti mengenai Perbandingan
Keakuratan Capital Asset Pricing Model (CAPM) Dan Arbitrage Pricing
Theory (APT) Dalam Memprediksi Tingkat Pendapatan Saham Industri
Manufaktur Sebelum Dan Semasa Krisis Ekonomi. Hasil penelitiannya
menemukan bahwa model CAPM lebih akurat dibandingkan APT baik
sebelum dan semasa krisis ekonomi.
Perbedaan penelitian ini dengan penelitian terdahulu yaitu penelitian
terdahulu yang dilakukan oleh Gancar Chandra Premananto dan Muhammad
Madyan (2004) menggunakan variabel independen yaitu CAPM dan APT.
Pada APT menggunakan tiga variabel yaitu perubahan tingkat suku bunga
yang tidak diharapkan, perubahan tingkat inflasi yang tidak diharapkan, dan
perubahan kurs yang tidak diharapkan sedangkan khususnya APT pada
penelitian ini penulis mencoba menambahkan satu variabel lagi yaitu
perubahan jumlah uang beredar selain tingkat inflasi, tingkat suku bunga SBI,
perubahan kurs (dalam hal ini rupiah terhadap dollar). Pada penelitian
sebelumnya variabel dependen yang digunakan adalah tingkat pendapatan
saham industri manufaktur sebelum dan semasa krisis ekonomi sedangkan
pada penelitian ini variabel dependen yang digunakan adalah return saham
LQ-45 yang terdaftar di Bursa Efek Indonesia periode 2004-2007.
Berdasarkan penelitian yang dilakukan maka hasil analisis ini akan dapat
memperbandingkan model mana yang lebih akurat digunakan untuk
memprediksi return saham. Motivasi inilah yang mendorong untuk dilakukan
sebuah penelitian tentang perbandingan keakuratan model keseimbangan
CAPM dan APT. Guna mempermudah dan memperjelas ruang lingkup
pembahasan maka penelitian tersebut akan dikhususkan pada saham-saham
yang membentuk indeks LQ-45, yaitu saham yang stabil dan aktif serta
likuid, sehingga mudah diperjualbelikan baik dalam kondisi pasar bearish
maupun bullish. Berdasarkan latar belakang diatas maka penulis mengambil
judul skripsi ini: ”Analisis Perbandingan Keakuratan Capital Asset Pricing
Model (CAPM) Dan Arbitrage Pricing Theory (APT) Dalam Memprediksi
Return Saham LQ-45 Di Bursa Efek Indonesia”.
Mengingat faktor-faktor yang mempengaruhi pergerakan saham amat
banyak, maka dalam pembahasan penelitian ini penulis membatasi masalah
hanya pada variabel-variabel tertentu (return market, perubahan tingkat
inflasi, perubahan tingkat suku bunga SBI, perubahan kurs, dan perubahan
jumlah uang yang beredar) terhadap return saham pada beberapa perusahaan
di Bursa Efek Indonesia. Ruang lingkup penelitian ini hanya dibatasi pada
perusahaan-perusahaan yang hanya terdaftar dalam LQ-45 pada Bursa Efek
Indonesia. Sampel perusahaan ditentukan dengan syarat yaitu: perusahaan-
perusahaan yang terdaftar di Bursa Efek Indonesia yang mempunyai data
keuangan yang lengkap dan dapat diandalkan kebenarannya dan yang saham-
sahamnya aktif diperdagangkan di Bursa Efek Indonesia pada tahun 2004-
2007.
B. Perumusan Masalah
Berdasarkan uraian diatas, maka rumusan masalah yang akan
digunakan, antara lain:
1. Apakah terdapat perbedaan akurasi antara model CAPM dengan APT
dalam memprediksi return saham LQ-45 di Bursa Efek Indonesia.
2. Model Manakah (CAPM atau APT) yang lebih akurat dalam
memprediksi return saham LQ-45 di Bursa Efek Indonesia.
C. Tujuan dan Manfaat Penelitian
1. Berdasarkan perumusan masalah di atas maka tujuan penelitian meliputi:
a. Menganalisis perbedaan akurasi yang signifikan antara model CAPM
dengan APT dalam memprediksi return saham LQ-45 di BEI.
b. Menganalisis model mana (CAPM atau APT) yang lebih akurat dalam
memprediksi return saham LQ-45 di BEI.
2. Penelitian ini diharapkan bermanfaat untuk berbagai kepentingan,
diantaranya sebagai berikut:
a. Bagi Investor Maupun Calon Investor
Hasil penelitian ini diharapkan dapat digunakan sebagai bahan
masukan dalam pengambilan keputusan investasi yang optimal
khususnya perusahaan yang tergolong LQ-45.
b. Bagi Penulis
Dapat mengaplikasikan ilmu manajemen khususnya bidang keuangan
dan pasar modal yang telah diperoleh selama kuliah dalam
menganalisis perbandingan keakuratan CAPM dan APT dalam
memprediksi return saham LQ-45.
c. Bagi Akademik
Dapat memberikan sedikit masukan dan informasi yang diharapkan
mampu memberikan manfaat baik dalam bidang akademik maupun
dalam bidang praktisi.
d. Bagi Peneliti Selanjutnya
Dapat memberikan masukkan bagi peneliti selanjutnya dan
menjadikan penelitian ini sebagai informasi pelengkap dalam
penyusunan penelitian yang sejenis.
BAB II
TINJAUAN PUSTAKA
A. Investasi
1. Pengertian Investasi
Menurut E.A Koetin dalam Fauzan (2007:7), Investasi adalah
penggunaan uang untuk objek-objek tertentu dengan tujuan bahwa nilai
objek tersebut selama jangka waktu investasi akan meningkat, paling tidak
bertahan dan selama jangka waktu itu pula memberikan hasil secara
teratur.
Menurut Donald E. Fischer dan Ronald J. Jordan dalam
Komarruddin Ahmad (2004:1), An Investment is a commitment of funds
made in the expectation of some positive rate of return. Sedangkan
menurut Jack Clark Francis dalam buku yang sama juga menyatakan an
investment is an commitment of money that is expected to generate of
additional money. Dalam Komarrudin Ahmad (2004:3), Investasi adalah
menempatkan uang atau dana dengan harapan untuk memperoleh
tambahan atau kekurangan tertentu atas uang atau dana tersebut.
Umumnya investasi dikategorikan menjadi dua jenis yaitu, yaitu aset riil
(real assets) dan aset keuangan (finacial assets). Asset riil adalah bersifat
berwujud seperti gedung-gedung, kendaraan, dan sebagainya. Sedangkan
aset keuangan merupkan dokumen (surat-surat) klaim tidak langsung
pemegangnya terhadap aktiva riil pihak yang menerbitkan sekuritas
tersebut. Bagi seseorang yang ingin melakukan investasi yang
menguntungkan atau setidak-tidaknya untuk mengamankan kekayaan dari
berbagai risiko yang mungkin terjadi, dia mempunyai banyak pilihan
investasi.
Investasi dapat didefinisikan sebagai setiap kegiatan yang
meningkatkan kemampuan ekonomi untuk memproduksi output di masa
yang akan datang dan hal itu sangat mempengaruhi sumbangan sektor
perbankan terhadap pembangunan ekonomi yang dapat dilihat besarnya
sumbangan pada PDB (Produk Domestik Bruto) dan hal itu dapat
menunjukkan bahwa bank mempunyai sumbangan yang cukup berarti
bagi pertumbuhan PDB di Indonesia salah satunya melalui penyaluran
kredit investasinya (jurnal skripsi).
Menurut Myers dalam Agustina M.V Norpratiwi (2007:4),
perusahaan adalah kombinasi antara nilai asset in place dengan pilihan
investasi di masa yang akan datang. Pilihan investasi merupakan suatu
kesempatan untuk berkembang, namun seringkali perusahaan tidak selalu
dapat melaksanakan semua kesempatan investasi di masa mendatang.
Bagi perusahaan yang tidak dapat menggunakan kesempatan investasi
tersebut akan mengalami suatu pengeluaran yang lebih tinggi
dibandingkan dengan nilai kesempatan yang hilang. Nilai kesempatan
investasi merupakan nilai sekarang dari pilihan-pilihan perusahaan untuk
membuat investasi di masa mendatang.
Investasi atau penanaman modal adalah bagian dari total
pendapatan nasional atau pengeluaran nasional yang khusus digunakan
untuk membiayai produksi barang-barang modal (capital goods) pada
suatu periode tertentu. Investasi bruto mengacu pada pengeluaran total
yang digunakan untuk menghasilkan barang-barang modal yang baru,
sementara investasi neto berarti tambahan produksi barang modal setelah
dikurangi yang rusak atau aus karena dipakai dan membutuhkan
pengganti.
Menurut Suad Husnan (1996:19), investasi adalah setiap
penggunaan uang dengan maksud untuk memperoleh penghasilan. Dalam
suatu investasi selalu dipastikan terdapat unsur risiko. Keputusan investasi
berkaitan positif dengan perbandingan antara tingkat pengembalian dan
risiko. Berkaitan dengan risiko dalam suatu investasi, maka terdapat dua
jenis investasi berdasarkan tingkat risiko, yaitu:
a. Investasi bebas risiko: jenis investasi ini memiliki tingkat risiko yang
relatif kecil, dan biasanya memberikan tingkat keuntungan rendah.
Yang termasuk dalam investasi bebas risiko yaitu deposito berjangka
dan obligasi.
b. Investor berisiko: suatu jenis investasi yang ditandai dengan tingkat
keuntungan dan risiko yang berfluktuasi dimana investor mungkin saja
tidak mendapatkan keuntungan atau sebaliknya yang termasuk dalam
investasi berisiko yaitu investasi saham.
Dari pengertian di atas dapat disimpulkan bahwa investasi saham
adalah menempatkan uang dan dana dalam pembelian efek berupa saham
dengan harapan mendapatkan tambahan atau keuntungan tertentu atas
dana yang diinvestasikan dalam perdagangan saham tersebut di bursa
efek.
2. Motif Investasi
Menurut Warsono dalam Aliansyah (2001:8), dalam melakukan
investasi, investor dikelompokkan ke dalam tiga bentuk, yaitu:
a. Risk Seeker
Risk seeker atau yang lebih dikenal dengan pengambil risiko, yaitu
investor yang di dalam melakukan investasi lebih menyukai adanya
risiko. Mereka memandang, semakin besar tingkat risiko yang mereka
ambil maka akan menghasilkan tingkat pengembalian (return of
investment) yang besar pula.
b. Risk Averter
Risk averter atau penghindar risiko adalah investor yang enggan atau
tidak suka terhadap adanya investasi. Mereka beranggapan bahwa di
dalam melakukan investasi jika terdapat risiko, akan berakibat
pengembalian menjadi berkurang dan bisa jadi investasi yang mereka
tanamkan akan hilang.
c. Risk indeference
Investor jenis ini sering pula disebut sebagai investor yang acuh
terhadap risiko. Para investor tidak memandang seberapa besar risiko
yang bakal mereka hadapi, mereka hanya mempunyai keinginan untuk
berinvestasi. Tinggi rendahnya tingkat risiko tidak berpengaruh
terhadap investor dalam berinvestasi. Sebagai surat berharga yang
ditransaksikan di pasar modal, harga saham selalu mengalami
fluktuasi harga tersebut pada kekuatan penawaran dan permintaan.
Dalam pasar modal tersebut selalu mengandung kelebihan dan
kekurangan. Investasi yang dilakukan selalu mengandung dua sisi yaitu
keuntungan dan kerugian dalam melakukan penanaman modal.
3. Tujuan Investasi
Menurut Komarrudin Ahmad (2004:3), ada beberapa alasan
mengapa seseorang melakukan investasi, antara lain adalah:
a. Untuk mendapatkan kehidupan yang lebih layak di masa yang akan
datang. Seseorang yang bijak akan berfikir bagaimana cara
meningkatkan taraf hidupnya dari waktu ke waktu atau setidak-
tidaknya bagaimana berusaha untuk mempertahankan tingkat
pendapatannya yang ada sekarang agar tidak berkurang di masa yang
akan datang.
b. Mengurangi tekanan inflasi. Dengan melakukan investasi dalam
memilih perusahaan atau objek lain seseorang dapat menghindarkan
diri agar kekayaan atau harta miliknya tidak merosot nilainya karena
digerogoti oleh inflasi.
c. Dorongan untuk menghemat pajak. Beberapa negara di dunia banyak
yang melakukan kebijakan yang sifatnya mendorong tumbuhnya
investasi di masyarakat melalui fasilitas perpajakan yang diberikan
kepada masyarakat yang melakukan investasi pada bidang-bidang
usaha tertentu.
4. Investasi Pada Saham Biasa
Calon investor dapat menggunakan kelebihan dananya untuk
membeli saham. Saham dibeli dapat dicatat sebagai investasi jangka
pendek atau investasi jangka panjang tergantung pada tujuan
pembeliannya. Apabila saham tersebut dibeli dengan tujuan penggunaan
uang yang menganggur dan penjualannya untuk memenuhi kebutuhan
uang, maka pembelian uang akan dicatat sebagai investasi jangka pendek
dan termasuk kelompok aktiva lancar. Tetapi jika saham tidak dibeli
dengan tujuan seperti di atas maka dicatat sebagai investasi jangka
panjang.
Secara sederhana saham dapat didefinisikan sebagai tanda
penyerta atau tanda kepemilikan seseorang atau badan usaha dalam
perusahaan. Saham adalah tanda bukti berupa surat berharga sebagai
pernyataan ikut memiliki modal suatu perusahaan. Menurut Surat
Keputusan Menteri Keuangan RI No. 1548/KMK 013/1990, saham adalah
penyertaan modal dalam pemilikan Perseroan Terbatas.
Secara umum, saham dapat dibedakan menjadi dua macam saham, yaitu:
a. Saham biasa, saham biasa adalah saham yang pelunasannya dilakukan
dalam urutan yang paling akhir setelah kewajiban terhadap kreditur
pemegang saham preferen dilunasi, baik dalam hal pembagian
deviden, (jika perusahaan tersebut mengeluarkan tentang pembagian
deviden, apabila tidak ada pengumuman maka pemilik saham biasa
tidak memiliki klaim atas perusahaan, meskipun perusahaan pada
periode tersebut memperoleh keuntungan) maupun pembagian aktiva
pada saat perusahaan tersebut dilikuidasi. Adapun fungsi dari saham
biasa perusahaan adalah :
1) Sebagai alat membelanjai perusahaan dan terutama sebagai alat
untuk memenuhi kebutuhan akan modal permanen.
2) Sebagai alat untuk menentukan pembagian laba kepada investor
berdasarkan jumlah lembar saham yang dimilikinya.
3) Sebagai alat untuk menguasai perusahaan.
b. Saham preferen: saham preferen adalah saham yang mempunyai
beberapa kelebihan di atas saham biasa, terutama dalam hal
pembagian deviden atau pembagian aktiva pada saat perusahaan
dilikuidasi. Deviden atau kekayaan yang pertama kali harus dibagikan
pertama kali kepada pemegang saham preferen (sesudah semua hutang
perusahaan kepada kreditur dilunasi), jika ada kelebihan baru
dibagikan kepada pemegang saham biasa. Tetapi di lain pihak
pemegang saham preferen juga memiliki kelemahan dibandingkan
dengan pemegang saham biasa, karena pemegang saham preferen
umumnya tidak mempunyai suara dalam RUPS. Adapun
persamaannya adalah pemegang saham biasa maupun saham preferen
hanya berhak menerima deviden pada saat memperoleh keuntungan.
B. Return Saham Dan Return Market Serta Pengukurannya
Menurut Rodoni dan Othman Yong (2002:11), Return atau tingkat
keuntungan merupakan persentase kekayaan pemegang saham untuk sesuatu
jangka waktu. Peningkatan dalam rupiah adalah sama dengan deviden tunai
yang diterima dalam satu jangka waktu ditambah dengan perubahan dalam
nilai saham yang berlaku pada jangka waktu tersebut.
Tingkat pengembalian saham (return) merupakan suatu pendapatan
saham atau tingkat keuntungan yang berasal dari perubahan harga saham dan
diperoleh dari deviden yang dihasilkan ditambah selisih antara harga saham
pada periode tertentu dan harga saham pada periode berikutnya (Maulidah
dan Irwan Gunawan dalam Widayanti 2007:24).
Menurut Sunariyah dalam Hamidah (2005:8) tingkat pengembalian
investasi saham ditentukan berdasarkan ratio perubahan harga saham
individual. Indeks harga saham individual menggambarkan suatu rangkaian
informasi historis mengenai pergerakan harga masing-masing saham, sampai
pada periode tertentu, yang dapat berfungsi sebagai pengukuran kinerja suatu
saham di bursa efek.
Menurut Siebert dalam Widayanti (2007:25), total return adalah
keseluruhan uang yang diterima oleh investor dalam saham, merupakan
kombinasi antara deviden dan capital gain.
Return saham merupakan hasil yang diperoleh dari investasi saham.
Return saham dapat berupa imbalan realisasi yang sudah terjadi expected
return yang belum terjadi tetapi diharapkan akan terjadi di masa mendatang.
Imbalan realisasi (realized return) merupakan imbalan yang telah
terjadi. Imbalan realisasi dihitung berdasarkan data historis. Imbalan realisasi
penting karena digunakan sebagai salah satu pengukur kinerja perusahaan.
Imbalan ini juga berguna sebagai dasar penentuan expected return dan risiko
di masa datang.
Imbalan yang diharapkan (expected return) adalah imbalan yang
diharapkan akan diperoleh oleh investor di masa mendatang. Berbeda dengan
imbalan realisasi yang sifatnya sudah terjadi, imbalan harapan sifatnya belum
terjadi (Jogiyanto, 2003:109).
Komponen return saham meliputi :
1. Capital gain (loss), merupakan keuntungan (kerugian) bagi investor yang
diperoleh dari kelebihan harga jual (harga beli) di atas harga beli harga
jual) yang keduanya terjadi di pasar sekunder.
2. Dividend yield, merupakan pendapatan atas aliran kas yang diterima
investor secara periodik, misalnya berupa deviden atau bunga. Yield
dinyatakan dalam presentase dari modal yang ditanamkan.
Dari kedua komponen return tersebut, selanjutnya dapat dihitung
return total dan rate of return sebagai berikut :
Return Total = Capital Gain (loss) + devidend yield
Rate of Return = Cash Payment Received + Price Change Over The period
Purchase Price of The Security
Dalam melakukan penelitian biasanya return saham yang digunakan
adalah return saham yang berasal dari capital gain dan dividend yield, karena
dividen mempunyai sifat yang tetap sehingga relevan jika dimasukkan ke
dalam penelitian return saham dapat dihitung dengan menggunakan formula
berikut :
Rit = (Pi,t – Pi, t-1) Pi,t-1
Dimana :
Ri,t = Return saham ke-i pada periode t
Pi,t = Harga saham ke-i pada periode t
Pi,t-1 = Harga saham ke-i pada periode t
Keputusan investor memilih suatu saham sebagai objek investasinya
membutuhkan data historis terhadap pergerakan saham yang beredar di bursa,
baik secara individual, kelompok, dan gabungan. Mengingat transaksi
investasi saham terjadi pada setiap saham dengan variasi permasalahan yang
sangat rumit dan berbeda-beda, pergerakan harga saham memerlukan
identifikasi dan penyajian informasi yang bersifat spesifik.
Agar keputusan investasi yang diambil para investor tidak keliru,
mereka perlu juga memperhatikan tren atau pergerakan tingkat return pasar.
Investor selalu mencari investasi pada saham yang returnnya lebih besar
daripada return pasar. Return pasar pada umumnya dipengaruhi oleh harga-
harga saham perusahaan gabungan dan tingkat suku bunga nominal.
Return pasar adalah jumlah yang disyaratkan dan digunakan sebagai
solusi dari beberapa investasi dan masalah-masalah keuangan perusahaan.
Return pasar dihitung dengan formula:
Return Pasar (Rm) = IHSG t – IHSG t-1
IHSG t-1
Dimana : Rm = Return pasar
IHSG t = Indeks Harga Saham Gabungan pada periode t
IHSG t-1 = Indeks Harga Saham Gabungan pada periode
sebelumnya t-1
Selain itu, investor juga perlu memperhatikan return asset yang bebas
risiko agar return yang sudah diperoleh sudah melebihi return minimum yang
disyaratkan. Secara teoritis, imbalan asset bebas risiko adalah imbalan
minimum yang diharapkan investor untuk investasinya sehingga investor tidak
akan menerima risiko tambahan.
C. Risiko
Risiko merupakan besarnya penyimpangan antara return yang
diharapkan (expected return) dengan return yang dicapai secara nyata (actual
return). Semakin besar penyimpangannya berarti semakin besar tingkat
risikonya. Apabila risiko dinyatakan sebagai berapa jauh hasil yang diperoleh
bisa menyimpang dari hasil yang diharapkan, maka digunakan ukuran
penyebaran. Alat analisis yang digunakan sebagai ukuran penyebaran tersebut
adalah variance atau standar deviasi. Semakin besar nilainya, berarti semakin
besar penyimpangannya. Ini artinya, risiko akan semakin tinggi.
Menurut Gallati dalam Ferry N. Idroes dan Sugiarto (2006:7), risiko
didefinisikan sebagai “a condition in which there exist an exposure to
adversity”. Bessis (2002:11) mendefinisikan risiko sebagai “Risks are
uncertainties resulting in adverse variations of probability or in losses”.
Kemudian Ferry N. Idroes dan Sugiarto (2006: 7) risiko didefinisikan sebagai
“chance of a bad outcome”, maksudnya adalah suatu kemungkinan akan
terjadinya hasil yang tidak diinginkan, yang dapat menimbulkan kerugian
apabila tidak diantisipasi serta tidak dikelola semestinya.
Menurut Bramantyo Djohanputro (2006:15), pengertian dasar risiko
terkait dengan keadaan adanya ketidakpastian dan tingkat ketidakpastiannya
terukur secara kuantitatif. Anda dapat menghitung tingkat ketidakpastian
apabila anda dapat memperoleh informasi. jadi, yang membedakan risiko dan
ketidakpastian adalah informasi. Menurut Agus Sartono dalam Fithroty
(2005:8), risiko adalah penyimpangan tingkat keuntungan yang diharapkan.
Semakin besar penyimpangan tingkat keuntungan yang diharapkan berarti
semakin besar tingkat risikonya.
Menurut Tjiptono Darmadji dan Hendy M. Fakhruddin (2006:205),
risiko sistematis (Systematic Risk) adalah risiko yang selalu ada dan tidak
dapat dihilangkan dengan diversifikasi. Risiko ini dihadapi seluruh
perusahaan, misalnya: resesi ekonomi, risiko suku bunga, atau inflasi,
merupakan risiko yang dihadapi seluruh perusahaan, pada sektor apapun
perusahaan tersebut beroperasi. Risiko jenis ini sering juga disebut sebagai
risiko yang tidak dapat didiversifikasi (undiversifiable risk) atau risiko pasar
(market risk). Sebaliknya, risiko tidak sistematis (nonsystematic risk)
merupakan jenis risiko yang hanya dihadapi sejumlah perusahaan dalam
perekonomian atau risiko yang hanya berpengaruh pada sejumlah kelompok
aset, contohnya: sebuah kebijakan baru yang diterapkan pada industri bank
hanya berpengaruh pada bank dan tidak berdampak risiko pada perusahaan
industri lain. Risiko ini sering pula disebut risiko spesifik (specific risk).
Menurut Suad Husnan (1998:6), risiko investasi terdiri dari dua jenis
yaitu:
1. Risiko sistematis karena dampak risiko ini tidak dapat dihindarkan sebagai
akibat kondisi perekonomian secara umum, sehingga berpengaruh
terhadap semua perusahaan.
2. Risiko tidak sistematis yang dapat dihindarkan dengan melakukan
diversifikasi investasi dengan melakukan portofolio saham. Karena risiko
sistematis ini berkaitan dengan kondisi perusahaan secara spesifik,
sehingga berpengaruh terhadap sekelompok kecil perusahaan.
Terdapat beberapa jenis risiko, yang mungkin timbul dan
dipertimbangkan dalam membuat keputusan investasi:
1. Risiko bisnis (bussiness risk), merupakan risiko yang timbul akibat
menurunnya profitabilitas perusahaan emiten.
2. Risiko likuiditas (liquidity risk), risiko ini berkaitan denagn kemampuan
saham yang bersangkutan untuk dapat segera diperjualbelikan tanpa
mengalami kerugian yang berarti.
3. Risiko tingkat bunga (interest rate risk), merupakan risiko yang timbul
akibat perubahan tingkat bunga yang berlaku di pasar. Biasanya risiko ini
berjalan berlawanan dengan harga-harga instrumen pasar modal.
4. Risiko pasar (market risk), merupakan risiko yang timbul akibat kondisi
perekonomian negara yang berubah-ubah yang dipengaruhi oleh resesi
dan kondisi perekonomian lain. Ketika security market index meningkat
secara terus-menerus selama jangka waktu tertentu, trend yang menaik ini
disebut bull market. Sebaiknya, ketika security market index menurun
secara terus-menerus selama jangka waktu tertentu, trend yang menurun
ini disebut bear market. Dengan kekuatan bull market dan bear market ini
cenderung mempengaruhi semua saham secara sistematis, sehingga
imbalan pasar menjadi berfluktuasi.
5. Risiko daya beli (purchasing power-risk), merupakan risiko yang timbul
akibat pengaruh perubahan tingkat inflasi, dimana perubahan ini akan
menyebabkan berkurangnya daya beli uang yang diinvestasikan maupun
bunga yang diperoleh dari investasi sehingga menyebabkan nilai riil
pendapatan akan lebih kecil.
6. Risiko mata uang (currency risk), merupakan risiko yang timbul akibat
perubahan nilai tukar mata uang domestik (misalnya rupiah) dengan mata
uang negara lain (misalnya dollar Amerika).
D. Model Keseimbangan
Menurut Jacob dan Pettit dalam Ahmad Rodoni dan Othman Yong,
(2002:117), keseimbangan pasar adalah keadaan dimana kuantitas setiap
sekuritas dalam pasar modal yang lengkap menyamai kuantitas setiap
sekuritas yang ditawarkan kepada pasaran, oleh investor yang ingin menjual
kepemilikan mereka, oleh perusahaan yang menerbitkannya atau oleh
pemerintah yang memerlukan modal untuk membiayai pembelian aset dan
harga yang keseimbangan sedemikian dicapai dikenali sebagai harga
keseimbangan.
1. Capital Asset Pricing Model (CAPM)
Capital Asset Pricing Model (CAPM) atau Model Penetapan
Harga Aset Modal merupakan sebuah alat untuk memprediksikan
keseimbangan imbal hasil yang diharapkan dari suatu aset berisiko. Pada
tahun 1952, Harry Markowitz meletakkan fondasi manajemen portofolio
modern. Kemudian (1964-1966), CAPM yang dipelopori oleh Sharpe,
Lintner, dan Mossin mengasumsikan bahwa individu melakukan investasi
berdasarkan teori portofolio, yaitu setiap individu akan memaksimumkan
tingkat keuntungan pada sesuatu tahap risiko.
Menurut Liliana Inggrit Wijaya (2000:60) CAPM merupakan
model untuk menjelaskan besaran expected return. Pengertian Capital
Asset Pricing Model (CAPM) adalah merupakan model penetapan harga
sekuritas (aktiva) berisiko dalam keseimbangan pasar dalam portofolio
yang terdiversifikasi dengan baik. Capital Asset Pricing Model (CAPM)
mencoba untuk menjelaskan hubungan antara risk dan return. Dalam
penilaian mengenai risiko biasanya saham biasa digolongkan sebagai
investasi yang berisiko. Risiko sendiri berarti kemungkinan penyimpangan
perolehan aktual dari perolehan yang diharapkan (possibility), sedangkan
derajat risiko (degree of risk) adalah jumlah dari kemungkinan fluktuasi
(amount of potential fluctuation). Menurut Suad Husnan (1998:6),
Definisi CAPM bahwa antara return dan risiko mempunyai korelasi yang
positif dan linier, sehingga kenaikan risiko juga menyebabkan naiknya
return, dengan demikian asumsi CAPM sangatlah rasional, yaitu risiko
yang tinggi diharapkan menikmati return yang tinggi pula.
Menurut Ahmad Rodoni dan Othman Yong (2002:118), CAPM
adalah nama yang diberikan kepada satu kedudukan prinsip yang
menerangkan bagaimana para investor berperilaku dalam pasaran. CAPM
sangat berguna karena:
a. Secara relatif CAPM adalah mudah dan dapat dibentuk melalui
aplikasi secara langsung teori portofolio.
b. Implikasinya adalah seperti Hipotesis Pasaran Efisien, yaitu CAPM
telah diuji dengan data sebenarnya dan didapatkan agak sesuai dengan
ramalan teori. CAPM juga dapat digunakan sebagai satu asas untuk
penyesuaian selanjutnya yaitu sebagaimana yang digunakan oleh para
analisis sekuritas.
Secara ringkas, asumsi-asumsi penting CAPM adalah seperti
berikut:
a. Tidak ada biaya perdagangan, tidak ada pajak dan sekuritas dapat
dipecah-pecahkan kepada unit terkecil.
b. Semua peserta adalah pesaing yang sempurna.
c. Semua investor mempunyai ujung investasi yang sama.
d. Investor membuat keputusan investasi berdasarkan keuntungan
diharapkan portofolio dan standar deviasi keuntungan.
e. Semua investor mempunyai pengharapan secara umum yang sama.
f. Asset bebas risiko wujud dan sedia ada bagi semua investor untuk
tujuan meminjam dan memberi pinjaman.
Bodie et al. (2006) menjelaskan bahwa Capital Asset Pricing
Model (CAPM) merupakan hasil utama dari ekonomi keuangan modern.
Capital Asset Pricing Model (CAPM) memberikan prediksi yang tepat
antara hubungan risiko sebuah aset dan tingkat harapan pengembalian
(expected return). Walaupun Capital Asset Pricing Model belum dapat
dibuktikan secara empiris, Capital Asset Pricing Model sudah luas
digunakan karena Capital Asset Pricing Model akurasi yang cukup pada
aplikasi penting.
Capital Asset Pricing Model mengasumsikan bahwa para investor
adalah perencana pada suatu periode tunggal yang memiliki persepsi yang
sama mengenai keadaan pasar dan mencari mean-variance dari portofolio
yang optimal. Capital Asset Pricing Model juga mengasumsikan bahwa
pasar saham yang ideal adalah pasar saham yang besar, dan para investor
adalah para price-takers, tidak ada pajak maupun biaya transaksi, semua
aset dapat diperdagangkan secara umum, dan para investor dapat
meminjam maupun meminjamkan pada jumlah yang tidak terbatas pada
tingkat suku bunga tetap yang tidak berisiko (fixed risk free rate). Dengan
asumsi ini, semua investor memiliki portofolio yang risikonya identik.
Capital Asset Pricing Model menyatakan bahwa dalam keadaan
ekuilibrium, portofolio pasar adalah tangensial dari rata-rata varians
portofolio. Sehingga strategi yang efisien adalah passive strategy. Capital
Asset Pricing Model berimplikasi bahwa premium risiko dari sembarang
aset individu atau portofolio adalah hasil kali dari risk premium pada
portofolio pasar dan koefisien beta.
Dalam keadaan ekulibrium hasil return yang disyaratkan (required
return) oleh investor untuk suatu saham akan dipengaruhi oleh saham
tersebut. Dalam hal ini risiko yang diperhitungkan hanyalah risiko
sistematis (systematic risk) atau risiko pasar yang diukur dengan beta.
Sedangkan risiko yang tidak sistematis (unsystematic risk) tidak relevan,
karena risiko ini dapat dihilangkan dengan cara diversifikasi.
Menurut teori CAPM tingkat pendapatan yang diharapkan dari
suatu sekuritas dapat dihitung dengan menggunakan rumus:
E (Ri) = RF + βi [ E(RM)-RF]
Dimana :
E(Ri) = Tingkat pendapatan yang diharapkan dari sekuritas i
yang mengandung risiko.
RF = Tingkat pendapatan bebas risiko.
E(RM) = Tingkat pendapatan yang diharapkan dari portofolio
pasar.
βi = Tolak ukur risiko yang tidak bisa terdiversifikasi
dari berharga yang ke-i.
Untuk mengestimasi besarnya koefisien beta, bisa digunakan
market model. Rumus dari persamaan market model adalah sebagai
berikut:
Ri = αi + βi RM + ei
Dimana :
Ri = Tingkat pendapatan sekuritas i
RM = Tingkat pendapatan indeks pasar
βi = Slope (beta)
αi = Intersep
ei = random residual error
Pendapatan sesungguhnya (actual return) adalah pendapatan yang
telah diterima para investor dari selisih harga saham pada periode t dengan
harga saham pada periode t-1.
Pendapatan yang diharapkan (expected return) adalah pendapatan
masing-masing saham yang diharapkan oleh para investor pada masa yang
akan datang, yang diukur dengan menggunakan model CAPM.
Pendapatan pasar (market return) adalah pendapatan yang
diperoleh dari selisih Indeks Harga Saham Gabungan (IHSG) pada
periode t dengan Indeks Harga Saham Gabungan (IHSG) pada periode t-1
di Bursa Efek Indonesia.
Hubungan formal antara risiko dan tingkat keuntungan dalam
investasi aset keuangan dinyatakan dengan garis pasar, yang terdiri atas
dua jenis, yaitu :
a. Garis Pasar Sekuritas (Security Market Line – SML)
Hubungan antara risiko yang diukur dengan beta dengan
return yang disyaratkan ditujukan oleh garis pasar sekuritas (SML).
Dalam hal ini jika beta suatu saham dapat diukur dengan tepat, maka
dalam keadaan equilibrium required return juga dapat diperkirakan.
Penaksirannya didasarkan pada hasil investasi beban risiko ditambah
dengan premi risiko pasar dikalikan dengan beta. Dengan demikian
SML dapat dirumuskan sebagai berikut :
SML = Rf + (Rm –Rf) β
Dimana :
SML = Garis pasar sekuritas
Rf = Return saham atas investasi bebas risiko
β = Kepekaan atas return saham i terhadap expected return
market
Rm-Rf = Premi risiko pasar
Beta (β) merupakan risiko yang berasal dari hubungan antara
return suatu saham dengan return pasar. Faktor-faktor yang
mempengaruhi beta:
1) Cyclicality, yaitu seberapa jauh suatu perusahaan dipengaruhi
perubahan kondisi makroekonomi. Semakin peka terhadap
kondisi, maka beta akan semakin tinggi.
2) Operating leverage, yaitu proporsi dari biaya perusahaan yang
merupakan biaya tetap.
3) Financial leverage, yaitu proporsi penggunaan utang dalam
struktur pembiayaan perusahaan.
Koefisien beta dapat ditentukan dengan rumus sebagai berikut:
β = N (Σxy) – (Σx) (Σy) N (Σx2) – (Σx)2
Semakin besar koefisien beta, maka akan semakin peka excess
return suatu saham terhadap perubahan excess return portofolio pasar,
sehingga saham itu akan semakin berisiko. Dengan demikian dapat
dikatakan bahwa, tingkat return portofolio ditentukan oleh risiko
sistematis atau risiko pasar yang diukur dengan beta dan tingkat return
pasar.
Atau dapat dinyatakan dengan rumus Bodie et al. (2006:385):
Βi = Cov (Ri.Rm) Var (Rm)
keterangan:
βI = Beta saham
Cov = Covarian
Var = Varians
Ri = Return saham
Rm = Return Pasar
b. Garis Pasar Modal (Capital Market Line-CML)
Dalam penjelasan sebelumnya diketahui bahwa SML
merupakan garis yang menghubungkan beta atau risiko pasar dengan
required return untuk semua saham, baik yang efisien maupun yang
tidak efisien. Sedangkan garis pasar modal (CML) merupakan garis
yang menghubungkan antara risiko total yang diukur dengan standar
deviasi (σ) dengan return yang disyaratkan (required return)
portofolio yang efisien saja.
Hubungan risiko total dengan imbalan yang disyaratkan
(required return) pada investasi yang efisien dinyatakan sebagai CML
dan dirumuskan sebgai berikut :
CML = Rf + (Rm – Rf) SDp SDm Dimana :
CML = Garis pasar modal
Rf = imbalan atas investasi bebas risiko
SDm = Standar deviasi (total risk) pasar
SDp = Standar deviasi (total risk) portofolio
Rm-Rf = Premi risiko pasar
2. Arbitrage Pricing Theory (APT)
Capital Asset Pricing Model bukanlah satu-satunya teori yang
mencoba menjelaskan bagaimana suatu aktiva ditentukan harganya oleh
pasar. Ross (1976) merumuskan suatu teori yang disebut sebagai
Arbitrage Pricing Theory (APT). Menurut Robert Ang (1997:214), APT
(Arbitrage Pricing Theory) menggunakan return dari suatu aset (sekuritas)
yang dikaitkan dengan beberapa faktor yang dikaitkan dengan beberapa
faktor yang mempengaruhi pasar. APT ini digunakan untuk memprediksi
harga suatu saham di masa yang akan datang. Ross dalam Bodie et al.
(2006:446), APT didasarkan pada tiga proporsi, yaitu:
a. Imbal hasil sekuritas dapat dijelaskan dengan sebuah model faktor.
b. Terdapat cukup banyak sekuritas untuk menghilangkan risiko istimewa
dengan diversifikasi.
c. Pasar sekuritas yang berfungsi tidak baik tidak memugkinkan terjadinya
peluang arbitrase secara terus menerus.
Menurut Suad Husnan (2001:197), APT pada dasarnya
menggunakan pemikiran yang menyatakan bahwa dua kesempatan
investasi yang memepunyai karakteristik yang identik sama tidaklah bisa
dijual dengan harga yang berbeda. Apabila aktiva yang karakteristik sama
tersebut terjual dengan harga yang berbeda, maka akan dapat kesempatan
untuk melakukan arbitrage dengan membeli aktiva yang berharga murah
pada saat yang sama menjual dengan harga yang lebih tinggi sehingga
memperoleh laba tanpa risiko. Arbritrage Pricing Theory (APT) tidak
menggunakan asumsi apapun tentang portofolio pasar. APT hanya
mengatakan bahwa tingkat keuntungan suatu saham dipengaruhi oleh
faktor-faktor tertentu, yang jumlahnya bisa lebih dari satu.
Seperti halnya CAPM, teori pembentukan harga arbitrase
(Arbitrage Pricing Theory-APT) menekankan bahwa tingkat keuntungan
yang diharapakan tergantung pada pengaruh faktor-faktor makro ekonomi
dan tidak oleh risiko unik. Kita bisa menganggap faktor-faktor yang ada
pada APT adalah portofolio-pertofolio khusus yang cenderung
dipengaruhi oleh pengaruh bersama. Daya tarik APT adalah bahwa kita
tidak perlu mengidentifikasikan market portfolio (yang diperlukan untuk
menghitung beta dalam CAPM) disamping itu APT memungkinkan
penggunaan lebih dari satu faktor untuk menjelaskan tingkat keuntungan
yang diharapkan.
Menurut Reilley dalam Muhammad Madyan (2004:6), APT
menggambarkan hubungan antara risiko dan pendapatan, tetapi dengan
menggunakan asumsi dan prosedur yang berbeda. Tiga asumsi yang
mendasari model Arbitrage Pricing Theory (APT) adalah:
a. Pasar Modal dalam kondisi persaingan sempurna,
b. Para Investor selalu lebih menyukai kekayaan yang lebih daripada
kurang dengan kepastian,
c. Hasil dari proses stochastic artinya bahwa pendapatan asset dapat
dianggap sebagai K model faktor.
Dari asumsi yang menyatakan investor percaya bahwa pendapatan
sekuritas akan ditentukan oleh sebuah model faktorial dengan k faktor
risiko. Dengan demikian, dapat ditentukan pendapatan aktual untuk
sekuritas i dengan menggunakan rumus sebagai berikut :
Ri,t = ai + bi1F1t + bi2 F2t + … …+ bik Fkt + eit
Dimana :
Ri,t = Tingkat pendapatan sekuritas i pada periode t
ai = Konstanta
bik = Sensitivitas pendapatan sekuritas i terhadap faktor k
Fkt = Faktor k yang mempengaruhi pendapatan
eit = random error.
Untuk menghitung pendapatan sekuritas yang diharapkan pada
model APT dapat digunakan rumus sebagai berikut:
E(Ri,t) = ai + bi1F1t + bi2 F2t + … …+ bik Fkt
Keterangan :
E(Ri,t)= Tingkat pendapatan yang diharapkan sekuritas i pada
periode t
ai = Konstanta
bik = Sensitivitas pendapatan sekuritas i terhadap faktor k pada
periode t
Fkt = Faktor k yang mempengaruhi pendapatan pada periode t
eit = random error
Menurut Bodie et al. (2006:456), APT adalah model yang sangat
menarik. Ini tergantung pada asumsi bahwa keseimbangan rasional di
pasar modal akan menghilangkan peluang arbitrage. Pelanggaran
terhadap hubungan pembentukan harga dalam APT akan menyebabkan
tekanan yang sangat kuat untuk mengembalikan harga meskipun hanya
sedikit sekali investor yang menyadari adanya ketidakseimbangan
tersebut. Selanjutnya, APT menghasilkan hubungan antara imbal hasil
yang diharapkan dengan beta yang menggunakan portofolio yang
terdiversifikasi dengan baik yang prakteknya dapat dibentuk dari sejumlah
besar sekuritas.
Menurut Ahmad Rodoni dan Othman Yong (2002:171), APT
sebenarnya adalah berasaskan CAPM, tetapi ia telah mempertimbangkan
faktor-faktor lain yang mempengaruhi keuntungan sekuritas memandang
dunia jadi semakin kompleks. Faktor-faktor ini akan memberi kesan yang
berlainan kepada sekuritas yang berlainan. Jadi, bagi sekuritas i dalam
jangka waktu t, keuntungannya dapat diwakili oleh kombinasi antara
pengharapan keuntungan seimbang dan faktor-faktor yang
mempengaruhinya. Pengharapan keuntungan seimbang ini adalah
ditentukan oleh permintaan dan penawaran sekuritas perusahaan. Faktor-
faktor yang akan mempengaruhi keuntungan sekuritas adalah terdiri dari
faktor-faktor makro dan mikro. Contoh faktor-faktor makro ialah seperti
inflasi, politik, tingkat bunga, dan lain-lain .
E. Variabel-variabel Makroekonomi
Menurut Mankiw (dalam Widayanti, 2007:14), makroekonomi
adalah studi mengenai perekonomian secara keseluruhan. Sedangkan menurut
Case dan Fair dalam Widayanti (2007:15), makroekonomi membahas agregat
seperti konsumsi agregat dan investasi agregat, melihat tingkat harga
keseluruhan dan bukan harga individual. Perhatian utamanya inflasi,
pertumbuhan keluaran, pendapatan nasional, dan pengangguran.
1. Inflasi
Menurut Sasana (dalam Widayanti, 2007:19), Inflasi adalah
Keadaan dimana terjadi kelebihan permintaan barang dalam
perekonomian suatu negara secara keseluruhan.
Inflasi merupakan fenomena ekonomi yang berkaitan dengan
dampaknya terhadap makro ekonomi agregat, pertumbuhan ekonomi,
keseimbangan eksternal, daya saing, tingkat bunga dan bahkan distribusi
pendapatan. Inflasi juga sangat barperan dalam mempengaruhi mobilisasi
dana lewat lembaga keuangan formal. Tingkat harga merupakan
opportunity cost bagi masyarakat dalam memegang aset finansial.
Semakin tinggi perubahan tingkat harga maka makin tinggi pula
opportunity cost untuk memegang aset finansial. Artinya masyarakat akan
merasa lebih beruntung jika memegang aset dalam bentuk rill
dibandingkan aset finansial jika tingkat harga tetap tinggi. Jika aset
finansial luar negeri dimasukkan sebagai salah satu pilihan aset, maka
perbedaan tingkat inflasi dalam negeri dan internasional dapat
menyebabkan nilai tukar rupiah terhadap mata uang asing menjadi
overvalued dan pada gilirannya akan menghilangkan daya saing
komoditas Indonesia.
Menurut Sukirno dalam Widayanti (2007:20), dalam ilmu
ekonomi, inflasi memang selalu terjadi. Kenaikan harga barang lebih baik
daripada penurunan harga barang, karena akan memicu produsen untuk
menghasilkan lebih banyak barang. Yang harus dikendalikan adalah
berapa besar nilai inflasinya, agar jangan sampai mengganggu daya beli
masyarakat. Untuk mengukur tingkat inflasi, indeks harga yang digunakan
adalah indeks harga konsumen. Indeks harga konsumen adalah indeks
harga dan barang-barang yang selalu digunakan para konsumen.
Akibatnya suatu perekonomian dalam masa inflasi terdapat kecendrungan
di antara pemilik modal untuk menggunakan uangnya dalam investasi
bersifat spekulatif dan tingkat harga meningkat sehingga dapat
mengurangi investasi. Hal ini menimbulkan ketidakpastian mengenai
keadaan ekonomi masa depan. Dalam ilmu ekonomi, inflasi adalah suatu
proses meningkatnya harga-harga secara umum dan terus-menerus
(kontinu). Dengan kata lain, inflasi juga merupakan proses menurunnya
nilai mata uang secara kontinu. Inflasi adalah proses dari suatu peristiwa,
bukan tinggi-rendahnya tingkat harga. Artinya, tingkat harga yang
dianggap tinggi belum tentu menunjukan inflasi. Inflasi dianggap terjadi
jika proses kenaikan harga berlangsung secara terus-menerus dan saling
pengaruh-mempengaruhi. Istilah inflasi juga digunakan untuk
mengartikan peningkatan persediaan uang yang kadangkala dilihat sebagai
penyebab meningkatnya harga. Inflasi merupakan permasalahan
perekonomian dalam bidang moneter yang ditakuti oleh semua negara.
Inflasi tidak akan memilih sasarannya apakah itu negara maju atau pun
negara berkembang. Perbedaannya hanya pada tingkat inflasi yang
dialami. Pengertian inflasi sering didefinisikan dengan kalimat yang
berbeda-beda tetapi semuanya mempunyai makan sama yaitu
membicarakan mengenai barang kebutuhan masyarakat yang harganya
naik secara terus menerus. Dengan kata lain inflasi diartikan sebagai suatu
kecenderungan terjadinya kenaikan harga-harga umum secara terus
menerus.
Dilihat dari asalnya, tekanan inflasi dapat dibedakan atas domestic
pressures (berasal dari dalam negeri) dan external pressures (berasal dari
luar negeri). Tekanan yang berasal dari dalam negeri dapat diakibatkan
oleh adanya gangguan dari sisi penawaran dan permintaan serta kebijakan
yang diambil oleh instansi lain di luar BI, misalnya kebijakan
penghapusan subsidi pemerintah, kenaikan pajak, dan lain-lain. Gangguan
dari sisi penawaran dapat timbul apabila terjadi musim kering yang
mengakibatkan gagal panen, terjadinya bencana alam, gangguan distribusi
tidak lancar dan adanya kerusuhan-kerusuhan sosial yang berakibat
terputusnya pasokan dari luar daerah. Gangguan dari sisi permintaan dapat
terjadi apabila otoritas moneter menerapkan kebijakan uang longgar.
Inflasi dapat digolongkan menjadi tiga golongan, yaitu inflasi
ringan, sedang, berat, dan hiperinflasi. Inflasi ringan terjadi apabila
kenaikan harga berada di bawah angka 10% setahun; inflasi sedang antara
10%-30% setahun; berat antara 30%-100% setahun; dan hiperinflasi atau
inflasi tak terkendali terjadi apabila kenaikan harga berada di atas 100%
setahun.
untuk mengukur pertumbuhan inflasi dapat digunakan formula
sebagai berikut:
pinflasi = (inflasi t – inflasi t-1) inflasi t-1
Keterangan:
P inflasi = perubahan tingkat inflasi
inflasi t = tingkat inflasi pada periode ke-t
inflasi t-1 = tingkat inflasi pada periode sebelum ke-t
Dari segi penyebab awal inflasi, inflasi dibagi menjadi tiga, yaitu:
a. Inflasi yang timbul karena permintaan masyarakat akan berbagai
barang terlalu kuat. Inflasi semacam ini disebut demand pull inflation.
b. Inflasi yang timbul karena kenaikan ongkos produksi secara terus-
menerus. Inflasi ini disebut dorongan ongkos atau cost push inflation.
c. Inflasi permintaan dan penawaran, inflasi ini disebabkan kenaikan
permintaan di satu sisi dan penurunan penawaran di sisi lain. Kejadian
ini akan menjadi penyebab timbulnya karena orang yang
menginginkan barang bertambah sedangkan orang yang mau menjual
barang berkurang.
2. Suku Bunga SBI
Suku bunga adalah biaya yang harus dibayar oleh peminjam atas
pinjaman yang diterima dan merupakan imbalan bagi pemberi pinjaman
atas investasinya. Tingkat suku bunga digunakan pemerintah untuk
mengendalikan tingkat harga ketika tingkat harga tinggi dimana jumlah
uang yang beredar di masyarakat banyak, konsumsi masyarakat yang
tinggi diantisipasi oleh pemerintah dengan menetapkan tingkat bunga
yang tinggi. Dengan tingkat suku bunga yang tinggi diharapkan uang yang
beredar berkurang karena masyarakat akan menginvestasikan uangnya di
tabungan pada bank yang menggunakan tingkat suku bunga tersebut
sebagai alat untuk mengendalikan jumlah uang beredar (Widayanti,
2007:17).
Adapun cara untuk menghitung suku bunga SBI adalah sebagai
berikut :
pSBI = SBI rate t 12
Keterangan:
pSBI rate = perubahan suku bunga BI rate
SBI rate t = suku bunga BI rate periode ke-t
Sertifikat Bank Indonesia (SBI) merupakan instrumen investasi
jangka pendek (kurang dari satu tahun) yang diterbitkan oleh Bank
Indonesia, yang fungsi utamanya adalah untuk menjaga stabilitas moneter
Indonesia.
Dengan menerbitkan SBI (yang dilakukan melalui mekanisme lelang),
maka BI dapat menyerap likuiditas (uang yang beredar di masyarakat),
sehingga nilai tukar rupiah dapat dikendalikan. Biasanya pembeli SBI itu
mayoritas adalah kalangan investor asing dan korporasi, seperti dana
pensiun, asset management, asuransi, dan lain-lain.
Dampak dari tingkat bunga yang tinggi adalah menurunnya harga
saham karena dengan meningkatnya suku bunga, maka masyarakat akan
lebih memilih investasi dalam bentuk tabungan atau deposito daripada
menginvestasikan pada saham.
3. Kurs (Nilai Tukar Rupiah Terhadap Dollar)
Menurut Sadono Sukirno dalam Fauzan (2007), kurs (nilai tukar)
atau valas adalah suatu nilai yang menunjukkan mata uang dalam negeri
yang diperlukan untuk mendapatkan suatu unit mata uang asing.
Sedangkan menurut Husnan dalam Fauzan (2007), menyatakan bahwa
kurs valas di Indonesia biasanya dinyatakan sebagai berapa rupiah yang
diperlukan oleh bank untuk membeli satu untuk mata uang (kurs beli) dan
berapa rupiah yang akan diterima kalau menjual satu unit mata uang asing
(kurs jual).
Untuk menghitung kurs adalah dengan menggunakan rumus
sebagai berikut:
pKurs = (Kurs tengah t – Kurs tengah t-1) Kurs tengah t-1
Keterangan:
pKurs = perubahan kurs
Kurs tengah t = kurs tengah periode ke-t
Kurs tengaht-1 = kurs tengah sebelum periode ke-t
Nilai sebuah mata uang, yakni nilai tukarnya terhadap mata uang
lain, tergantung pada daya tarik mata uang tersebut di pasar. Jika
permintaan akan sebuah mata uang tinggi, maka harganya akan naik
relatif terhadap mata uang lainnya. Akan tetapi, perubahan dalam kondisi
politik suatu negara atau menurunnya perekonomian akibat laju inflasi
yang tinggi dan defisit perdagangan, dapat juga mengakibatkan nilai
sebuah mata uang yang stabil jatuh, karena para investor lebih memilih
menukarkan uangnnya ke mata uang lain yang dianggap lebih stabil. Yang
dimaksud dengan kurs valuta asing adalah perbandingan nilai tukar mata
uang suatu negara dengan negara lain.
Kurs valuta asing adalah perbandingan nilai tukar mata uang suatu
negara dengan negara lain. Nilai kurs terbagi menjadi dua, yaitu kurs jual
dan kurs beli. Kurs jual adalah harga jual valuta asing atau bank atau
money changer. Kurs beli adalah kurs yang diberlakukan bank apabila
bank membeli valuta asing.
4. Jumlah Uang Yang Beredar
Sejak pertama peradaban manusia mengenal uang sebagai alat
bantu pembayaran, hingga saat ini telah terjadi evolusi dalam sistem
pembayaran. Perkembangan cara masyarakat untuk melakukan
pembayaran dalam transaksi ekonomi akan mempengaruhi makna uang di
masa-masa yang akan datang. Uang beredar terdiri atas tiga jenis yaitu:
a. Uang kartal, (logam dan kertas) yang ada di tangan masyarakat (di
luar bank umum) dan siap dibelanjakan, setiap saat dikeluarkan oleh
bank sentral.
b. Uang giral, yaitu uang di rekening giro (demand deposits) yang
diciptakan oleh bank-bank umum atau dikenal BPUG (Bank umum
Pencipta Uang Giral).
c. Uang kuasi, yaitu uang dalam bentuk tabungan (saving deposits) dan
deposito berjangka (time deposit) yang dikeluarkan oleh bank-bank
umum.
Adapun jenis-jenis uang beredar di Indonesia terdiri dari dua
macam:
a. Uang beredar dalam arti sempit (M1) yaitu kewajiban sistem moneter
(bank sentral dan bank umum) terhadap sektor swasta domestik
(penduduk) meliputi uang kartal (C) dan uang giral (D).
b. Uang beredar dalam arti luas (M2) disebut juga Likuiditas
Perekonomian yaitu kewajiban sistem moneter terhadap sektor swasta
domestik meliputi M1 ditambah uang kuasi (T).
Untuk menghitung jumlah uang yang beredar dapat menggunakan
rumus sebagai berikut :
pJUB = (JUB t – JUB t-1) JUB t-1
Keterangan:
pJUB = perubahan jumlah uang yang beredar
JUB t = jumlah uang yang beredar periode ke-t
JUB t-1 =jumlah uang yang beredar sebelum periode
ke-t
Mekanisme penciptaan uang yaitu, Terdiri dari tiga pelaku, yaitu:
bank sentral, bank umum dan sektor swasta domestik. Interaksi terjadi
antara penawaran uang oleh sistem moneter dan permintaan uang oleh
sektor swasta domestik. Penciptaan uang primer oleh otoritas moneter.
Uang primer/inti (M0) adalah uang kartal dan simpanan giro bank umum.
Disebut primer / inti karena jenis uang ini merupakan inti atau biang
dalam proses penciptaan uang beredar (C, D, dan T). Uang kartal adalah
uang primer tetapi tidak semua uang primer adalah uang kartal.
Uang memiliki peranan yang berarti dalam perekonomian,
perkembangan perekonomian dapat diamati dari dua sektor yang saling
terkait yaitu sektor riil (pasar barang dan jasa) dan sektor moneter (pasar
uang). Aliran uang sebanding dengan aliran barang dan jasa.
F. Penelitian Terdahulu
Beberapa penelitian empiris dalam penerapan multi-factor CAPM
dengan menggunakan beta dan faktor fundamental sebagai faktor pengukur
risiko telah dilakukan diantaranya penelitian yang telah dilakukan oleh Banz
(1981) yang menguji ukuran perusahaan sebagai faktor fundamental;
Rosenberg, Reid, and Lainstein (1985) yang menguji ratio of book-to-market
value; Chan, Hamao, and Lakonnishock (1991) yang menguji faktor makro
dan price to earnings ratio. Penelitian yang sama juga pernah dilakukan oleh
Sudarto, dkk (1999) dengan menggunakan variabel beta saham dan Debt
Equity Ratio (DER), demikian halnya dengan penelitian yang dilakukan oleh
Wardani (2000) dengan melakukan penambahan nilai saham yang beredar.
Pengujian oleh Black, Jansen dan Schooles, juga oleh Fama dan MacBeth
menggabungkan saham-saham menjadi portofolio untuk menaksir beta tiap-
tiap portofolio, kemudian melakukan regresi cross sectional antara rata-rata
return dengan beta tiap-tiap portofolio.
Ada juga pengujian yang menggunakan surat-surat berharga
individual, misalnya oleh Linzerberger, Ramaswamy dan Gibbons. Hasil
pengujian tersebut rata-rata membuktikan bahwa:
1. Intersep CAPM secara signifikan tidak sama dengan tingkat bebas risiko,
hal ini membuktikan bahwa zero beta CAPM lebih berlaku di dunia nyata.
2. Kemiringan atau slope dari persamaan CAPM ternyata lebih rendah
daripada yang diramalkan (Rm-Rf).
3. Tidak ada bukti bahwa hubungan antara risiko sistematis dan return tidak
linear, hal ini masih sesuai dengan spesifikasi CAPM.
4. Faktor-faktor selain beta ternyata berperan di dalam menerangkan return
surat berharga, misalnya P/E rasio, besar kecilnya perusahaan, jenis
perusahaan, musiman dan sebagainya.
Pengujian CAPM di BEJ antara lain oleh Suad Husnan pada tahun
1990 yaitu dengan menggunakan metode yang sama dengan Black, Jensen,
Scholes pada tahun 1972, hasilnya adalah banyak beta yang signifikan secara
statistik dan standar CAPM tidak berlaku di BEJ, tetapi yang berlaku adalah
zero beta CAPM.
Budi Harsono Lim (2005) melakukan studi empiris yang didasarkan
pada metode pengujian CAPM yang diajukan Lintner (1965) dan Fama dan
MacBeth (1973). dalam pengujian hubungan risiko dan tingkat pengembalian
dengan metode Lintner, selain menggunakan metode yang diajukan, juga
mengelaborasi beberapa kritik Miller dan Shcoles yang menyatakan bahwa
metode Lintner tersebut menyebabkan bias pada hasil yang ditemukan.
Replikasi terhadap metode Fama dan MacBeth menggunakan pendekatan
portofolio untuk memperoleh estimasi beta yang lebih akurat. Dengan
menggunakan risiko portofolio tersebut, beliau melakukan pengujian
hubungan tehadap risiko tingkat pengembalian bulan per bulan untuk
mengamati relevansi risiko dan efisiensi pasar. secara keseluruhan, temuan
empiris yang diperoleh menunjukan bahwa beta adalah relevan sebagai risiko
sistematis dan kompensasi atas risiko tersebut adalah positif. Selain itu
terbukti bahwa model dua faktor Black lebih mampu menggambarkan
hubungan risiko tingkat pengembalian yang terjadi. Temuan dengan
menggunakan metode Lintner menunjukkan bahwa:
1. Beta adalah relevan dan terdapat price of risk positif,
2. Risiko residual tidak relevan, dan
3. Tingkat pengembalian portofolio zero beta selama periode pengujian
adalah negatif.
Ima Suryani (2003) melakukan pengujian empiris konsistensi CAPM
di Pasar Modal Indonesia Periode 1999-2001 dengan menentukan korelasi
antara E(Ri) dan Ri. dari hasil pengujian dapat disimpulkan bahwa CAPM
konsisiten di Pasar Modal Indonesia dan menyarankan agar investor, emiten,
BAPEPAM dan peneliti selanjutya menggunakan CAPM sebagai landasan
teori.
Moch. Taufik Riantoso (2000) telah menguji aplikasi model CAPM
dan portofolio saham untuk mempelajari risiko dan keuntungan daham pasar
modal sebagai alternatif pengelolaan investasi yang semakin menguntungkan
dan membawa kita untuk menganalisa bagaimana investasi saham harus
dilakukan dengan mengamati risiko dan return saham. Pendekatan dilakukan
dengan menggunakan model CAPM dan teori portofolio, untuk menganalisa
risiko dan return saham, dan dengan metodologi tertentu diharapkan
memenuhi tujuan penelitian dengan menghasilkan keputusan dan rencana
strategi yang baik. pengamatan dilakukan terhadap 12 saham yang termasuk
dalam BI-40 dengan mengambil data kegiatan usaha, finansial dan data harga
saham yang lalu. Data harga saham yang telah diolah digunakan untuk
mengulas dan menganalisa saham. Data-data yang telah diolah tersebut
dianalisa dengan model CAPM tentang pola pergerakan saham, bagaimana
hubungannya dengan harga pasar dan kemudian melalui teori portofolio
dicoba menggabungkan beberapa saham untuk memperkecil risiko.
Kemudian, setelah dilakukan penelitian terhadap 12 saham tersebut,
disimpulkan bahwa investasi saham tidak dianjurkan untuk investasi jangka
panjang dan disarankan dilakukan dengan investasi jangka pendek (transaksi
harian atau mingguan).
Lain halnya dengan CAPM, model APT menggambarkan beragam
tingkat sensitivitas terhadap berbagai variabel sistematis. Model APT pertama
kali dikembangkan oleh Ross yang merupakan bentuk pengembangan dari
CAPM. Beberapa penelitian empiris dalam penerapan model APT juga telah
dilakukan diantaranya, penelitian yang dilakukan oleh Chan, Rol, dan Ross
(1986) yang menggunakan empat faktor yang mempengaruhi return sekuritas,
yaitu tingkat inflasi, premi risk-default , dan suku bunga. Selain itu, Berry,
Burneister, dan McElroy (1988) yang menggunakan variabel risk-default,
tingkat bunga, inflasi, pertumbuhan ekonomi jangka panjang, dan risiko
residual.
Dalam penelitiannya, Eko (2000) mencoba untuk mengetahui
seberapa jauh pengaruh suku bunga clan inflasi dalam mempengaruhi
imbal hasil saham sektoral clan untuk melihat sektor-sektor manakah
yang menarik sebagai tempat investasi saham apabila terjadi
perubahan-perubahan pada suku bunga clan inflasi.
Data yang digunakan dalam penelitian ini adalah data suku
bunga SBI dan inflasi sebagai variabel bebas dan imbal hasil saham-
saham sektoral sebagai variable tak bebas. Analisis dilakukan untuk
dua periode waktu, yaitu sebelum krisis moneter (Januari 1996-Juni
1997) dan saat krisis ekonomi.
Pada tahun 2002, Rahmat Sudarsono meneliti tentang Analisis
Multifaktor Dalam Penentuan Return Saham : Pengujian Presifikasi Arbitrage
Pricing Theory (APT) Dengan Capital Asset Pricing Model (CAPM) Dan
Model Fama-French Di Bursa Efek Jakarta. Pada pengujian multifaktor APT
variabel-variabel atau faktor-faktor risiko yang dianalisis adalah tingkat suku
bunga SBI, Deposito Bank Pemerintah, deposito Bank Umum, Deposito Bank
Asing, Tingkat Bunga Internasional (SIBOR, LIBOR, suku bunga Amerika
Serikat dan Jerman), jumlah uang beredar, Tingkat return pasar saham
domestik (IHSG), tingkat return pasar saham internasional (DJIA,S&P 500,
Nikkei, dan Hangseng), kurs valuta asing (USD), inflasi (Indeks Harga
Konsumen), Pertumbuhan Industri (Indeks pertumbuhan industri menengah
dan sedang), market capitalization emiten, B/M ratio, dan P/E ratio.
Gancar Candra Premananto dan Muhammad Madyan meneliti
mengenai Perbandingan Keakuratan Capital Asset Pricing Model Dan
Arbitrage Pricing Theory Dalam Memprediksi Tingkat Pendapatan Saham
Industri Manufaktur Sebelum Dan Semasa Krisis Ekonomi. Hasil
penelitiannya menemukan bahwa model CAPM lebih akurat dibandingkan
APT baik sebelum dan semasa krisis ekonomi. Adapun penelitiannya yang
lain dengan menggunakan model yang sama namun variabel independennya
berbeda, yaitu Perbandingan Keakuratan CAPM Dan APT Dalam
Memprediksi Tingkat Pendapatan Industri Perbankan Dan Lembaga
Keuangan Selain Bank Baik Sebelum Dan Semasa Krisis Ekonomi Di Bursa
Efek Jakarta yang menghasilkan bahwa CAPM lebih akurat dalam
memprediksi return saham dibandingkan dengan APT baik semasa ataupun
sebelum krisis.
G. Perumusan Hipotesis
Ho : Tidak terdapat perbedaan kekuratan yang signifikan antara
CAPM dan APT dalam memprediksi return saham LQ-45.
Ha : Terdapat perbedaan keakuratan yang signifikan antara
CAPM dan APT dalam memprediksi return saham LQ-45.
Gambar 2.1. Kerangka Pemikiran
H. Kerangka Pemikiran
CAPM APT
Variabel-variabel makroekonomi
Jumlah Uang beredar
Inflasi Suku bunga SBI
Kurs
Model untuk Mengestimasi Return Saham LQ-45
Return saham LQ-45 yang sesungguhnya
MADCAPM MAD APT
Uji beda 2 rata-rata MAD dengan menggunakan tabel t student
Pendapatan bebas risiko
Pendapatan pasar
Beta (β)
Return saham LQ-45 yang diharapkan
Return saham LQ-45 yang diharapkan
Uji Normalitas
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Dalam penelitian ini variabel independen yang digunakan adalah
perubahan tingkat suku bunga SBI untuk mencari return asset bebas risiko,
IHSG (Indeks Harga Saham Gabungan) untuk mencari return pasar,
perubahan tingkat inflasi, M1 untuk mengetahui pertumbuhan uang yang
beredar, serta nilai tukar mata uang rupiah terhadap dollar Amerika. Selain itu
dalam penelitian ini yang menjadi variabel dependen adalah return saham
perusahaan-perusahaan LQ-45 yang terdaftar di Bursa Efek Indonesia dari
januari 2004 sampai dengan desember 2007. Semua data yang diambil adalah
data bulanan seperti dalam penelitian sebelumnya yang diteliti oleh Gancar
Candra Premananto dan Muhammad Madyan (2004).
B. Metode Penentuan Sampel
Pengambilan sampel pada penelitian ini dilakukan dengan metode
non-probability sampling yaitu dengan teknik pengambilan sampel proposive
sampling. Ini merupakan suatu metode pengambilan sampel yang dilakukan
dengan pertimbangan-pertimbangan tertentu, seperti karakter-karakter sampel
yang sudah diketahui. Adapun kriteria-kriteria sampel yaitu sebagai berikut:
a. Perusahaan-perusahaan yang terdaftar dalam LQ-45 di Bursa Efek
Indonesia yang mempunyai data keuangan yang lengkap dan dapat
diandalkan kebenarannya pada tahun 2004-2007.
b. Perusahaan dalam LQ-45 yang saham-sahamnya aktif diperdagangkan di
Bursa Efek Indonesia pada tahun 2004-2007.
Dari penentuan sampel yang digunakan maka peneliti menemukan 14
perusahaan yang sahamnya aktif dan mempunyai data laporan keuangan yang
lengkap dan dapat diandalkan kebenarannya dalam daftar saham LQ-45 dalam
kurun waktu 1 Januari 2004 sampai dengan 31 Desember 2007.
Tabel 3.1 Daftar Perusahaan LQ-45
Periode 2004 – 2007
No. Nama Perusahaan Kode 1 Astra Agro Lestari Tbk AALI 2 Aneka Tambang (Persero) Tbk ANTM 3 Astra Internasional Tbk ASII 4 Bank Cental Asia Tbk BBCA 5 International Nickel Ind. Tbk INCO 6 Indofood Sukses Makmur Tbk INDF 7 Indah Kiat Pulp & Paper Tbk INKP 8 Indosat Tbk ISAT 9 Kalbe Farma Tbk KLBF 10 Bank Pan Indonesia Tbk PNBN 11 Semen Cibinong Tbk SMCB 12 telekomunikasi Indonesia Tbk TLKM 13 Tambang Batubara Bukit Asam Tbk PTBA 14 United Tractors Tbk UNTR
Sumber : PT. Bursa Efek Indonesia, Data Diolah Penulis
C. Metode Pengumpulan Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder
yang meliputi data bulanan berupa harga saham perusahaan yang termasuk
dalam LQ-45 yang dijadikan sampel, indikator-indikator perekonomian makro
Indonesia yang didapat melalui observasi langsung ke Bursa Efek Indonesia
(BEI), website BI dan Indonesian Capital Market Directory (ICMD) sebagai
sumber data untuk memperoleh harga saham, Indeks Harga Saham Gabungan
(IHSG), perubahan tingkat Inflasi, perubahan tingkat suku bunga SBI, Kurs
(nilai tukar) rupiah, dan jumlah uang yang beredar (M1) yang semuanya
adalah data bulanan dalam jangka waktu empat tahun (2004-2007). Untuk
melengkapi data juga diambil dari media massa seperti jurnal, koran, dan
internet.
D. Metode Analisis
Penelitian ini menggunakan model analisis perbandingan selisih dua
rata-rata (uji beda dua rata-rata) dengan menggunakan uji t student yang
terdapat dalam software Minitab 14. Model analisis perbandingan selisih dua
rata-rata ini digunakan untuk mencari perbedaan keakuratan model CAPM dan
APT dalam memprediksi return saham LQ-45.
Analisis yang digunakan pada penelitian ini seperti analisis pada
penelitian sebelumnya yaitu, penelitian Gancar Premananto dan Muhammad
Madyan (2004:41) menggunakan tahap-tahap sebagai berikut :
1. Capital Asset Pricing Model (CAPM)
a. Periode pengujian untuk menguji perbedaan keakuratan model CAPM
dan APT dalam memprediksi return saham LQ-45 adalah dari tahun
2004 sampai dengan 2007.
b. Menghitung return saham yang sesungguhnya (aktual) perusahaan-
perusahaan LQ-45 (2004-2007).
c. Menghitung return pasar (market return) periode 2004-2007.
d. Menghitung beta (β) dengan menggunakan rumus market model yang
meregresikan antara return saham yang sesungguhnya (actual return)
dengan return pasar (market return) periode 2004-2007.
e. Setelah beta (β) masing-masing perusahaan diperoleh kemudian
membentuk sebuah model persamaan berdasarkan model CAPM
periode 2004-2007.
f. Melakukan uji normalitas data dan uji dasar asumsi klasik
1) Uji Normalitas Data
Menurut Gozali (2005:110), pengujian normalitas data
adalah pengujian tentang kenormalan distribusi data. Uji
normalitas bertujuan untuk menguji apakah dalam model regresi
variabel dependen dan variabel independen ataupun keduanya
mempunyai distribusi yang normal atau tidak.
Uji menguji normalitas residual adalah uji statistik non-
parametrik Kolmogorov-sumirnov (K-S). Uji K-S dilakukan
dengan membuat hipotesis:
H0 : Data residual berdistrbusi normal
Ha : Data residual tidak berdistribusi normal
Kriteria pengujian uji Kolmogorov-Sumirnov:
(a) Angka signifikansi Uji Kolmogorov-Smirnov Sig > 0.05,
maka data berdistribusi normal.
(b) Angka signifikansi Uji Kolmogorov-Smirnov Sig < 0.05,
maka data tidak berdistribusi normal.
2) Uji Dasar Asumsi Klasik
Asumsi dasar klasik adalah bahwa hubungan antara variabel
independen dengan variabel dependen bersifat linier serta tidak
terjadi autokorelasi, heterokedastisitas, dan multikolinearitas
diantara variabel independen dalam regresi tersebut. Oleh karena
itu, diperlukan pengujian dan pembersihan terhadap pelanggaran
asumsi dasar jika memang terjadi. Dalam hal ini yang menjadi
variabel dependen adalah return saham tiap perusahaan LQ-45 dan
variabel independen untuk model CAPM terdiri atas return market
yang didapat dari data IHSG. Pengujian-pengujian asumsi dasar
klasik terdiri dari:
(a) Uji Multikolinearitas
Menurut Gozali (2005:89), uji Multikolinearitas ini
bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen). Untuk
mendeteksi adanya multikolinearitas dapat dilihat dari besarnya
VIF (Variance Inflation Factor) dan tolerance. Kedua ukuran
ini menunjukkan setiap variabel independen manakah yang
dijelaskan oleh variabel independen lainnya.
Pedoman suatu model regresi yang terbebas dari gejala
multikolinearitas adalah :
- Mempunyai nilai VIF < 10
- Mempunyai angka tolerance mendekati > 0.10
(b) Uji Autokorelasi
Salah satu asumsi dari model regresi linear klasik
adalah bahwa tidak ada autokorelasi serial (autocorrelation or
serial correlation) antara kesalahan pengganggu. Autokorelasi
dapat didefinisikan pula terjadinya korelasi di antara data
pengamatan sebelumnya, dengan kata lain bahwa munculnya
suatu data dipengaruhi oleh data sebelumnya. Tujuan dari
autokorelasi adalah untuk menguji apakah dalam model linear
ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1. sebelumnya jika terjadi
korelasi maka dinamakan ada problem autokorelasi.
Terjadinya autokorelasi atau tidak dapat dilihat melalui
Durbin-Watson. Panduan mengenai Durbin-Watson untuk
mendeteksi autokorelasi dapat dilihat pada buku statistik yang
relevan. Bila DW terletak diantara du < d < 4-du maka dapat
dikatakan tidak terjadi autokorelasi baik positif maupun
negatif, atau jika nilai d mencapai sekitar 2 dimana du adalah
batas atas dan dl adalah batas bawah.
- 0 < d < du : ada autokorelasi positif
- dl < d < du : ragu-ragu ada autokorelasi (inconclusive)
- du < d < 4-dl : ragu-ragu ada autokorelasi negatif
- 4-dl < d < 4 : ada autokorelasi negatif
(c) Uji Heterokedastisitas
Heteroskedastisitas adalah suatu keadaan dimana varian
dari kesalahan pengganggu tidak konstan untuk semua nilai
variabel bebas. Uji heteroskedastisitas ini bertujuan untuk
menguji apakah dalam model regresi ketidaksamaan varian dari
residual suatu pengamatan ke pengamatan yang lain. Jika
varian dari residual satu pengamatan ke pengamatan yang lain
tetap maka disebut Homoskedastisitas dan bila berbeda disebut
heteroskedastisitas.
Menurut gozali (2005:105) ada beberapa cara untuk
mendeteksi ada tidaknya heteroskedastisitas, antara lain :
- Melihat grafikplot antara nilai prediksi variabel terikat
(ZPRED) dengan residualnya (SRESID). Deteksi ada
tidaknya heteroskedastisitas dengan melihat ada tidaknya
pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED dimana sumbu X dan Y yang telah diprediksi dan
sumbu Y adalah residual (Y prediksi - Y sesungguhnya)
yang telah distudentized.
- Dasar analisis, jika ada pola tertentu seperti titik-titik yang
ada membentuk suatu pola tertentu yang teratur
(bergelombang, melebar, kemudian menyempit) maka telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas
serta titik menyebar diatas dan dibawah angka 0 pada
sumbu Y maka tidak terjadi heteroskedastisitas.
g. Menghitung return saham yang diharapkan (expected return) dengan
menggunakan model CAPM yang telah dihasilkan dari langkah e.
2. Arbitrage Pricing Theory (APT)
a. Menentukan periode estimasi (2001-2003) untuk mengukur parameter
alpha dan beta masing-masing saham. Periode pengujian untuk
menguji perbedaan keakuratan model CAPM dan APT dalam
memprediksi return saham LQ-45 adalah dari tahun 2004 sampai
dengan 2007.
b. Menghitung return saham yang sesungguhnya (aktual) perusahaan-
perusahaan LQ-45 (2004-2007).
c. Menghitung a, b1, b2, b3, b4, untuk model APT multi index model pada
perusahaan-perusahaan LQ-45.
i. Melakukan uji normalitas data dan uji dasar asumsi klasik
1) Uji Normalitas Data
Menurut Gozali (2005:110), Pengujian normalitas data
adalah pengujian tentang kenormalan distribusi data. Uji
normalitas bertujuan untuk menguji apakah dalam model regresi
variabel dependen dan variabel independen ataupun keduanya
mempunyai distribusi yang normal atau tidak.
Uji menguji normalitas residual adalah uji statistik non-
parametrik Kolmogorov-sumirnov (K-S). Uji K-S dilakukan
dengan membuat hipotesis:
H0 : Data residual berdistrbusi normal
Ha : Data residual tidak berdistribusi normal
Kriteria pengujian uji Kolmogorov-Sumirnov:
- Angka signifikansi Uji Kolmogorov-Smirnov Sig > 0.05 maka
data berdistribusi normal.
- Angka signifikansi Uji Kolmogorov-Smirnov Sig < 0.05, maka
data tidak berdistribusi normal.
2) Uji Dasar Asumsi Klasik
Asumsi dasar klasik adalah bahwa hubungan antara variabel
independen dengan variabel dependen bersifat linier serta tidak
terjadi autokorelasi, heterokedastisitas, dan multikolinearitas
diantara variabel independen dalam regresi tersebut. Oleh karena
itu, diperlukan pengujian dan pembersihan terhadap pelanggaran
asumsi dasar jika memang terjadi. Dalam hal ini yang menjadi
variabel dependen adalah return saham tiap perusahaan LQ-45 dan
variabel independen dari model APT terdiri atas: Inflasi aktual,
bunga aktual, jumlah uang yang beredar aktual, kurs aktual.
Pengujian-pengujian asumsi dasar klasik terdiri dari :
(a) Uji Multikolinearitas
Dalam penelitian sebelumnya untuk model APT
menggunakan metode Ordinary Last Square (OLS) yaitu untuk
pengujian multikolinearitas dilakukan untuk mengetahui
apakah terdapat hubungan antar variabel bebas dalam model
regresi linier berganda. Menurut Singgih Santoso dalam
laporan penelitian Gancar Premananto dan Muhammad
Madyan (2004:4) pengujian ini dilakukan dengan
menggunakan matriks korelasi person dari mdel regresi yang
digunakan. Multikolinearitas terjadi apabila koefisien korelasi
person antar variabel bebas atau kurang dari ± 0.5.
(b) Uji Autokorelasi
Salah satu asumsi dari model regresi linear klasik
adalah bahwa tidak ada autokorelasi serial (autocorrelation or
serial correlation) antara kesalahan pengganggu. Autokorelasi
dapat didefinisikan pula terjadinya korelasi diantara data
pengamatan sebelumnya, dengan kata lain bahwa munculnya
suatu data dipengaruhi oleh data sebelumnya. Tujuan dari
autokorelasi adalah untuk menguji apakah dalam model linear
ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1. sebelumnya jika terjadi
korelasi maka dinamakan ada problem autokorelasi.
Terjadinya autokorelasi atau tidak dapat dilihat melalui
Durbin-Watson. Panduan mengenai Durbin-Watson untuk
mendeteksi autokorelasi dapat dilihat pada buku statistik yang
relevan. Bila DW terletak diantara du < d < 4 – du maka dapat
dikatakan tidak terjadi autokorelasi baik positif maupun
negatif, atau jika nilai d mencapai sekitar 2 dimana du adalah
batas atas dan dl adalah batas bawah.
- 0 < d < du : ada autokorelasi positif
- dl < d < du : ragu-ragu ada autokorelasi (inconclusive)
- du < d < 4-dl : ragu-ragu ada autokorelasi negatif
- 4-dl < d < 4 : ada autokorelasi negatif
(c) Uji Heterokedastisitas
Heteroskedastisitas adalah suatu keadaan dimana varian
dari kesalahan pengganggu tidak konstan untuk semua nilai
variabel bebas. Uji heteroskedastisitas ini bertujuan untuk
menguji apakah dalam model regresi ketidaksamaan varian dari
residual suatu pengamatan ke pengamatan yang lain. Jika
varian dari residual satu pengamatan ke pengamatan yang lain
tetap maka disebut Homoskedastisitas dan bila berbeda disebut
heteroskedastisitas.
Dalam laporan penelitian Gancar Premananto dan
Muhammad Madyan (2004:42) pengujian heterokedastisitas
ditujukan untuk mengetahui apakah kesalahan pengganggu ε1
dari model regresi berganda tersebut membuat varians yang
tidak sama. Menurut Rangkuti (1997:198), Uji gejala
heterokedastisitas dilakukan dengan menggunakan uji korelasi
rank dari Spearman dengan ketentuan jika nilai korelasi rank
Spearman lebih besar daripada nilai kritis maka terjadi
heterokedastisitas pada model regresi linear berganda tersebut,
sebaliknya jika nilai korelasi rank Spearman lebih kecil
daripada nilai kritisnya, maka tidak terjadi heterokedastisitas.
e) Menghitung return saham yang diharapkan (expected return) dengan
menggunakan model APT yang telah dihasilkan dari langkah c. Untuk
mendapatkan return saham yang diharapkan (expected return) maka
harus dicari terlebih dahulu variabel-variabel makroekonomi yang
digunakan untuk model APT. Dalam penelitian ini variabel yang
digunakan adalah perubahan tingkat inflasi yang tidak diharapkan,
perubahan tingkat bunga SBI yang tidak diharapkan, perubahan
jumlah uang yang beredar yang tidak diharapkan, perubahan kurs yang
tiak diharapkan. Variabel yang tidak diharapkan adalah selisih antara
variabel aktualnya dengan variabel yang diharapkan. Untuk
mendapatkan variabel yang diharapkan dihitung dengan menggunakan
metode ARIMA (Box Jenkins) untuk peramalan.
Tahap untuk menentukan apakah model ARIMA tersebut
(layak) atau tidak, yaitu tahap pengujian model. Pada tahap ini
dilakukan pengujian residual (error term): εt = Y t-1-Yt, untuk
meyakinkan bahwa residual bersifat random. Pengujian ini dilakukan
dengan Chi-Square (X) yang dikenal juga sebagai statistik Box Pierce
(Q). Jika nilai Q lebih besar dari X2 untuk derajat kebebasan atau df
(k-p-q), maka model tersebut tidak layak. Pada penelitian ini untuk
mendapatkan variabel inflasi, bunga, uang, dan kurs maka
menggunakan data historis yang sebelumnya selama tiga tahun
berturut-turut (2001-2003). Penelitian ini mengambil data periode
estimasi (2001-2003) tidak seimbang dengan periode uji karena selain
keterbatasan data, pada penelitian sebelumnya juga mengambil
periode estimasi hanya tiga tahun berturut-turut (1991-1993) padahal
periode pengujiannya pada periode I (1994-1997) dan periode II
(1998-2001).
3. Menghitung rata-rata penyimpang absolut ( Mean Absolut Deviation) atau
MAD yang terdapat untuk model CAPM dan APT dengan rumus sebagai
berikut :
MAD = ∑ │ Ri – E(Ri) │ n
Keterangan :
MAD = Rata-rata penyimpangan absolut untuk model CAPM atau
APT
E (Ri) = Return saham i yang diharapakan dengan model CAPM
atau APT
Ri = Return saham i yang sesungguhnya (actual return)
n = Jumlah data
4. Melakukan uji normalitas untuk hasil MAD CAPM dan MAD APT dengan
menguji normalitas residual adalah uji statistik non-parametrik
Kolmogorov-sumirnov (K-S). Uji K-S dilakukan dengan membuat
hipotesis:
H0 : Data residual berdistrbusi normal
Ha : Data residual tidak berdistribusi normal
Kriteria pengujian uji Kolmogorov-Sumirnov:
a. Angka signifikansi Uji Kolmogorov-Smirnov Sig > 0.05 maka data
berdistribusi normal.
b. Angka signifikansi Uji Kolmogorov-Smirnov Sig < 0.05 , maka data
tidak berdistribusi normal.
5. Menguji hipotesis, pengujian ini dilakukan untuk mengetahui apakah ada
perbedaan yang signifikan antara rata-rata penyimpangan absolut model
CAPM ( MAD CAPM) dengan rata-rata penyimpangan absolut model APT
(MAD APT) untuk return saham LQ-45. Untuk menguji hipotesis maka
menggunakan model analisis perbandingan selisih dua rata-rata (uji beda
dua rata-rata) dengan menggunakan uji t student (two sample t-test) yang
terdapat dalam software Minitab 14. Model analisis perbandingan selisih
dua rata-rata ini digunakan untuk mencari perbedaan keakuratan model
CAPM dan APT dalam memprediksi return saham LQ-45.
E. Operasional Variabel Penelitian
Untuk menghindari terjadinya perluasan dan pengaburan makna
variabel-variabel yang dibutuhkan, maka berikut ini adalah definisi
operasional untuk variabel-variabel yang akan diteliti:
1. Return Saham (Ri), yaitu Hasil selisih antara harga saham i pada periode t
dikurangi harga saham i pada periode sebelum t lalu hasilnya dibagi
dengan harga saham i pada periode sebelum t.
Ri = Pt – Pt-1 Pt-1
2. Return Pasar (Rm), yaitu Hasil selisih dari Indeks Harga Saham Gabungan
pada periode t dikurangi Indeks Harga Saham Gabungan Sebelum periode
t kemudian dibagi Indeks Harga Saham Gabungan sebelum periode t.
Rm = IHSGt – IHSG t-1 IHSG t-1
3. Return Aset Bebas Risiko (Rf),yaitu aset bebas risiko yang didapat dari
suku bunga selama satu bulan dibagi duabelas bulan.
Rf = SBI t 12
4. Perubahan Tingkat Inflasi (F1) yang tidak diharapkan adalah selisih
perubahan tingkat inflasi aktual dengan perubahan tingkat inflasi yang
diharapkan. Perubahan tingkat inflasi yang diharapkan dihitung dengan
menggunakan metode ARIMA.
F1 = Inflasi actual – Inflasi expected
5. Perubahan Tingkat Suku Bunga SBI (F2) yang tidak diharapkan adalah
selisih dari perubahan tingkat suku bunga SBI yang aktual dengan
perubahan tingkat suku bunga SBI yang diharapkan. Perubahan tingkat
suku bunga SBI yang diharapkan dihitung dengan menggunakan metode
ARIMA.
F2 =SBI rate actual – SBI rate expected
6. Tingkat Jumlah Uang Yang Beredar (F3) yang tidak diharapkan adalah
selisih dari jumlah uang yang beredar yang aktual dengan jumlah uang
yang beredar yang diharapkan. Tingkat jumlah uang beredar yang
diharapkan dapat dihitung dengan metode ARIMA.
F3 = M1 actual – M1 expected
7. Tingkat Kurs Rupiah Terhadap Dollar (F4) yang tidak diharapkan adalah
selisih dari nilai kurs Rupiah terhadap Dollar yang aktual dengan nilai
kurs Rupiah terhadap Dollar pada periode yang diharapkan. Tingkat kurs
Rupiah terhadap Dollar yang diharapkan dihitung dengan menggunakan
metode ARIMA.
F4 = Kurs actual – Kurs expected
BAB 1V
HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian
1. Sejarah Singkat Bursa Efek Indonesia
Pasar Modal Indonesia telah didirikan sejak pemerintah kolonial
Belanda di Batavia tanggal 14 Desember 1912 oleh Vereniging Voor De
Effectenhandel. Tujuan pendiriannya adalah untuk menghimpun dana agar
dapat menjadi sumber pembiayaan pengembangan sektor perkebunan
Belanda yang terdapat di Indonesia. Investor yang berperan saat itu adalah
orang-orang Hindia Belanda dan orang-orang Eropa lainnya. Sedangkan
efek-efek yang diperjualbelikan merupakan saham atau obligasi milik
perusahaan Belanda yang ada di Indonesia.
Perkembangan pasar modal yang cukup pesat mendorong
didirikannya Bursa Efek Surabaya pada tanggal 11 Januari 1925 dan Bursa
Efek Semarang pada tanggal 11 Agustus 1925. gejolak politik di Eropa
mempengaruhi perdagangan efek yang ada di Indonesia sehingga
pemerintah Belanda menutup Bursa Efek Surabaya dan semarang. Perang
dunia kedua pada awal tahun 1939, memaksa ditutupnya Bursa Efek
Jakarta sekaligus menandai terhentinya aktivitas pasar modal di Indonesia.
Pada tahun 1950-an, Pemerintan Indonesia setelah berdaulat
mengawali kembali pasar modal dengan menerbitkan obligasi pemerintah.
Republik Indonesia yang ditegaskan dengan adanya Undang-undang
darurat tentang Bursa nomor 13 tanggal 1 September 1951, ditetapkan
menjadi Undang-Undang nomor 15 Tahun 1952, yang diselenggarakan
oleh Perserikatan Perdagangan Uang dan Efek-efek (PPUE) dan penasehat
dilakukan oleh Bank Indonesia. Tahun 1958, kegiatan Bursa Efek
dihentikan kembali karena terjadi inflasi dan resesi ekonomi. Tahun 1970,
pasar modal di Indonesia kembali dibuka, pada saat itu terbentuk tim uang
dan pasar modal, tahun 1977 Badan pengawas Pasar Modal (Bapepam)
adalah institusi baru yang dibentuk dan berda di bawah Departemen
Keuangan, dan terjadi pelaksanaan peresmian aktivitas perdagangan di
Bursa Efek Jakarta oleh Presiden.
2. Perkembangan Bursa Efek Indonesia
a. Perkembangan Usaha Bursa Efek Indonesia
Pada tanggal 13 Juli 1992 Bursa Efek Indonesia diswastakan,
tahun 1995 Bursa Efek Indonesia mulai mengoperasikan Jakarta
Automated Trading Systems (JATS), sebuah sistem perdagangan
saham yang dapat memfasilitasi investor maupun pialang untuk
memonitor kegiatan perdagangan jarak jauh (remote trading) sebagai
usaha untuk meningkatkan akses terhadap pasar, meningkatkan
kecepatan serta frekuensi perdagangan.
b. Perkembangan Indeks Harga Saham Bursa Efek Indonesia memiliki
beragam indeks saham antara lain :
1) Indeks Harga Saham Gabungan, yang menggunakan semua
saham tercatat tercatat sebagai komponen kalkulasi indeks.
Diperkenalkan pada 1 April 1983 sebagai indikator pergerakan
saham seluruh saham biasa dan saham preferen yang tercatat di
Bursa Efek Indonesia. Pada saat itu saham yang tercatat
sejumlah 13 saham.
2) Indeks sektoral, menggunakan semua saham yang masuk dalam
setiap sektor diperkenalkan pada tanggal 2 Januari 1996
3) Indeks LQ-45, menggunakan 45 saham terpilih setelah melalui
beberapa tahapan seleksi. Diperkenalkan pada tanggal 13 Juli
1994 dan pada saat itu dan pada saat itu 45 saham yang masuk
meliputi 74% total market kapitalisasi pasar dan 72,5% nilai
transaksi di pasar regular.
4) Indeks individual, yang merupakan indeks untuk masing-masing
saham didasarkan hari dasar.
5) Jakarta Islamic Index mengakomodir investasi yang tertarik
berinvestasi di Bursa Efek Indonesia dengan berdasarkan syariah
islam diluncurkan pada tanggal 3 Juli 2000 dan terdapat 30
saham yang tercatat pada waktu itu ke dalam JII.
6) Pada tanggal 13 Juli 2000 Bursa Efek Indonesia meluncurkan
peraturan dalam sistem pencatatan dan pada tanggal 8 April
2002 diluncurkan 2 indeks baru yaitu Papan Utama (Main Board
Index) dan Indeks Papan Pengembangan (Development Board
Index). Pada saat itu indeks mencatat 24 saham di MBX dan 287
saham di DBX dengan kapitalisasi pasar sebesar 62% dan 38%.
B. Deskripsi Statistik
Sampel dalam penelitian ini adalah 14 dari 45 saham unggulan
berdasarkan kriteria kapitalisasi pasar terbesar yang diperoleh dari data
statistik Bursa Efek Indonesia pada tahun 2004 sampai dengan 2007.
Deskripsi penelitian ini meliputi rata-rata return saham perusahaan sampel
dari tahun 2004 sampai dengan 2007, rata-rata pendapatan pasar (return
market) dari tahun 2004 sampai dengan 2007, rata-rata pendapatan bebas
risiko (bunga SBI) dari tahun 2004 sampai dengan 2007, risiko sistematis
saham perusahaan sampel dari tahun 2004 sampai dengan 2007. Adapun
untuk variabel makroekonomi yang digunakan dalam penelitian ini adalah
perubahan tingkat inflasi yang tidak diharapkan, perubahan tingkat bunga
yang tidak diharapkan, perubahan jumlah uang yang beredar yang tidak
diharapkan, dan perubahan kurs yang tidak diharapkan dari tahun 2004
sampai dengan 2007.
1. Return Saham Perusahaan LQ-45
Return saham (Ri) yang dihitung merupakan return saham aktual
yang didapat dari harga saham penutup dikurangi dengan harga saham
pembuka dibagi dengan saham pembuka. Rata-rata return saham
perusahaan sampel dari tahun 2004 sampai dengan 2007 disajikan dalam
tabel 4.1. Berdasarkan hasil perhitungan rata-rata Return saham per bulan
masing-masing perusahaan dari tahun 2004 sampai dengan 2007 dapat
dilihat bahwa rata-rata secara keseluruhan adalah 0.034162896, hal ini
berarti seluruh rata-rata return saham LQ-45 per bulan adalah positif. Hal
ini berarti dari 2004 sampai dengan 2007, kalangan investor merespon
positif terhadap saham-saham di pasar modal terutama saham LQ-45.
Rata-rata Return saham per bulan tertinggi adalah saham Astra Agro
Lestari Tbk (AALI) yaitu sebesar 0.065300229 per bulan, sedangkan rata-
rata Return saham per bulan terendah adalah saham Indosat Tbk (ISAT)
yaitu sebesar 0.008126355 per bulan.
Tabel 4.1. Rata-Rata Return Saham Per bulan Perusahaan LQ-45
Tahun 2004-2007
No. Nama Perusahaan Kode Return Saham 1 Astra Agro Lestari Tbk AALI 0.065300229
2 Aneka Tambang (Persero) Tbk ANTM 0.0443865
3 Astra Internasional Tbk ASII 0.040359378
4 Bank Cental Asia Tbk BBCA 0.023249416
5 International Nickel Ind. Tbk INCO 0.043694449
6 Indofood Sukses Makmur Tbk INDF 0.030333
7 Indah Kiat Pulp & Paper Tbk INKP 0.013900575
8 Indosat Tbk ISAT 0.008126355
9 Kalbe Farma Tbk KLBF 0.014993404
10 Bank Pan Indonesia Tbk PNBN 0.025436081
11 Tambang Batubara Bukit Asam Tbk PTBA 0.064542701
12 Semen Cibinong Tbk SMCB 0.037675101
13 telekomunikasi Indonesia Tbk TLKM 0.014322121 14 United Tractors Tbk UNTR 0.051961228
Rata-rata 0.034162896 Sumber : PT. Bursa Efek Indonesia, Data Diolah Penulis
2. Return Market
Return market (Rm) didapat dari perubahan Indeks Harga Saham
Gabungan (IHSG) per bulan di Bursa Efek Indonesia. Return market (Rm)
yang dihitung merupakan Return market aktual yang didapat dari Indeks
Harga Saham Gabungan (IHSG) penutup dikurangi Indeks Harga Saham
Gabungan (IHSG) pembuka dibagi Indeks Harga Saham Gabungan
(IHSG) pembuka. Rata-Rata return market dari tahun 2004 sampai dengan
2007 disajikan dalam tabel 4.2. Dari tahun 2004 sampai dengan 2007
Return Market sangat berfluktuasi. Return Market perbulan yang tertinggi
terjadi pada bulan November 2004 yaitu sebesar 13.63%, Return Market
per bulan yang terendah terjadi pada bulan Agustus 2005 yaitu sebesar -
11.18%.
Tabel 4.2 Rata-rata Return Market (Rm)
Tahun 2004 – 2007
Tahun Bulan Rm Tahun Bulan Rm 2004 jan 8.82% 2006 jan 5.99%
feb 1.08% feb -0.13% mar -3.34% mar 7.50% apr 6.49% apr 10.69% mei -6.50% mei -9.18% jun -0.02% jun -1.48% jul 3.36% jul 3.16% agst -0.30% agst 5.89% sept 8.67% sept 7.22% okt 4.92% okt 3.13% nov 13.63% nov 8.61% des 2.30% des 5.04%
Jumlah 39.11% Jumlah 46.44% Rata-rata 3.26% Rata-rata 3.87%
2005 jan 4.52% 2007 jan -2.67% feb 2.72% feb -0.93% mar 0.59% mar 5.17% apr -4.68% apr 9.19% mei 5.69% mei 4.26% jun 3.14% jun 2.64% jul 5.34% jul 9.79% agst -11.18% agst -6.57% sept 2.78% sept 7.51% okt -1.21% okt 12.05% nov 2.85% nov 1.70% des 6.02% des 2.14%
Jumlah 16.57% Jumlah 44.27% Rata-rata 1.38% Rata-rata 3.69%
Rata-rata total 3.83% Sumber : PT. Bursa Efek Indonesia, Data Diolah Penulis.
Rata-rata Return Market tahunan yang tertinggi adalah tahun 2006
yaitu sebesar 3.87%. Sedangkan Rata-rata Return market tahunan yang
terendah adalah tahun 2005 yaitu sebesar 1.38%. Rata-rata total Return
market adalah sebesar 3.83% yang berarti sejauh ini investor masih
merespon positif terhadap dunia pasar modal di Indonesia.
3. Risiko Sistematis saham LQ-45
Risiko dari suatu saham terhadap risiko pasar dapat diukur dengan
risiko sistematis. Risiko sistematis suatu saham adalah kuantitatif yang
mengukur sensitivitas keuntungan dari suatu sekuritas dalam merespon
pergerakan keuntungan pasar.
Risiko sistematis bisa didapat dari Menghitung beta (β) masing-
masing perusahaan sampel dengan menggunakan rumus market model
yang meregresikan antara return saham yang sesungguhnya (actual
return) dengan return pasar (market return) yang bisa dilihat pada
lampiran output SPSS 12 CAPM masing-masing perusahaan sampel.
Gambaran hasil perhitungan risiko sistematis dari 14 sampel selama
periode pengamatan return saham LQ-45 dari tahun 2004-2007 dapat
dilihat pada tabel 4.3.
Dari tabel 4.3 dapat dilihat hampir seluruh beta saham perusahaan
sampel LQ-45 adalah positif kecuali perusahaan Kalbe Farma Tbk
(KLBF). Rata-rata secara keseluruhan beta saham perusahaan sampel LQ-
45 adalah positif yaitu sebesar 0.40, hal ini berarti bahwa hubungan antara
return market dengan return saham masing-masing perusahaan LQ-45
adalah searah. Beta saham yang tertinggi dimiliki oleh saham Indah Kiat
Pulp & Paper Tbk (INKP) yaitu sebesar 0.734, hal ini berarti return saham
Indah Kiat Pulp & Paper Tbk (INKP) paling sensitif terhadap return
market jika dibandingkan dengan return saham lainnya yang dijadikan
sampel dalam penelitian ini. Sedangkan beta terendah dimiliki oleh saham
Kalbe Farma Tbk (KLBF) yaitu sebesar -0.322, hal ini berarti bahwa
hubungan return market dengan return saham Kalbe Farma Tbk (KLBF)
adalah berbanding terbalik. Jika return market naik maka return saham
Kalbe Farma Tbk (KLBF) turun, Jika return market turun maka return
saham Kalbe Farma Tbk (KLBF) naik.
Tabel 4. 3 Risiko Sistematis Atau Beta
Tahun 2004 – 2007
No. Nama Perusahaan Kode Beta
1 Astra Agro Lestari Tbk AALI 0.147
2 Aneka Tambang (Persero) Tbk ANTM 0.105
3 Astra Internasional Tbk ASII 0.564
4 Bank Cental Asia Tbk BBCA 0.588
5 International Nickel Ind. Tbk INCO 0.277
6 Indofood Sukses Makmur Tbk INDF 0.472
7 Indah Kiat Pulp & Paper Tbk INKP 0.734
8 Indosat Tbk ISAT 0.514
9 Kalbe Farma Tbk KLBF -0.322
10 Bank Pan Indonesia Tbk PNBN 0.93
11 Tambang Batubara Bukit Asam Tbk PTBA 0.189
12 Semen Cibinong Tbk SMCB 0.559
13 telekomunikasi Indonesia Tbk TLKM 0.434
14 United Tractors Tbk UNTR 0.411 Rata-rata 0.40
Sumber : PT. Bursa Efek Indonesia, Data Diolah Penulis
4. Variabel Makroekonomi
Variabel makroekonomi yang digunakan untuk model APT dalam
penelitian ini adalah perubahan tingkat inflasi yang tidak diharapkan,
perubahan tingkat bunga yang tidak diharapkan, perubahan uang yang
tidak diharapkan, dan perubahan kurs yang tidak diharapkan, dimana
memperoleh variabel tersebut digunakan rumus yang terdapat pada bab III
sub bab operasional variabel.
Perubahan tingkat inflasi yang diharapkan, perubahan tingkat
bunga yang diharapkan, perubahan uang yang diharapkan, dan perubahan
kurs yang diharapkan diperoleh dengan menggunakan metode ARIMA
atau yang dikenal dengan Metode Boxs and Jenkins dengan menggunakan
software minitab 14. Untuk memprediksikan perubahan tingkat inflasi
yang diharapkan, perubahan tingkat bunga yang diharapkan, perubahan
uang yang diharapkan, dan perubahan kurs yang diharapkan dari bulan
januari 2004 sampai desember 2007, maka digunakan perubahan tingkat
inflasi aktual, perubahan tingkat bunga aktual, perubahan uang aktual, dan
perubahan kurs aktual bulan januari 2001 sampai dengam desember 2003
seperti yang terdapat pada tabel 4.4.
Tabel 4.4 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Bunga SBI Aktual,
Perubahan Jumlah Uang Beredar Aktual, dan Perubahan Kurs Aktual Periode Januari 2001 – Desember 2003
Tahun Bulan Inflasi Bunga Uang Kurs 2001 jan -0.01% 1.23% -10.38% -1.51%
feb 1.64% 1.23% 3.12% 4.07% mar 0.02% 1.30% -1.00% 5.74% apr -0.48% 1.34% 3.99% 12.26%
Tahun Bulan Inflasi Bunga Uang Kurs mei 1.46% 1.36% 0.97% -5.28% jun 0.48% 1.39% 2.79% 3.45% jul 0.27% 1.43% 1.26% -16.74% agst -1.10% 1.47% 2.90% -6.93% sept -4.05% 1.46% -1.57% 9.14% okt 0.06% 1.47% 3.49% 7.86% nov 1.51% 1.47% 0.84% -0.05% des -0.05% 1.47% 3.70% -0.29%
2002 jan 0.23% 1.41% -6.17% -0.77% feb -0.25% 1.41% 1.12% -1.27% mar -1.01% 1.40% -1.46% -5.24% apr 11.00% 1.38% 1.70% -3.51% mei -6.88% 1.29% -0.44% -5.70% jun -0.74% 1.26% 3.42% -0.63% jul 1.28% 1.24% -0.28% 4.33% agst -0.65% 1.20% 1.41% -2.65% sept 0.83% 1.10% 3.31% 1.67% okt 0.02% 1.09% -0.07% 2.42% nov 2.43% 1.09% 8.19% -2.78% des -0.35% 1.08% -2.34% -0.40%
2003 jan 6.23% 1.06% -6.16% -0.72% feb -0.12% 1.02% -89.92% 0.33% mar -0.06% 0.95% -0.16% 0.03% apr 0.06% 0.92% 0.95% -2.62% mei -0.06% 0.87% 4.78% -4.56% jun -0.02% 0.79% 1.83% 0.07% jul -0.10% 0.76% 0.70% 2.66% agst 0.04% 0.74% 2.68% 0.35% sept -0.03% 0.72% 2.84% -1.71% okt 0.02% 0.71% 2.42% 1.26% nov -0.15% 0.71% 5.36% 0.49% des -0.07% 0.69% -0.10% -0.84%
Sumber: Statistik Ekonomi Keuangan Indonesia, Data Diolah Penulis
Tingkat signifikan adalah jika p-value pada parameter AR (1) pada
tipe model adalah kurang dari 0.05. Hasil uji tingkat signifikan dengan
menggunakan software minitab 14 yang dapat dilihat dari lampiran hasil
uji model ARIMA bahwa semua variabel makroekonomi yang akan
digunakan untuk meramal variabel makroekonomi di masa yang akan
datang p-valuenya kurang dari 0.05, yang berarti semuanya signifikan,
sehingga data peramalannya layak untuk digunakan.
Tabel 4.5 Statistik Ljung-Box Untuk Inflasi
Lag (k) df (K-k) Statistik Ljung-Box (Q) Chi-Square X2 (0.05) p-value
12 10 12.2 18.307 0.271 24 22 15.6 33.9244 0.835
Berdasarkan dari tabel 4. 5 untuk inflasi menunjukkan bahwa
sampai pada lag 12 tidak ada korelasi antara residual pada antara lag t
dengan residual pada lag 12, karena dari hasil statistik Ljung-Box tidak
lebih besar dari Chi-Square X2nya. Begitu pula pada lag 24 nilai
statistiknya tidak lebih besar dari Chi-Square X2nya. Artinya antara
residual antara lag t sampai lag 24 tidak ada yang saling berkorelasi,
sehingga dapat disimpulkan bahwa residual telah memenuhi asumsi
indepedensi.
Jika p-value lebih besar 0.05 yang berarti menunjukkan bahwa
data yang diuji normal. Untuk hasil pengolahan data perubahan tingkat
inflasi per bulan dengan menggunakan software minitab 14 dapat dilihat
pada tabel 4.5 dimana besarnya nilai Box-Pierce (Ljung-Box) pada lag 12
dengan P-Value 0.271 > 0.05 dan pada lag 24 dengan P-Value 0.835 >
0.05 berarti data normal.
Tabel 4.6 Statistik Ljung-Box Untuk Bunga
Lag (k) df (K-k) Statistik Ljung-Box (Q) Chi-Square X2 (0.05) p-value
12 10 16.8 18.307 0.079
24 22 27 33.9244 0.211
Berdasarkan dari tabel 4.6 untuk bunga menunjukkan bahwa
sampai pada lag 12 tidak ada korelasi antara residual pada antara lag t
dengan residual pada lag 12, karena dari hasil statistik Ljung-Box tidak
lebih besar dari Chi-Square X2nya. Begitu pula pada lag 24 nilai
statistiknya tidak lebih besar dari Chi-Square X2nya. Artinya antara
residual antara lag t sampai lag 24 tidak ada yang saling berkorelasi,
sehingga dapat disimpulkan bahwa residual telah memenuhi asumsi
indepedensi.
Jika p-value lebih besar 0.05 yang berarti menunjukkan bahwa
data yang diuji normal. Untuk hasil pengolahan data perubahan tingkat
bunga per bulan dengan menggunakan software minitab 14 dapat dilihat
pada tabel 4.6 dimana besarnya nilai Box-Pierce (Ljung-Box) pada lag 12
dengan P-Value 0.079 > 0.05 dan pada lag 24 dengan P-Value 0.211>
0.05 berarti data normal.
Tabel 4.7 Statistik Ljung-Box Untuk Uang
Lag (k) df (K-k) Statistik Ljung-Box (Q) Chi-Square X2 (0.05) p-value
12 10 6.1 18.307 0.807
24 22 6.1 33.9244 1.000
Berdasarkan dari tabel 4.7 untuk uang menunjukkan bahwa
sampai pada lag 12 tidak ada korelasi antara residual pada antara lag t
dengan residual pada lag 12, karena dari hasil statistik Ljung-Box tidak
lebih besar dari Chi-Square X2nya. Begitu pula pada lag 24 nilai
statistiknya tidak lebih besar dari Chi-Square X2nya. Artinya antara
residual antara lag t sampai lag 24 tidak ada yang saling berkorelasi,
sehingga dapat disimpulkan bahwa residual telah memenuhi asumsi
indepedensi.
Jika p-value lebih besar 0.05 yang berarti menunjukkan bahwa
data yang diuji normal. Untuk hasil pengolahan data perubahan uang yang
beredar per bulan dengan menggunakan software minitab 14 dapat dilihat
pada tabel 4.7 dimana besarnya nilai Box-Pierce (Ljung-Box) pada lag 12
dengan P-Value 0.807 > 0.05 dan pada lag 24 dengan P-Value 1.000 >
0.05 berarti data normal.
Tabel 4.8 Statistik Ljung-Box Untuk Kurs
Lag (k) df (K-k) Statistik Ljung-Box (Q) Chi-Square X2 (0.05) p-value
12 10 11.8 18.307 0.299
24 22 24.3 33.9244 0.333
Berdasarkan dari tabel 4.8 untuk kurs menunjukkan bahwa sampai
pada lag 12 tidak ada korelasi antara residual pada antara lag t dengan
residual pada lag 12, karena dari hasil statistik Ljung-Box tidak lebih besar
dari Chi-Square X2nya. Begitu pula pada lag 24 nilai statistiknya tidak
lebih besar dari Chi-Square X2nya. Artinya antara residual antara lag t
sampai lag 24 tidak ada yang saling berkorelasi, sehingga dapat
disimpulkan bahwa residual telah memenuhi asumsi indepedensi.
Jika p-value lebih besar 0.05 yang berarti menunjukkan bahwa
data yang diuji normal. Untuk hasil pengolahan data perubahan kurs per
bulan dengan menggunakan software minitab 14 dapat dilihat pada tabel
4.8 dimana besarnya nilai Box-Pierce (Ljung-Box) pada lag 12 dengan P-
Value 0.299 > 0.05 dan pada lag 24 dengan P-Value 0.333 > 0.05 berarti
data normal
a. Perubahan Tingkat Inflasi
Perubahan tingkat inflasi yang digunakan untuk model APT
adalah perubahan tingkat inflasi yang tidak diharapkan yang didapat
dari selisih antara perubahan tingkat inflasi aktual dengan perubahan
tingkat inflasi yang diharapkan. Perubahan tingkat inflasi yang
diharapkan didapat dari model ARIMA dengan menggunakan
software minitab 14. Adapun perkembangan perubahan tingkat inflasi
aktual, perubahan tingkat inflasi yang diharapkan, dan perubahan
tingkat inflasi yang tidak diharapkan dapat dlihat dari tabel 4.9
Berdasarkan tabel 4.9 menunjukkan bahwa rata-rata perubahan
tingkat inflasi per bulan aktual dari Januari 2004 sampai dengan
Desember 2007 adalah sebesar 0.026%. Perubahan tingkat inflasi
aktual yang tertinggi terjadi pada bulan Oktober 2005 yaitu sebesar
0.975%. Sedangkan perubahan tingkat inflasi aktual yang mencapai
level paling rendah terjadi pada bulan Oktober 2006 yaitu sebesar -
0.568% yang berarti pada bulan ini terjadi deflasi yaitu turunnya harga
barang-barang.
Rata-rata perubahan tingkat inflasi yang diharapkan per bulan
yang diharapkan dari Januari 2004 sampai dengan Desember 2007
adalah sebesar 0.307%. Perubahan tingkat inflasi yang diharapkan
tertinggi terjadi pada bulan Januari 2004 yaitu sebesar 0.455%.
Sedangkan perubahan tingkat inflasi yang diharapkan di level yang
paling rendah terjadi pada bulan Februari 2004 yaitu sebesar 0.25%.
Rata-rata perubahan tingkat inflasi yang tidak diharapkan per
bulan dari Januari 2004 sampai dengan Desember 2007 adalah sebesar
-0.281%, hal ini berarti perubahan tingkat inflasi aktual lebih kecil
daripada perubahan tingkat inflasi yang diharapkan. Perubahan tingkat
inflasi yang tidak diharapkan tertinggi terjadi pada bulan Oktober
2005 yaitu sebesar 0.669%. Sedangkan perubahan tingkat inflasi yang
tidak diharapkan di level yang paling rendah terjadi pada bulan Januari
2004 yaitu sebesar -0.521%. Secara umum perubahan tingkat inflasi
aktual dari Januari 2004 sampai dengan Desember 2007 sangat
berfluktuasi, sedangkan perubahan tingkat inflasi yang diharapkan
cenderung stabil, sehingga perubahan tingkat inflasi yang tidak
diharapkan menjadi cenderung sangat berfluktuasi.
Tabel 4.9 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Inflasi yang
Diharapkan, dan Perubahan Tingkat Inflasi yang Tidak Diharapkan Periode Januari 2004 – Desember 2007
No Tanggal Inflasi Aktual Inflasi yang
Diharapkan Inflasi yang Tidak
Diharapkan 1 Jan-04 -0.07% 0.455% -0.521% 2 Feb-04 0.05% 0.25% -0.204% 3 Mar-04 0.11% 0.326% -0.215% 4 Apr-04 0.159% 0.298% -0.139% 5 May-04 0.093% 0.308% -0.215% 6 Jun-04 0.056% 0.304% -0.249% 7 Jul-04 0.054% 0.306% -0.251% 8 Aug-04 -0.074% 0.305% -0.379% 9 Sep-04 -0.06% 0.305% -0.365%
No Tanggal Inflasi Aktual Inflasi yang Diharapkan
Inflasi yang Tidak Diharapkan
10 Oct-04 -0.008% 0.305% -0.313% 11 Nov-04 0.006% 0.305% -0.299% 12 Dec-04 0.036% 0.305% -0.27% 13 Jan-05 0.144% 0.305% -0.161% 14 Feb-05 -0.023% 0.305% -0.328% 15 Mar-05 0.232% 0.305% -0.073% 16 Apr-05 -0.078% 0.305% -0.383% 17 May-05 0.089% 0.305% -0.216% 18 Jun-05 0.003% 0.305% -0.302% 19 Jul-05 0.057% 0.305% -0.248% 20 Aug-05 0.063% 0.305% -0.243% 21 Sep-05 0.088% 0.305% -0.218% 22 Oct-05 0.975% 0.305% 0.669% 23 Nov-05 0.027% 0.305% -0.278% 24 Dec-05 -0.069% 0.305% -0.374% 25 Jan-06 0.005% 0.305% -0.3% 26 Feb-06 0.052% 0.305% -0.253% 27 Mar-06 -0.122% 0.305% -0.427% 28 Apr-06 -0.022% 0.305% -0.327% 29 May-06 0.013% 0.305% -0.292% 30 Jun-06 0.005% 0.305% -0.301% 31 Jul-06 -0.025% 0.305% -0.33% 32 Aug-06 -0.017% 0.305% -0.322% 33 Sep-06 -0.024% 0.305% -0.329% 34 Oct-06 -0.568% 0.305% -0.873% 35 Nov-06 -0.162% 0.305% -0.467% 36 Dec-06 0.252% 0.305% -0.053% 37 Jan-07 -0.052% 0.305% -0.357% 38 Feb-07 0.006% 0.305% -0.299% 39 Mar-07 0.035% 0.305% -0.27% 40 Apr-07 -0.035% 0.305% -0.34% 41 May-07 -0.045% 0.305% -0.35% 42 Jun-07 -0.04% 0.305% -0.345% 43 Jul-07 0.05% 0.305% -0.255% 44 Aug-07 0.074% 0.305% -0.231% 45 Sep-07 0.068% 0.305% -0.238% 46 Oct-07 -0.01% 0.305% -0.315% 47 Nov-07 -0.025% 0.305% -0.33% 48 Dec-07 -0.018% 0.305% -0.323% Rata-rata 0.026% 0.307% -0.281%
Sumber: Statistik Ekonomi Keuangan Indonesia, Data Diolah Penulis
b. Perubahan Tingkat Bunga
Data perubahan tingkat bunga yang diambil untuk penelitian
adalah perubahan tingkat bunga SBI (Sertifikat Bank Indonesia).
Perubahan tingkat bunga yang digunakan untuk model APT adalah
perubahan tingkat bunga yang tidak diharapkan yang didapat dari
selisih antara perubahan tingkat bunga aktual dengan perubahan
tingkat bunga yang diharapkan. Perubahan tingkat bunga yang
diharapkan didapat dari model ARIMA dengan menggunakan
software minitab 14. Adapun perkembangan perubahan tingkat bunga
aktual, perubahan tingkat bunga yang diharapkan, dan perubahan
tingkat bunga yang tidak diharapkan dapat dlihat dari tabel 4.10
Berdasarkan tabel 4.10 menunjukkan bahwa rata-rata
perubahan tingkat bunga per bulan aktual dari Januari 2004 sampai
dengan Desember 2007 adalah sebesar 0.77%. Perubahan tingkat
bunga aktual yang tertinggi terjadi pada bulan Desember 2005 yaitu
sebesar 1.06%. Sedangkan perubahan tingkat bunga aktual yang
mencapai level paling rendah terjadi dari bulan April 2004 sampai
dengan bulan Agustus 2004 yaitu sebesar 0.61%.
Tabel 4.10 Perubahan Tingkat Bunga Aktual, Perubahan Tingkat Bunga Yang
Diharapkan, dan Perubahan Tingkat Bunga yang Tidak Diharapkan Periode Januari 2004 – Desember 2007
No Tanggal Bunga Aktual Bunga Yang
Diharapkan Bunga Yang Tidak
Diharapkan 1 Jan-04 0.66% -0.02% 0.68% 2 Feb-04 0.62% -0.02% 0.64% 3 Mar-04 0.62% -0.01% 0.63% 4 Apr-04 0.61% -0.01% 0.62%
No Tanggal Bunga Aktual Bunga Yang Diharapkan
Bunga Yang Tidak Diharapkan
5 May-04 0.61% -0.01% 0.62% 6 Jun-04 0.61% -0.01% 0.62% 7 Jul-04 0.61% -0.01% 0.62% 8 Aug-04 0.61% -0.01% 0.62% 9 Sep-04 0.62% -0.01% 0.62% 10 Oct-04 0.62% -0.01% 0.63% 11 Nov-04 0.62% -0.01% 0.63% 12 Dec-04 0.62% -0.01% 0.63% 13 Jan-05 0.62% -0.01% 0.63% 14 Feb-05 0.62% -0.01% 0.63% 15 Mar-05 0.62% -0.01% 0.63% 16 Apr-05 0.64% -0.01% 0.65% 17 May-05 0.66% -0.01% 0.67% 18 Jun-05 0.69% -0.01% 0.70% 19 Jul-05 0.71% -0.01% 0.72% 20 Aug-05 0.79% -0.01% 0.80% 21 Sep-05 0.83% -0.01% 0.84% 22 Oct-05 0.92% -0.01% 0.92% 23 Nov-05 1.02% -0.01% 1.03% 24 Dec-05 1.06% -0.01% 1.07% 25 Jan-06 1.06% -0.01% 1.07% 26 Feb-06 1.06% -0.01% 1.07% 27 Mar-06 1.06% -0.01% 1.07% 28 Apr-06 1.06% -0.01% 1.07% 29 May-06 1.04% -0.01% 1.05% 30 Jun-06 1.04% -0.01% 1.05% 31 Jul-06 1.02% -0.01% 1.03% 32 Aug-06 0.98% -0.01% 0.99% 33 Sep-06 0.94% -0.01% 0.95% 34 Oct-06 0.90% -0.01% 0.90% 35 Nov-06 0.85% -0.01% 0.86% 36 Dec-06 0.81% -0.01% 0.82% 37 Jan-07 0.79% -0.01% 0.80% 38 Feb-07 0.77% -0.01% 0.78% 39 Mar-07 0.75% -0.01% 0.76% 40 Apr-07 0.75% -0.01% 0.76% 41 May-07 0.73% -0.01% 0.74% 42 Jun-07 0.71% -0.01% 0.72% 43 Jul-07 0.69% -0.01% 0.70% 44 Aug-07 0.69% -0.01% 0.70% 45 Sep-07 0.69% -0.01% 0.70% 46 Oct-07 0.69% -0.01% 0.70% 47 Nov-07 0.69% -0.01% 0.70% 48 Dec-07 0.67% -0.01% 0.68% Rata-rata 0.77% -0.01% 0.78%
Sumber : Statistik Ekonomi Keuangan Indonesia, Data Diolah Penulis.
Rata-rata perubahan tingkat bunga yang diharapkan per bulan
dari Januari 2004 sampai dengan Desember 2007 adalah sebesar -
0.01%. Perubahan tingkat bunga yang diharapkan tertinggi terjadi dari
bulan Maret 2004 sampai dengan desember 2007 yaitu sebesar -
0.01%. Sedangkan perubahan tingkat bunga yang diharapkan di level
yang paling rendah terjadi pada bulan Januari 2004 dan Februari 2004
yaitu sebesar -0.02%. Rata-rata perubahan tingkat bunga yang tidak
diharapkan per bulan dari Januari 2004 sampai dengan Desember
2007 adalah sebesar 0.78%, Hal ini berarti perubahan tingkat bunga
aktual lebih besar daripada perubahan tingkat bunga yang diharapkan,
hal ini terjadi pemerintah menerapkan kebijakan menaikkan tingkat
bunga guna menghambat jatuhnya nilai mata uang rupiah terhadap
dollar Amerika. Perubahan tingkat bunga yang tidak diharapkan di
level yang paling tinggi terjadi dari bulan Desember 2005 sampai
dengan bulan April 2006 yaitu sebesar 1.07%. Perubahan tingkat
bunga yang tidak diharapkan terendah terjadi dari bulan April 2004
sampai dengan September 2004 yaitu sebesar 0.62%.
c. Perubahan Jumlah Uang Beredar
Perubahan jumlah uang beredar yang digunakan dalam
penelitian ini adalah perubahan jumlah uang beredar yaitu M1 yang
didapatkan dari uang kartal ditambah uang giral. Perubahan jumlah
uang beredar yang digunakan untuk model APT adalah perubahan
jumlah uang beredar yang tidak diharapkan yang didapat dari selisih
antara perubahan jumlah uang beredar aktual dengan perubahan
jumlah uang beredar yang diharapkan. Perubahan jumlah uang beredar
yang diharapkan didapat dari model ARIMA dengan menggunakan
software minitab 14. Adapun perkembangan perubahan jumlah uang
beredar aktual, perubahan jumlah uang beredar yang diharapkan, dan
perubahan jumlah uang beredar yang tidak diharapkan dapat dlihat
dari tabel 4.11.
Tabel 4.11 Perubahan Jumlah Uang Beredar Aktual, Perubahan Jumlah Uang Beredar
yang Diharapkan, dan Perubahan Jumlah Uang Beredar yang Tidak Diharapkan
Periode Januari 2004 – Desember 2007
No Tanggal Uang aktual (%) Uang yang
diharapkan (%) Uang yang tidak diharapkan (%)
1 Jan-04 -3.33% -0.97% -2.36% 2 Feb-04 1.24% 0.34% 0.91% 3 Mar-04 -0.02% -0.14% 0.13% 4 Apr-04 -1.62% 0.03% -1.65% 5 May-04 3.83% -0.03% 3.86% 6 Jun-04 4.93% -0.01% 4.94% 7 Jul-04 1.42% -0.02% 1.44% 8 Aug-04 0.38% -0.01% 0.39% 9 Sep-04 0.82% -0.01% 0.83% 10 Oct-04 2.78% -0.01% 2.79% 11 Nov-04 1.06% -0.01% 1.07% 12 Dec-04 1.44% -0.01% 1.45% 13 Jan-05 -2.22% -0.01% -2.21% 14 Feb-05 0.91% -0.01% 0.92% 15 Mar-05 0.02% -0.01% 0.04% 16 Apr-05 -1.68% -0.01% -1.66% 17 May-05 2.52% -0.01% 2.53% 18 Jun-05 5.99% -0.01% 6.01% 19 Jul-05 -0.29% -0.01% -0.27% 20 Aug-05 2.99% -0.01% 3.00% 21 Sep-05 -0.32% -0.01% -0.31% 22 Oct-05 4.66% -0.01% 4.67% 23 Nov-05 -3.48% -0.01% -3.47% 24 Dec-05 1.87% -0.01% 1.88% 25 Jan-06 -0.17% -0.01% -0.16% 26 Feb-06 -1.47% -0.01% -1.46%
No Tanggal Uang aktual (%) Uang yang
diharapkan (%) Uang yang tidak diharapkan (%)
27 Mar-06 0.01% -0.01% 0.02% 28 Apr-06 1.84% -0.01% 1.86% 29 May-06 7.88% -0.01% 7.90% 30 Jun-06 2.79% -0.01% 2.80% 31 Jul-06 -0.43% -0.01% -0.41% 32 Aug-06 5.63% -0.01% 5.64% 33 Sep-06 1.38% -0.01% 1.39% 34 Oct-06 3.75% -0.01% 3.76% 35 Nov-06 -1.09% -0.01% -1.07% 36 Dec-06 5.38% -0.01% 5.39% 37 Jan-07 -4.50% -0.01% -4.48% 38 Feb-07 0.50% -0.01% 0.52% 39 Mar-07 -1.37% -0.01% -1.35% 40 Apr-07 2.76% -0.01% 2.77% 41 May-07 0.39% -0.01% 0.40% 42 Jun-07 8.15% -0.01% 8.17% 43 Jul-07 4.31% -0.01% 4.33% 44 Aug-07 1.06% -0.01% 1.07% 45 Sep-07 2.30% -0.01% 2.31% 46 Oct-07 0.90% -0.01% 0.92% 47 Nov-07 2.27% -0.01% 2.29% 48 Dec-07 8.58% -0.01% 8.59% Rata-rata 1.56% -0.03% 1.59%
Sumber : Statistik Ekonomi Keuangan Indonesia, data diolah penulis
Berdasarkan tabel 4.11 dapat dilihat bahwa rata-rata perubahan
jumlah uang yang beredar per bulan aktual dari Januari 2004 sampai
dengan Desember 2007 adalah sebesar 1.6%. Perubahan jumlah uang
yang beredar aktual yang tertinggi terjadi pada bulan Desember 2007
yaitu sebesar 8.58%. Sedangkan perubahan jumlah uang yang beredar
aktual yang mencapai level paling rendah terjadi pada bulan Januari
2007 yaitu sebesar -4.50%. Rata-rata perubahan jumlah uang yang
beredar yang diharapkan per bulan dari Januari 2004 sampai dengan
Desember 2007 adalah sebesar -0.03%. Perubahan jumlah uang yang
beredar yang diharapkan tertinggi terjadi pada bulan Februari 2004
yaitu sebesar 0.34%. Sedangkan perubahan jumlah uang yang beredar
yang diharapkan di level yang paling rendah terjadi pada bulan Januari
2004 yaitu sebesar -0.97%. Rata-rata perubahan jumlah uang yang
beredar yang tidak diharapkan per bulan dari Januari 2004 sampai
dengan Desember 2007 adalah sebesar 1.59%, Hal ini berarti
perubahan jumlah uang yang beredar aktual lebih besar daripada
perubahan jumlah uang yang beredar yang diharapkan, perubahan
jumlah uang yang beredar yang tidak diharapkan di level yang paling
tinggi terjadi pada bulan Desember 2007 yaitu sebesar 8.59%.
Perubahan jumlah uang yang beredar yang tidak diharapkan terendah
terjadi pada bulan Januari 2007 yaitu sebesar -4.48%.
d. Perubahan Nilai Tukar (Kurs) Dollar Amerika Terhadap Rupiah
Perubahan kurs yang digunakan dalam penelitian ini adalah
nilai kurs dollar Amerika terhadap rupiah. Perubahan kurs yang
digunakan untuk model APT adalah perubahan kurs yang tidak
diharapkan yang didapat dari selisih antara perubahan kurs aktual
dengan perubahan kurs yang diharapkan. Perubahan kurs yang
diharapkan didapat dari model ARIMA dengan menggunakan
software minitab 14. Adapun perkembangan perubahan kurs aktual,
perubahan kurs yang diharapkan, dan perubahan kurs yang tidak
diharapkan dapat dlihat dari tabel 4.12.
Tabel 4.12 Perubahan Kurs Aktual, Perubahan Kurs Yang Diharapkan, dan Perubahan
Kurs Yang Tidak Diharapkan Periode Januari 2004 – Desember 2007
No Tanggal Kurs aktual Kurs yang
diharapkan Kurs yang tidak
diharapkan 1 Jan-04 -0.28% 1.03% -1.31% 2 Feb-04 0.07% -0.90% 0.97% 3 Mar-04 1.66% 0.31% 1.35% 4 Apr-04 0.86% -0.45% 1.31% 5 May-04 6.34% 0.03% 6.31% 6 Jun-04 2.23% -0.27% 2.50% 7 Jul-04 -2.62% -0.08% -2.54% 8 Aug-04 1.75% -0.20% 1.95% 9 Sep-04 -1.69% -0.13% -1.57% 10 Oct-04 -0.87% -0.17% -0.70% 11 Nov-04 -0.79% -0.15% -0.65% 12 Dec-04 3.02% -0.16% 3.18% 13 Jan-05 -1.35% -0.15% -1.20% 14 Feb-05 1.11% -0.16% 1.27% 15 Mar-05 2.30% -0.15% 2.45% 16 Apr-05 0.95% -0.16% 1.11% 17 May-05 -0.78% -0.16% -0.62% 18 Jun-05 2.30% -0.16% 2.46% 19 Jul-05 1.09% -0.16% 1.25% 20 Aug-05 4.29% -0.16% 4.45% 21 Sep-05 0.68% -0.16% 0.84% 22 Oct-05 -2.13% -0.16% -1.97% 23 Nov-05 -0.55% -0.16% -0.39% 24 Dec-05 -2.04% -0.16% -1.88% 25 Jan-06 -4.43% -0.16% -4.27% 26 Feb-06 -1.76% -0.16% -1.60% 27 Mar-06 -1.68% -0.16% -1.52% 28 Apr-06 -3.31% -0.16% -3.15% 29 May-06 5.07% -0.16% 5.23% 30 Jun-06 0.87% -0.16% 1.03% 31 Jul-06 -2.47% -0.16% -2.31% 32 Aug-06 0.33% -0.16% 0.49% 33 Sep-06 1.48% -0.16% 1.64% 34 Oct-06 -1.35% -0.16% -1.19% 35 Nov-06 0.60% -0.16% 0.76% 36 Dec-06 -1.58% -0.16% -1.42% 37 Jan-07 0.78% -0.16% 0.94% 38 Feb-07 0.77% -0.16% 0.93% 39 Mar-07 -0.46% -0.16% -0.30% 40 Apr-07 -0.38% -0.16% -0.22% 41 May-07 -2.81% -0.16% -2.65%
No Tanggal Kurs aktual Kurs yang diharapkan
Kurs yang tidak diharapkan
42 Jun-07 2.56% -0.16% 2.72% 43 Jul-07 1.46% -0.16% 1.62% 44 Aug-07 2.44% -0.16% 2.60% 45 Sep-07 -2.90% -0.16% -2.74% 46 Oct-07 -0.37% -0.16% -0.21% 47 Nov-07 3.00% -0.16% 3.16% 48 Dec-07 0.46% -0.16% 0.62% Rata-rata 0.25% -0.14% 0.39%
Sumber : Statistik Ekonomi Keuangan Indonesia, data diolah penulis
Berdasarkan tabel 4.12 dapat dilihat bahwa rata-rata perubahan
kurs per bulan aktual dari Januari 2004 sampai dengan Desember 2007
adalah sebesar 0.25%. Perubahan kurs aktual yang tertinggi terjadi
pada bulan Mei 2004 yaitu sebesar 6.34%. Sedangkan perubahan kurs
aktual yang mencapai level paling rendah terjadi pada bulan Januari
2006 yaitu sebesar -4.43%.
Rata-rata perubahan kurs yang diharapkan per bulan dari
januari 2004 sampai dengan Desember 2007 adalah sebesar -0.14%.
Perubahan kurs yang diharapkan tertinggi terjadi pada bulan Januari
2004 yaitu sebesar 1.03%. Sedangkan perubahan kurs yang
diharapkan di level yang paling rendah terjadi pada bulan Februari
2004 yaitu sebesar -0.90%.
Rata-rata perubahan kurs yang tidak diharapkan per bulan dari
Januari 2004 sampai dengan Desember 2007 adalah sebesar 0.39%,
Hal ini berarti perubahan kurs aktual lebih besar daripada perubahan
kurs yang diharapkan, perubahan jumlah kurs yang tidak diharapkan
di level yang paling tinggi terjadi pada bulan Mei 2004 yaitu sebesar
6.31%. Perubahan kurs yang tidak diharapkan terendah terjadi pada
bulan Januari 2006 yaitu sebesar -4.27%.
5. Uji Normalitas Data dan Uji Asumsi Klasik
a. Uji Normalitas Data
Uji normalitas bertujuan menguji apakah dalam model regresi,
variabel penganggu atau residual memiliki distribusi normal.
Pengujian normalitas data adalah pengujian tentang kenormalan
distribusi data. Uji normalitas bertujuan untuk menguji apakah dalam
model regresi variabel dependen yang dalam hal ini adalah return
saham LQ-45 dan variabel independen CAPM dan APT ataupun
keduanya mempunyai distribusi yang normal atau tidak. Hasil uji
normalitas data kedua model tersebut dapat dilihat pada tabel 4.13.
Tabel 4.13 Return Perusahaan LQ-45 Dengan Kolmogorov-Smirnov
2004 – 2007
No. Nama Perusahaan Kode CAPM APT 1 Astra Agro Lestari Tbk AALI 0 .875 0.855 2 Aneka Tambang (Persero) Tbk ANTM 0.378 0.079 3 Astra Internasional Tbk ASII 0.732 0.855 4 Bank Cental Asia Tbk BBCA 0.467 0.243 5 International Nickel Ind. Tbk INCO 0.087 0.183 6 Indofood Sukses Makmur Tbk INDF 0.683 0.737 7 Indah Kiat Pulp & Paper Tbk INKP 0.309 0.731
8 Indosat Tbk ISAT 0.932 0.091 9 Kalbe Farma Tbk KLBF 0.827 0.204 10 Bank Pan Indonesia Tbk PNBN 0.735 0.775 11 Tambang Batubara Bukit Asam Tbk PTBA 0.083 0.146 12 Semen Cibinong Tbk SMCB 0.676 0.520 13 telekomunikasi Indonesia Tbk TLKM 0.219 0.348 14 United Tractors Tbk UNTR 0.214 0.367
Berdasarkan tabel 4.13. dapat dilihat bahwa nilai CAPM dan
APT terhadap return perusahaan LQ-45 yang dijadikan sampel pada
penelitian ini bernilai > 0.05 yang berarti semua data normal.
b. Uji Asumsi Klasik
Untuk mendapatkan hasil estimator linear yang terbaik dan
tidak bias pada model regresi berganda, maka diperlukan pengujian
asumsi klasik. Adapun hasil dari uji asumsi klasik adalah sebagai
berikut:
1) Uji Multikolenieritas
(a) Uji Multikolinearitas CAPM
Uji multikolinearitas dimaksudkan untuk menguji
apakah dalam model regresi ditemukan adanya korelasi antar
variabel independen.. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel bebas. Diagnosis untuk
mengetahui adanya multikolinieritas adalah menentukan nilai
Variance Inflaction Factor (VIF) dan Tolerance. Batas
tolerance value adalah > 0.10 dan VIF < 10. Hasil perhitungan
nilai tolerance dan VIF dapat dilihat pada lampiran market
model saham LQ-45 bahwa semua variabel dapat diketahui
nilai tolerancenya diatas 0,10 dan VIF dibawah 10, sehingga
dapat dikatakan tidak terjadi multikolinearitas.
(b) Uji Multikolinearitas APT
Berdasarkan lampiran model APT saham LQ-45 dapat
dilihat bahwa besarnya semua variabel tidak terjadi
multikolinearitas, karena tidak lebih dari atau kurang dari ± 0.5.
2) Uji Autokorelasi
Autokorelasi digunakan untuk menguji apakah dalam sebuah
model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika
terjadi korelasi, maka dinamakan ada problem autokorelasi. Untuk
mendeteksi autokorelasi dalam penelitian ini maka digunakan uji
Durbin Watson (DW). Untuk pengujian Durbin Watson (DW)
digunakan ketentuan bahwa du < D-W < 4-du.
Tabel 4.14 Pengujian Durbin Watson (D-W) Pada Market Model Saham LQ-45
2004-2007
No. Nama Perusahaan Saham du D-W 4-du
1 Astra Agro Lestari Tbk AALI 1.403 2.5152 2.597
2 Aneka Tambang (Persero) Tbk ANTM 1.403 1.553 2.597
3 Astra Internasional Tbk ASII 1.403 1.682 2.597
4 Bank Cental Asia Tbk BBCA 1.403 2.019 2.597
5 International Nickel Ind. Tbk INCO 1.403 2.05 2.597
6 Indofood Sukses Makmur Tbk INDF 1.403 2.068 2.597
7 Indah Kiat Pulp & Paper Tbk INKP 1.403 1932 2.597
8 Indosat Tbk ISAT 1.403 1.891 2.597
9 Kalbe Farma Tbk KLBF 1.403 1.746 2.597
10 Bank Pan Indonesia Tbk PNBN 1.403 2.384 2.597
11 Tambang Batubara Bukit Asam Tbk PTBA 1.403 1.44 2.597
12 Semen Cibinong Tbk SMCB 1.403 1.531 2.597
13 telekomunikasi Indonesia Tbk TLKM 1.403 2.022 2.597
14 United Tractors Tbk UNTR 1.403 2.135 2.597
Pada tabel 4.14 diketahui nilai Durbin Watson (D-W) pada
return saham perusahaan LQ-45 dengan market model akan
dibandingkan dengan nilai tabel dengan menggunakan nilai
signifikansi 5%, jumlah sampel (n) 48 dan jumlah variabel
independen (k) adalah 1 yaitu return saham masing-masing
perusahaan. Maka dari tabel tersebut secara keseluruhan nilai
return saham perusahaan LQ-45 dengan market model didapatkan
nilai du < D-W < 4-du. Hal berarti dapat disimpulkan bahwa tidak
ada autokorelasi baik positif maupun negatif pada 14 return saham
LQ-45 dengan pada market model.
Tabel 4.15 Pengujian Durbin Watson (D-W) pada Model APT Perusahaan LQ-45
2004-2007
No. Nama Perusahaan Saham du D-W 4-du
1 Astra Agro Lestari Tbk AALI 1.403 2.172 2.597
2 Aneka Tambang (Persero) Tbk ANTM 1.403 1.626 2.597
3 Astra Internasional Tbk ASII 1.403 2.266 2.597
4 Bank Cental Asia Tbk BBCA 1.403 1.989 2.597
5 International Nickel Ind. Tbk INCO 1.403 1.892 2.597
6 Indofood Sukses Makmur Tbk INDF 1.403 2.125 2.597
7 Indah Kiat Pulp & Paper Tbk INKP 1.403 2.102 2.597
8 Indosat Tbk ISAT 1.403 2.343 2.597
9 Kalbe Farma Tbk KLBF 1.403 1.537 2.597
10 Bank Pan Indonesia Tbk PNBN 1.403 2.531 2.597
11 Tambang Batubara Bukit Asam Tbk PTBA 1.403 1.579 2.597
12 Semen Cibinong Tbk SMCB 1.403 1.955 2.597
13 telekomunikasi Indonesia Tbk TLKM 1.403 2.218 2.597
14 United Tractors Tbk UNTR 1.403 2.27 2.597
Pada tabel 4.15 diketahui nilai Durbin Watson (D-W) pada
return saham perusahaan LQ-45 dengan model APT akan
dibandingkan dengan nilai tabel dengan menggunakan nilai
signifikansi 5%, jumlah sample (n) 48 dan jumlah variabel
independen (k) adalah 1 yaitu return saham masing-masing
perusahaan. Maka dari tabel tersebut secara keseluruhan nilai
return saham perusahaan LQ-45 dengan model APT didapatkan
nilai du < D-W < 4-du. Hal berarti dapat disimpulkan bahwa tidak
ada autokorelasi baik positif maupun negatif pada 14 return saham
LQ-45 dengan model APT.
3) Uji Heterokedastisitas
(a) Uji Heterokedastisitas CAPM
Heteroskedastisitas varian variabel dependen dalam
model tidak equal terhadap variabel independen. Konsekuensi
adanya heteroskedastisitas dalam model regresi adalah
estimator yang diperoleh tidak efisien, baik pada sampel kecil
maupun besar. Diagnosis adanya heteroskedastisitas dalam uji
regresi dapat diidentifikasi dari pola scatter plot diagram.
Pada lampiran market model saham LQ-45 terlihat
bahwa titik-titik menyebar di atas dan di bawah angka nol pada
sumbu Y dan tidak terlihat pola tertentu. Dengan demikian
pada persamaan regresi linier berganda dalam model ini tidak
ada gejala atau tidak terjadi heteroskedastisitas.
(b) Uji Heterokedastisitas APT
dapat dilihat pada lampiran uji heterokedastisitas saham
perusahaan LQ-45, berdasarkan hasil uji korelasi rank dari
Spearman yang terdapat dalam software SPSS 12, diperoleh
nilai korelasi Spearman untuk masing-masing model yang
akan dibandingkan dengan nilai kritisnya atau nilai tabel r
one-tail dan tabel r two-tail dengan menggunakan nilai
signifikansi 5%, jumlah DF = 48-2 = 46 dan jumlah variabel
independen (k) adalah 1 yaitu return saham masing-masing
perusahaan. Untuk nilai kritis r one-tailnya didapat = 0.2403
dan tabel r two-tailnya = 0.2845. Dapat dilihat pada lampiran
uji heterokedastisitas bahwa nilai korelasi Spearman lebih
kecil daripada nilai kritisnya. Dengan demikian maka secara
keseluruhan tidak terjadi heterokedastisitas pada model regresi
tersebut.
6. Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) dan
Arbitrage Pricing Theory (APT) Dalam Memprediksi Return Saham LQ-
45
Sebelum di uji dengan two sample t-test maka kedua data
MADCAPM dan MADAPT harus melakukan uji normalitas data yang
dilakukan dengan menggunakan Kolmogorov-Sumirnov pada software
SPSS 12. Berdasarkan tabel 4.16 dapat dilihat bahwa untuk MADCAPM
bernilai 0.795 > 0.05 maka data yang diuji normal. Begitu pula untuk
MAD APT 0.159 > 0.05 yang berarti data yang diuji normal
Tabel 4.16 One-Sample Kolmogorov-Smirnov Test
CAPM APT
N 14 14
Normal Parameters(a,b) Mean .079850 .501979
Std. Deviation .0222822 .6313825
Most Extreme Differences Absolute .173 .301
Positive .173 .301
Negative -.100 -.248
Kolmogorov-Smirnov Z .648 1.125
Asymp. Sig. (2-tailed) .795 .159
a Test distribution is Normal. b Calculated from data.
Dalam penelitian ini keakuratan suatu model diukur dengan
menggunakan Mean Absolut Deviation (MAD), model yang mempunyai
MAD yang lebih kecil berarti lebih akurat dibandingkan model yang
mempunyai MAD yang lebih besar. Besarnya MAD model CAPM dan
APT dapat dilihat pada tabel 4.17.
Dasar pengambilan keputusan untuk two sample t-test adalah
dengan membandingkan t-tabel dan t-hitung:
a. Jika t-hitung > t-tabel, maka H0 ditolak atau P-value < 0.05
b. Jika t-hitung < t-tabel, maka H0 diterima atau P-value > 0.05
Berdasarkan hasil uji t dengan menggunakan program minitab
versi 14 maka diperoleh nilai t hitung sebesar 2.5. Nilai t tabel dengan
menggunakan α = 5% dan degree of freedom (DF) 14+14-2 = 2.05, karena
2.5 > 2.05 dan P-value 0.019 < 0.05, maka Ho ditolak yang berarti ada
perbedaan yang signifikan antara keakuratan model CAPM dan APT
dalam memprediksi Return Saham LQ-45 Di Bursa Efek Indonesia.
Tabel 4.17 MAD CAPM dan APT Return Saham LQ-45
No. Nama Perusahaan Kode MAD APT MAD CAPM
1 Astra Agro Lestari Tbk AALI 0.4128 0.0922
2 Aneka Tambang (Persero) Tbk ANTM 0.1698 0.1336
3 Astra Internasional Tbk ASII 0.3878 0.0601
4 Bank Cental Asia Tbk BBCA 0.0728 0.0513
5 International Nickel Ind. Tbk INCO 0.2966 0.1013
6 Indofood Sukses Makmur Tbk INDF 0.0784 0.0741
7 Indah Kiat Pulp & Paper Tbk INKP 0.2073 0.0714
8 Indosat Tbk ISAT 0.959 0.0671
9 Kalbe Farma Tbk KLBF 0.4785 0.1034
10 Bank Pan Indonesia Tbk PNBN 0.0753 0.0676
11 Tambang Batubara Bukit Asam Tbk PTBA 2.0533 0.0914
12 Semen Cibinong Tbk SMCB 1.6841 0.0783
13 telekomunikasi Indonesia Tbk TLKM 0.0782 0.0569
14 United Tractors Tbk UNTR 0.0738 0.0692
Rata-rata 0.5020 0.0799
Standar Deviasi 0.631 0.0223
Thitung 2.5
Tabel 2.0555
Rata-rata MAD model CAPM adalah sebesar 0.0799 dengan
standar deviasi sebesar 0.0223. Adapun Rata-rata MAD model APT
adalah sebesar 0.5020 dengan standar deviasi sebesar 0.631. Hal ini
menunjukkan bahwa model CAPM lebih akurat dibandingkan model APT
dalam memprediksi return saham LQ-45 pada periode 2004 sampai
dengan 2007, karena hasil MAD CAPM lebih kecil daripada hasil MAD
APT. Hal ini sesuai dengan penelitian terdahulu oleh Gancar Candra
Premananto dan Muhammad Madyan (2004) meneliti mengenai
Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) Dan
Arbitrage Pricing Theory (APT) Dalam Memprediksi Tingkat Pendapatan
Saham Industri Perbankan dan Lembaga Keuangan Selain Bank Sebelum
Dan Semasa Krisis Ekonomi Di Bursa Efek Jakarta. Hasil penelitiannya
menemukan bahwa model CAPM lebih akurat dibandingkan APT baik
sebelum dan semasa krisis ekonomi. Gancar Candra Premananto dan
Muhammad Madyan (2004) juga meneliti mengenai Perbandingan
Keakuratan Capital Asset Pricing Model (CAPM) Dan Arbitrage Pricing
Theory (APT) Dalam Memprediksi Tingkat Pendapatan Saham Industri
Manufaktur Sebelum Dan Semasa Krisis Ekonomi. Hasil penelitiannya
menemukan bahwa model CAPM lebih akurat dibandingkan APT baik
sebelum dan semasa krisis ekonomi.
CAPM lebih akurat daripada APT, hal ini disebabkan oleh :
a. Ketidaksesuaian atau ketidakcocokan variabel-variabel pembentuk
model APT itu sendiri, tidak semua investor menggunakan model
ARIMA dalam memprediksi varabel-variabel makro ekonomi dan
ketidakmampuan model APT menjelaskan variasi pendapatan saham
yang disebabkan oleh faktor non-ekonomi dan company action.
b. Ketidakmampuan model ARIMA (Box-Jenkins) untuk memprediksi
perubahan tingkat inflasi, perubahan tingkat bunga, perubahan jumlah
uang yang beredar, dan perubahan kurs pada periode 2004 sampai
dengan 2007 karena model ARIMA tersebut terbentuk pada saat itu
perubahan tingkat inflasi, perubahan tingkat bunga, perubahan jumlah
uang yang beredar dan perubahan kurs pergerakannya sangat
berfluktuasi, sehingga hasil prediksinya pun memiliki pola-pola
ketidakstabilan. Sedangkan pada periode prediksi (peramalan) antara
tahun 2001 sampai dengan 2003 dalam memprediksikan perubahan
tingkat inflasi, perubahan tingkat bunga, perubahan jumlah uang yang
beredar dan perubahan relatif stabil, sehingga perubahan tingkat inflasi
yang tidak diharapkan, perubahan tingkat bunga yang tidak
diharapkan, perubahan jumlah uang yang beredar yang tidak
diharapkan, dan perubahan kurs yang tidak diharapkan relatif stabil.
Apabila hasil tersebut dimasukkan ke dalam model APT yang
dibentuk pada saat perubahan tingkat inflasi, perubahan tingkat bunga,
perubahan jumlah uang yang beredar dan perubahan perubahan kurs
yang berfluktuatif, maka hasil prediksinya pun tidak akurat, hal ini
dapat dilihat pada rata-rata MAD model APT dalam memprediksi
return saham LQ-45 yang tinggi yaitu sebesar 0.50197. Maka dapat
dikatakan bahwa model APT yang dibentuk pada periode 2004 sampai
dengan 2007 tidak dapat digunakan untuk memprediksi return saham
LQ-45 pada periode 2004 sampai dengan 2007 karena menghasilkan
error yang tinggi. Berbeda dengan penggunaan model CAPM dalam
memprediksi return saham LQ-45 pada periode 2004 sampai dengan
2007 ,sejak awal variabel bebas pembentuk model ini adalah
pendapatan pasar saham yang diukur dengan perubahan IHSG di BEJ,
tidak terlibat proses prediksi, artinya pendapatan pasar yang digunakan
adalah pendapatan pasar aktual, sehingga besarnya MAD model
CAPM dalam memprediksi return saham LQ-45 pada periode 2004
sampai dengan 2007 jauh lebih kecil dibandingkan dengan MAD
model APT, artinya model CAPM jauh lebih akurat dibandingkan
model APT dalam memprediksi return saham LQ-45 pada periode
2004 sampai dengan 2007.
BAB V
KESIMPULAN DAN IMPLIKASI
A. Kesimpulan
Penelitian ini bertujuan untuk meneliti perbedaan keakuratan antara
Capital Asset Pricing Model (CAPM) dengan Arbitrage Pricing Theory
(APT) dalam memprediksi return saham LQ-45. Adapun beberapa
kesimpulan yang dapat diambil dalam penelitian ini adalah:
1. Terdapat perbedaan yang siginifikan antara keakuratan Capital Asset
Pricing Model (CAPM) dengan Arbitrage Pricing Theory (APT) dalam
memprediksi return saham LQ-45.
2. Capital Asset Pricing Model (CAPM) lebih akurat dibandingkan
dengan Arbitrage Pricing Theory (APT), karena hasil MAD dan Standar
deviasi model CAPM lebih kecil dibandingkan model APT.
B. Implikasi
1. Implikasi Bagi Investor
Pada umumnya hampir semua investasi mengandung unsur
ketidakpastian. Investor tidak tahu dengan pasti hasil yang akan
diperolehnya dari investasi yang dilakukan. Karena investor menghadapi
kesempatan investasi yang berisiko maka pilihan investasi tidak dapat
hanya mengandalkan hanya pada tingkat keuntungan saja tetapi investor
harus bersedia menanggung risiko atas investasinya. Oleh karena itu
dalam melakukan investasi, investor seharusnya mempertimbangkan
secara matang mengenai beberapa hal yang sangat penting dalam
pengambilan keputusan investasi yang dilakukannya.
2. Implikasi Bagi Perusahaan
Hasil Penelitian ini dapat dijadikan informasi tambahan dan
pertimbangan bagi perusahaan dalam melakukan kebijakan yang
berhubungan dengan investasi dan corporate action.
3. Implikasi Bagi Akademisi
Analisis perbandingan keakuratan Capital Asset Pricing Model
(CAPM) dan Arbitrage Pricing Theory (APT) dalam memprediksi
return saham LQ-45 Di Bursa Efek Jakarta dapat dijadikan tambahan
pengetahuan bagi penelitian selanjutnya sehingga penelitian selanjutnya
dapat meneliti secara lebih tepat dalam menganalisis keakuratan Capital
Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT)
dalam memprediksi return saham.
C. Keterbatasan Penelitian dan Saran
1. Periode estimasi untuk Arbitrage Pricing Theory (APT) hanya terbatas
pada tiga tahun (2001-2003), sehingga hasil untuk meramalkan tingkat
inflasi, tingkat bunga, perubahan uang, dan perubahan kurs tidak
maksimal. Agar hasil peramalan lebih akurat, waktu yang digunakan untuk
periode estimasi harus lebih banyak daripada periode pengujian itu sendiri.
Karena semakin banyak data dari periode estimasi, maka akan semakin
akurat untuk memprediksi yang diharapkan.
2. Untuk penelitian selanjutnya, sebaiknya variabel-variabel pada model APT
diperbanyak, sebab dengan empat variabel makroekonomi yang telah
dilakukan oleh penulis telah membuktikan bahwa model APT tidak lebih
akurat dibandingkan model CAPM dan variabel-variabel pembentuk
model APT yang digunakan adalah benar-benar yang mempunyai
hubungan signifikan dengan return saham pada periode penelitian
tersebut.
DAFTAR PUSTAKA Agustiono dan Ratna Mariaty Goni, ”Analysis On Implementation Of Capital
Asset Pricing Model In Predicting Stocks’ Return And Price”, Jurnal Eksekutif Vol. 2 No. 1 Hal 8-13, 2005.
Ahmad, Komaruddin, “Dasar-Dasar Manajemen Investasi dan Portofolio”,
Rineka Cipta, Jakarta, 2004. Aliansyah, M.Noor, “Pengaruh Struktur Modal Terhadap Nilai Saham”, Jurnal
Usahawan No. 01 Hal 8-16, Januari 2001. Ang, Robert, “Buku Pintar Pasar Modal Indonesia (The Intelligent Guide To
Indonesian Capital Market)”, First Edition, Mediasoft Indonesia, 1997. Bodie, Kane, and Marcus, ”Investments”, Edisi Bahasa Indonesia, Salemba
Empat, Jakarta, 2005. Christianti, Ari, Murti Lestari, “Analisis Pengaruh Nilai Saham Yang Beredar,
Struktur Modal, Risiko Pasar, Dan Suku Bunga Terhadap Return Saham Di BEJ Dengan Pendekatan Dinamis (Studi Kasus Pada Sektor Aneka Industri Tahun 1996-2002)”, Jurnal Riset Akuntansi Dan Keuangan Vol. 1 No.1 Hal 20-37, 2005.
Darmadji, Tjiptono, dan Hendy M. Fakhruddin, “Pasar Modal Di Indonesia
Pendekatan Tanya Jawab”, Edisi Kedua, Salemba Empat, Jakarta, 2006. Djohanputro, Bramantyo, “Manajemen Risiko Korporat Terintegrasi”, PPM,
Jakarta, 2006.
Ernest, Michael D. ,”Teaching Inference for Randomized Experiments”, Journal of Statistics Education Volume 17 No. 1, 2009.
Fauzan, “Analisis Pengaruh Variabel Makroekonomi Terhadap Indeks Harga Saham Sektoral Di Bursa Efek Jakarta”, Skripsi FEIS UIN Syarif Hidayatullah Jakarta, 2007.
Gozali ,Imam, “Aplikasi Analisis Multivariate Dengan Program SPSS”. Badan
Penerbit Universitas Diponegoro, Semarang, 2005. Hamidah, Siti, “Penggunaan Analisis Ekonomi Dalam estimasi Tingkat
Pengembalian Investasi Saham (Studi Kasus Pada Perusahaan Industri Di BEJ)”, Skripsi FEIS UIN Syarif Hidayatullah Jakarta, 2005.
Husnan, Suad, ”Dasar-Dasar Teori Portofolio Dan Analisis Sekuritas”, Edisi Ketiga, UPP AMPYKPN, Yogyakarta, 2001.
Husnan, Suad, ”CAPM dan Strategi Portoflio Kajian Kondisi Pasar Di BEJ
1997”, Jurnal Usahawan No.5 Hal 6-10, 1998. Idroes, Ferry N. dan Sugiarto, “Manajemen Risiko Perbankan Dalam Konteks
Kesepakatan Basel Dan Peraturan Bank Indonesia”, Graha Ilmu, Yogyakarta, 2006.
Iriawan, Nur, dan Septin Pudji Astuti, ”Mengolah Data Statistik Dengan Mudah
Menggunakan Minitab 14”, Andi Offset, Yogyakarta, 2006. Jogiyanto, “Teori Portofolio dan Sekuritas”, edisi ketiga, UPP AMP YPKN,
Yogyakarta, 2001. Jogiyanto, HM. “Teori Portofolio Dalam Analisis Investasi”, Edisi Tiga, BPFE,
Yogyakarta, 2003. Madyan, Muhammad, Premananto, dan Gancar Candra, “Perbandingan
Keakuratan CAPM Dan APT Dalam Memprediksi Tingkat Pendapatan Industri Perbankan Dan Lembaga Keuangan Selain Bank Baik Sebelum Dan Semasa Krisis Ekonomi Di Bursa Efek Jakarta”. Laporan Penelitian Hal 11-15. 2004.
Madyan, Muhammad, Premananto, dan Gancar Candra, “Perbandingan
Keakuratan Capital Asset Pricing Model Dan Arbitrage Pricing Theory Dalam Memprediksi Tingkat Pendapatan Saham Industri Manufaktur Sebelum Dan Semasa Krisis Ekonomi”. Jurnal Penelitian Dinamika Sosial Vol. 5 No. 2 Hal 125-139, 2004.
Norpratiwi, Agustina M.V, “Analisis Korelasi Investment Opportunity Set
Terhadap Return Saham (Pada Saat Pelaporan Keuangan Perusahaan)”, Jurnal STIE YKPN Yogyakarta Hal 1-28, 2007.
Rangkuti, Freddy, ”Riset Pemasaran”, Gramedia Pustaka Utama, Jakarta,1997. Rodoni, Ahmad, dan Othman Yong, ”Analisis Investasi Dan Teori Portofolio”,
PT. RajaGrafindo Persada, Jakarta, 2002.
Steinberg, Wendy J., “Statistics Alive!”, SAGE Publications, Inc, New York, 2008.
Widayanti, Rieka Purwaningsih, “Pengaruh Variabel Makroekonomi Terhadap Return Saham (Studi Pada Perusahaan Yang Sahamnya Diminati OLeh Investor Asing Di Bursa Efek Jakarta)”, Skripsi FEIS UIN Syarif Hidayatullah Jakarta, 2007.
Wijaya, Liliana Inggrit, “Model Pasar Versus Model Harga Aset Kapital (CAPM)
dalam pasar yang efisien”, Jurnal Ekonomi dan Bisnis Vol. 3 No.1 Hal 55-63, 2000.
Lampiran 1: Market Model Saham LQ-45 Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return AALI
Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .108(a) .012 -.010 .11168 2.152
a Predictors: (Constant), Return Market b Dependent Variable: Return AALI Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .060 .018
Return Market
.147 .200 .108 1.000 1.000
a Dependent Variable: Return AALI
-2 0 2 4 6
Regression Standardized Predicted Value
-3
-2
-1
0
1
2
3
Regr
essio
n Stud
entiz
ed R
esidu
al
Dependent Variable: Return AALI
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .11048553
Absolute .085
Positive .085
Most Extreme Differences
Negative -.054
Kolmogorov-Smirnov Z .592
Asymp. Sig. (2-tailed) .875
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return ANTM Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .045(a) .002 -.020 .19226 1.553
a Predictors: (Constant), Return Market b Dependent Variable: Return ANTM Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .040 .031
Return Market
.105 .344 .045 1.000 1.000
a Dependent Variable: Return ANTM
-2 0 2 4 6
Regression Standardized Predicted Value
-5
-4
-3
-2
-1
0
1
2
Regr
essio
n Stud
entiz
ed R
esidu
al
Dependent Variable: Return ANTM
Scatterplot
NPar Tests. One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .19020078
Absolute .132
Positive .057
Most Extreme Differences
Negative -.132
Kolmogorov-Smirnov Z .911
Asymp. Sig. (2-tailed) .378
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return ASII Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .482(a) .233 .216 .08448 1.682
a Predictors: (Constant), Return Market b Dependent Variable: Return ASII Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .019 .013
Return Market
.564 .151 .482 1.000 1.000
a Dependent Variable: Return ASII
-2 0 2 4 6
Regression Standardized Predicted Value
-4
-2
0
2
Regre
ssion
Stud
entiz
ed Re
sidua
l
Dependent Variable: Return ASII
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .08357801
Absolute .099
Positive .062
Most Extreme Differences
Negative -.099
Kolmogorov-Smirnov Z .688
Asymp. Sig. (2-tailed) .732
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return BBCA Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .641(a) .411 .398 .05841 2.019
a Predictors: (Constant), Return Market b Dependent Variable: Return BBCA Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .011 .009
Return Market
.588 .105 .641 1.000 1.000
a Dependent Variable: Return BBCA
-2 0 2 4 6
Regression Standardized Predicted Value
-4
-3
-2
-1
0
1
2
3
Regre
ssion
Stud
entiz
ed Re
sidua
l
Dependent Variable: Return BBCA
Scatterplot
NPar Tests. One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .05776730
Absolute .124
Positive .124
Most Extreme Differences
Negative -.066
Kolmogorov-Smirnov Z .849
Asymp. Sig. (2-tailed) .467
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return INCO Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .131(a) .017 -.004 .17331 2.050
a Predictors: (Constant), Return Market b Dependent Variable: Return INCO Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .033 .028
Return Market
.277 .310 .131 1.000 1.000
a Dependent Variable: Return INCO
-2 0 2 4 6
Regression Standardized Predicted Value
-4
-2
0
2
Regr
essio
n Stu
dent
ized R
esidu
al
Dependent Variable: Return INCO
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .17145845
Absolute .181
Positive .140
Most Extreme Differences
Negative -.181
Kolmogorov-Smirnov Z 1.252
Asymp. Sig. (2-tailed) .087
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return INDF Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .354(a) .126 .107 .10253 2.068
a Predictors: (Constant), Return Market b Dependent Variable: Return INDF Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .012 .016
Return Market
.472 .183 .354 1.000 1.000
a Dependent Variable: Return INDF
-2 0 2 4 6
Regression Standardized Predicted Value
-3
-2
-1
0
1
2
3
Regre
ssion
Stud
entiz
ed Re
sidua
l
Dependent Variable: Return INDF
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .10143517
Absolute .103
Positive .103
Most Extreme Differences
Negative -.075
Kolmogorov-Smirnov Z .717
Asymp. Sig. (2-tailed) .683
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return INKP Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .542(a) .294 .279 .09366 1.932
a Predictors: (Constant), Return Market b Dependent Variable: Return INKP Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) -.014 .015
Return Market
.734 .168 .542 1.000 1.000
a Dependent Variable: Return INKP
-2 0 2 4 6
Regression Standardized Predicted Value
-3
-2
-1
0
1
2
3
Regr
essio
n Stud
entiz
ed R
esidu
al
Dependent Variable: Return INKP
Scatterplot
NPar Test One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .09266197
Absolute .139
Positive .139
Most Extreme Differences
Negative -.079
Kolmogorov-Smirnov Z .965
Asymp. Sig. (2-tailed) .309
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return ISAT Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .493(a) .243 .226 .07495 1.891
a Predictors: (Constant), Return Market b Dependent Variable: Return ISAT Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .005 .012
Return Market
.514 .135 .493 1.000 1.000
a Dependent Variable: Return ISAT
-2 0 2 4 6
Regression Standardized Predicted Value
-4
-3
-2
-1
0
1
2
Regr
essio
n Stu
dent
ized R
esidu
al
Dependent Variable: Return ISAT
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .07413560
Absolute .079
Positive .079
Most Extreme Differences
Negative -.056
Kolmogorov-Smirnov Z .540
Asymp. Sig. (2-tailed) .932
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return KLBF Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .195(a) .038 .017 .13338 1.746
a Predictors: (Constant), Return Market b Dependent Variable: Return KLBF Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .027 .021
Return Market
-.322 .239 -.195 1.000 1.000
a Dependent Variable: Return KLBF
-6 -4 -2 0 2
Regression Standardized Predicted Value
-4
-2
0
2
Regr
essio
n St
uden
tized
Res
idua
l
Dependent Variable: Return KLBF
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .13195111
Absolute .090
Positive .090
Most Extreme Differences
Negative -.082
Kolmogorov-Smirnov Z .626
Asymp. Sig. (2-tailed) .827
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return PNBN Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .637(a) .405 .392 .09282 2.384
a Predictors: (Constant), Return Market b Dependent Variable: Return PNBN Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) -.010 .015 Return
Market .930 .166 .637 1.000 1.000
a Dependent Variable: Return PNBN.
-2 0 2 4 6
Regression Standardized Predicted Value
-4
-3
-2
-1
0
1
2
3
Regr
essi
on S
tude
ntize
d Re
sidu
al
Dependent Variable: Return PNBN
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .09182647
Absolute .099
Positive .088
Most Extreme Differences
Negative -.099
Kolmogorov-Smirnov Z .686
Asymp. Sig. (2-tailed) .735
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return PTBA Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .121(a) .015 -.007 .12695 1.440
a Predictors: (Constant), Return Market b Dependent Variable: Return PTBA Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .048 .020
Return Market
.189 .231 .121 1.000 1.000
a Dependent Variable: Return PTBA
-2 0 2 4 6
Regression Standardized Predicted Value
-3
-2
-1
0
1
2
3
4
Regre
ssion
Stud
entiz
ed Re
sidua
l
Dependent Variable: Return PTBA
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .12556705
Absolute .184
Positive .184
Most Extreme Differences
Negative -.074
Kolmogorov-Smirnov Z 1.262
Asymp. Sig. (2-tailed) .083
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return SMCB Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .388(a) .150 .132 .10945 1.531
a Predictors: (Constant), Return Market b Dependent Variable: Return SMCB Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .016 .017
Return Market
.559 .196 .388 1.000 1.000
a Dependent Variable: Return SMCB
-2 0 2 4 6
Regression Standardized Predicted Value
-4
-3
-2
-1
0
1
2
3
Regr
essio
n St
uden
tized
Res
idua
l
Dependent Variable: Return SMCB
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .10827764
Absolute .104
Positive .061
Most Extreme Differences
Negative -.104
Kolmogorov-Smirnov Z .721
Asymp. Sig. (2-tailed) .676
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return TLKM Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .356(a) .127 .108 .09378 2.022
a Predictors: (Constant), Return Market b Dependent Variable: Return TLKM Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) -.002 .015
Return Market
.434 .168 .356 1.000 1.000
a Dependent Variable: Return TLKM
-2 0 2 4 6
Regression Standardized Predicted Value
-6
-4
-2
0
2
Regr
essio
n St
uden
tized
Res
idua
l
Dependent Variable: Return TLKM
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .09277461
Absolute .152
Positive .106
Most Extreme Differences
Negative -.152
Kolmogorov-Smirnov Z 1.051
Asymp. Sig. (2-tailed) .219
a Test distribution is Normal. b Calculated from data.
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Return Market(a)
. Enter
a All requested variables entered. b Dependent Variable: Return UNTR Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .307(a) .094 .075 .10501 2.135
a Predictors: (Constant), Return Market b Dependent Variable: Return UNTR Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) .036 .017
Return Market
.411 .188 .307 1.000 1.000
a Dependent Variable: Return UNTR
-2 0 2 4 6
Regression Standardized Predicted Value
-4
-3
-2
-1
0
1
2
3
Regr
essio
n St
uden
tized
Res
idua
l
Dependent Variable: Return UNTR
Scatterplot
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .10388873
Absolute .153
Positive .153
Most Extreme Differences
Negative -.115
Kolmogorov-Smirnov Z 1.057
Asymp. Sig. (2-tailed) .214
a Test distribution is Normal. b Calculated from data.
Lampiran 2: Model APT Saham LQ-45
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return AALI Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .167(a) .028 -.062 .1145461 2.172
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return AALI Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .115 .090 1.283 .206 Inflasi .068 .091 .112 .739 .464 Bunga -3.553 10.982 -.052 -.324 .748 Uang -.056 .613 -.015 -.092 .927 Kurs -.621 .838 -.124 -.741 .463
a Dependent Variable: Return AALI NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .10956339 Absolute .100 Positive .100
Most Extreme Differences
Negative -.071 Kolmogorov-Smirnov Z .694 Asymp. Sig. (2-tailed) .721
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008 Sig. (2-tailed) . .680 .427 .955 N 48 48 48 48 Bunga Pearson Correlation -.061 1 .004 -.322(*) Sig. (2-tailed) .680 . .978 .025 N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*) Sig. (2-tailed) .427 .978 . .039 N 48 48 48 48 Kurs Pearson Correlation .008 -.322(*) .299(*) 1 Sig. (2-tailed) .955 .025 .039 . N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return ANTM Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .373(a) .139 .059 .1847180 1.626
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return ANTM Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) -.043 .145 -.299 .766 Inflasi -.155 .147 -.151 -1.053 .298 Bunga 7.558 17.709 .064 .427 .672 Uang -.327 .988 -.050 -.331 .743 Kurs -2.498 1.352 -.292 -1.848 .072
a Dependent Variable: Return ANTM NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .17668286 Most Extreme Differences Absolute .183 Positive .099 Negative -.183 Kolmogorov-Smirnov Z 1.271 Asymp. Sig. (2-tailed) .079
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008
Sig. (2-tailed) . .680 .427 .955
N 48 48 48 48
Bunga Pearson Correlation -.061 1 .004 -.322(*)
Sig. (2-tailed) .680 . .978 .025
N 48 48 48 48
Uang Pearson Correlation .117 .004 1 .299(*)
Sig. (2-tailed) .427 .978 . .039
N 48 48 48 48
Kurs Pearson Correlation .008 -.322(*) .299(*) 1
Sig. (2-tailed) .955 .025 .039 .
N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return ASII Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .535(a) .286 .219 .0842881 2.266
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return ASII Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .142 .066 2.148 .037 Inflasi -.163 .067 -.315 -2.421 .020 Bunga -18.997 8.081 -.323 -2.351 .023 Uang .546 .451 .166 1.212 .232 Kurs -2.024 .617 -.472 -3.281 .002
a Dependent Variable: Return ASII NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .08062165 Most Extreme Differences Absolute .088 Positive .088 Negative -.057 Kolmogorov-Smirnov Z .607 Asymp. Sig. (2-tailed) .855
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008 Sig. (2-tailed) . .680 .427 .955 N 48 48 48 48 Bunga Pearson Correlation -.061 1 .004 -.322(*) Sig. (2-tailed) .680 . .978 .025 N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*) Sig. (2-tailed) .427 .978 . .039 N 48 48 48 48 Kurs Pearson Correlation .008 -.322(*) .299(*) 1 Sig. (2-tailed) .955 .025 .039 . N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return BBCA Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .341(a) .116 .034 .1043457 1.989
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return BBCA Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .033 .082 .407 .686
Inflasi -.099 .083 -.172 -1.189 .241
Bunga -3.741 10.004 -.057 -.374 .710
Uang -.224 .558 -.061 -.402 .690
Kurs -1.327 .764 -.278 -1.737 .089
a Dependent Variable: Return BBCA NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .09980678 Most Extreme Differences Absolute .148 Positive .110 Negative -.148 Kolmogorov-Smirnov Z 1.026 Asymp. Sig. (2-tailed) .243
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008 Sig. (2-tailed) . .680 .427 .955 N 48 48 48 48 Bunga Pearson Correlation -.061 1 .004 -.322(*) Sig. (2-tailed) .680 . .978 .025 N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*) Sig. (2-tailed) .427 .978 . .039 N 48 48 48 48 Kurs Pearson Correlation .008 -.322(*) .299(*) 1 Sig. (2-tailed) .955 .025 .039 . N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Bunga,
Uang(a)
. Enter
a All requested variables entered. b Dependent Variable: Return INCO Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .337(a) .113 .029 .1247176 1.892
a Predictors: (Constant), Kurs, Inflasi, Bunga, Uang b Dependent Variable: Return INCO Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) .100 .099 1.014 .316 Inflasi -.153 .100 -.224 -1.529 .134 Bunga -10.678 12.033 -.137 -.887 .380 Uang .492 .669 .114 .735 .466 Kurs -1.647 .916 -.291 -1.798 .079
a Dependent Variable: Return INCO NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .11917180 Most Extreme Differences
Absolute .159
Positive .159 Negative -.118 Kolmogorov-Smirnov Z 1.093 Asymp. Sig. (2-tailed) .183
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008 Sig. (2-tailed) . .680 .427 .955 N 48 48 48 48 Bunga Pearson Correlation -.061 1 .004 -.322(*) Sig. (2-tailed) .680 . .978 .025 N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*) Sig. (2-tailed) .427 .978 . .039 N 48 48 48 48 Kurs Pearson Correlation .008 -.322(*) .299(*) 1 Sig. (2-tailed) .955 .025 .039 . N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return INDF Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .361(a) .130 .050 .1057565 2.125
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return INDF. Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) .068 .083 .824 .414 Inflasi .004 .084 .006 .043 .966 Bunga -3.808 10.139 -.057 -.376 .709 Uang -.016 .566 -.004 -.028 .978 Kurs -1.825 .774 -.374 -2.358 .023
a Dependent Variable: Return INDF NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .10115617 Most Extreme Differences Absolute .099 Positive .099 Negative -.095 Kolmogorov-Smirnov Z .684 Asymp. Sig. (2-tailed) .737
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008
Sig. (2-tailed) . .680 .427 .955
N 48 48 48 48
Bunga Pearson Correlation -.061 1 .004 -.322(*)
Sig. (2-tailed) .680 . .978 .025
N 48 48 48 48
Uang Pearson Correlation .117 .004 1 .299(*)
Sig. (2-tailed) .427 .978 . .039
N 48 48 48 48
Kurs Pearson Correlation .008 -.322(*) .299(*) 1
Sig. (2-tailed) .955 .025 .039 .
N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return INKP Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .652(a) .425 .371 .0874442 2.102
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return INKP Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .190 .069 2.767 .008 Inflasi -.077 .070 -.128 -1.098 .278 Bunga -24.336 8.383 -.358 -2.903 .006 Uang .364 .468 .096 .778 .441 Kurs -3.428 .640 -.691 -5.357 .000
a Dependent Variable: Return INKP NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000
Std. Deviation .08364042
Most Extreme Differences Absolute .099
Positive .099
Negative -.059
Kolmogorov-Smirnov Z .688
Asymp. Sig. (2-tailed) .731
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008
Sig. (2-tailed) . .680 .427 .955
N 48 48 48 48
Bunga Pearson Correlation -.061 1 .004 -.322(*)
Sig. (2-tailed) .680 . .978 .025
N 48 48 48 48
Uang Pearson Correlation .117 .004 1 .299(*)
Sig. (2-tailed) .427 .978 . .039
N 48 48 48 48
Kurs Pearson Correlation .008 -.322(*) .299(*) 1
Sig. (2-tailed) .955 .025 .039 .
N 48 48 48 48
*Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return ISAT Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .282(a) .079 -.006 .1450592 2.343
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return ISAT Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .032 .114 .278 .782 Inflasi -.095 .116 -.122 -.823 .415 Bunga -7.480 13.907 -.084 -.538 .593 Uang .943 .776 .189 1.215 .231 Kurs -1.761 1.062 -.271 -1.659 .104
a Dependent Variable: Return ISAT NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .13874923 Most Extreme Differences Absolute .179 Positive .108 Negative -.179 Kolmogorov-Smirnov Z 1.242 Asymp. Sig. (2-tailed) .091
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008 Sig. (2-tailed) . .680 .427 .955 N 48 48 48 48 Bunga Pearson Correlation -.061 1 .004 -.322(*) Sig. (2-tailed) .680 . .978 .025 N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*) Sig. (2-tailed) .427 .978 . .039 N 48 48 48 48 Kurs Pearson Correlation .008 -.322(*) .299(*) 1 Sig. (2-tailed) .955 .025 .039 . N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return KLBF Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .389(a) .151 .073 .1295675 1.537
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return KLBF Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .065 .102 .640 .526 Inflasi .053 .103 .072 .510 .613 Bunga -4.619 12.422 -.056 -.372 .712 Uang .663 .693 .143 .957 .344 Kurs -2.498 .948 -.413 -2.635 .012
a Dependent Variable: Return KLBF
NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .12393136 Most Extreme Differences Absolute .154 Positive .154 Negative -.136 Kolmogorov-Smirnov Z 1.068 Asymp. Sig. (2-tailed) .204
a Test distribution is Normal. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008
Sig. (2-tailed) . .680 .427 .955
N 48 48 48 48
Bunga Pearson Correlation -.061 1 .004 -.322(*)
Sig. (2-tailed) .680 . .978 .025
N 48 48 48 48
Uang Pearson Correlation .117 .004 1 .299(*)
Sig. (2-tailed) .427 .978 . .039
N 48 48 48 48
Kurs Pearson Correlation .008 -.322(*) .299(*) 1
Sig. (2-tailed) .955 .025 .039 .
N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return PNBN Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .619(a) .383 .326 .0977574 2.531
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return PNBN Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) .108 .077 1.408 .166 Inflasi -.240 .078 -.372 -3.073 .004 Bunga -17.733 9.372 -.242 -1.892 .065 Uang -.045 .523 -.011 -.085 .933 Kurs -2.789 .715 -.521 -3.898 .000
a Dependent Variable: Return PNBN NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .09350504 Most Extreme Differences Absolute .095 Positive .095 Negative -.075 Kolmogorov-Smirnov Z .661 Asymp. Sig. (2-tailed) .775
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008 Sig. (2-tailed) . .680 .427 .955 N 48 48 48 48 Bunga Pearson Correlation -.061 1 .004 -.322(*) Sig. (2-tailed) .680 . .978 .025 N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*) Sig. (2-tailed) .427 .978 . .039 N 48 48 48 48 Kurs Pearson Correlation .008 -.322(*) .299(*) 1 Sig. (2-tailed) .955 .025 .039 . N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return PTBA Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .391(a) .153 .074 .1380285 1.579
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return PTBA Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .126 .108 1.167 .250 Inflasi -.041 .110 -.053 -.375 .709 Bunga -10.942 13.233 -.124 -.827 .413 Uang 1.383 .738 .280 1.873 .068 Kurs -2.581 1.010 -.400 -2.555 .014
a Dependent Variable: Return PTBA NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .11566299 Absolute .167 Positive .167
Most Extreme Differences
Negative -.105 Kolmogorov-Smirnov Z 1.144 Asymp. Sig. (2-tailed) .146
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008
Sig. (2-tailed) . .680 .427 .955
N 48 48 48 48
Bunga Pearson Correlation -.061 1 .004 -.322(*)
Sig. (2-tailed) .680 . .978 .025
N 48 48 48 48
Uang Pearson Correlation .117 .004 1 .299(*)
Sig. (2-tailed) .427 .978 . .039
N 48 48 48 48
Kurs Pearson Correlation .008 -.322(*) .299(*) 1
Sig. (2-tailed) .955 .025 .039 .
N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed)
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return SMCB Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .599(a) .359 .299 .0983571 1.955
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return SMCB Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta 1 (Constant) .166 .077 2.144 .038 Inflasi -.071 .078 -.111 -.899 .374 Bunga -19.670 9.430 -.272 -2.086 .043 Uang 1.216 .526 .300 2.310 .026 Kurs -3.443 .720 -.652 -4.783 .000
a Dependent Variable: Return SMCB NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .09407863 Absolute .118 Positive .118
Most Extreme Differences
Negative -.073 Kolmogorov-Smirnov Z .815 Asymp. Sig. (2-tailed) .520
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008 Sig. (2-tailed) . .680 .427 .955 N 48 48 48 48 Bunga Pearson Correlation -.061 1 .004 -.322(*) Sig. (2-tailed) .680 . .978 .025 N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*) Sig. (2-tailed) .427 .978 . .039 N 48 48 48 48 Kurs Pearson Correlation .008 -.322(*) .299(*) 1 Sig. (2-tailed) .955 .025 .039 . N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed)
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return TLKM Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .244(a) .059 -.028 .1006694 2.218
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return TLKM Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) -.085 .079 -1.077 .287 Inflasi -.035 .080 -.066 -.442 .661 Bunga 11.957 9.651 .195 1.239 .222 Uang -.187 .538 -.055 -.347 .731 Kurs -.242 .737 -.054 -.328 .744
a Dependent Variable: Return TLKM NPar Test One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Normal Parameters(a,b) Mean .0000000 Std. Deviation .09629039 Most Extreme Differences Absolute .135 Positive .104 Negative -.135 Kolmogorov-Smirnov Z .934 Asymp. Sig. (2-tailed) .348
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008
Sig. (2-tailed) . .680 .427 .955
N 48 48 48 48
Bunga Pearson Correlation -.061 1 .004 -.322(*)
Sig. (2-tailed) .680 . .978 .025
N 48 48 48 48
Uang Pearson Correlation .117 .004 1 .299(*)
Sig. (2-tailed) .427 .978 . .039
N 48 48 48 48
Kurs Pearson Correlation .008 -.322(*) .299(*) 1
Sig. (2-tailed) .955 .025 .039 .
N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed)
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Kurs, Inflasi, Uang,
Bunga(a) . Enter
a All requested variables entered. b Dependent Variable: Return UNTR Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson 1 .435(a) .189 .113 .1027810 2.270
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return UNTR Coefficients(a)
Model Unstandardized
Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) .166 .081 2.060 .045 Inflasi -.086 .082 -.146 -1.051 .299 Bunga -16.685 9.854 -.248 -1.693 .098 Uang -.014 .550 -.004 -.025 .980 Kurs -2.056 .752 -.419 -2.734 .009
a Dependent Variable: Return UNTR NPar Tests One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual N 48
Mean .0000000 Normal Parameters(a,b)
Std. Deviation .09831007 Absolute .133 Positive .133
Most Extreme Differences
Negative -.078 Kolmogorov-Smirnov Z .919 Asymp. Sig. (2-tailed) .367
a Test distribution is Normal. b Calculated from data. Correlations
Inflasi Bunga Uang Kurs Inflasi Pearson Correlation 1 -.061 .117 .008
Sig. (2-tailed) . .680 .427 .955
N 48 48 48 48
Bunga Pearson Correlation -.061 1 .004 -.322(*)
Sig. (2-tailed) .680 . .978 .025
N 48 48 48 48 Uang Pearson Correlation .117 .004 1 .299(*)
Sig. (2-tailed) .427 .978 . .039
N 48 48 48 48
Kurs Pearson Correlation .008 -.322(*) .299(*) 1
Sig. (2-tailed) .955 .025 .039 .
N 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Lampiran 3 : Uji Heterokedastisitas Saham Perusahaan LQ-45 Nonparametric Correlations PT. Astra Agro Lestari Tbk Correlations
Return AALI Inflasi Bunga Uang Kurs Spearman's rho
Return AALI
Correlation Coefficient 1.000 .148 -.005 -.002 -.147
Sig. (2-tailed) . .314 .974 .989 .319
N 48 48 48 48 48
Inflasi Correlation Coefficient .148 1.000 -.248 .098 .158
Sig. (2-tailed) .314 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient -.005 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .974 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.002 .098 -.009 1.000 .245
Sig. (2-tailed) .989 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.147 .158 -.338(*) .245 1.000
Sig. (2-tailed) .319 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed)
Nonparametric Correlations PT. Aneka Tambang (Persero) Tbk Correlations
Return ANTM Inflasi Bunga Uang Kurs
Spearman's rho
Return ANTM
Correlation Coefficient 1.000 -.193 .183 -.068 -.391(**)
Sig. (2-tailed) . .189 .214 .645 .006
N 48 48 48 48 48
Inflasi Correlation Coefficient -.193 1.000 -.248 .098 .158
Sig. (2-tailed) .189 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .183 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .214 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.068 .098 -.009 1.000 .245
Sig. (2-tailed) .645 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.391(**) .158 -.338(*) .245 1.000
Sig. (2-tailed) .006 .282 .019 .093 .
N 48 48 48 48 48
** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. Astra Internasional Tbk Correlations
Retun ASII Inflasi Bunga Uang Kurs Spearman's rho
Retun ASII
Correlation Coefficient 1.000 -.430(**) -.130 .124 -.232
Sig. (2-tailed) . .002 .379 .400 .113
N 48 48 48 48 48
Inflasi Correlation Coefficient -.430(**) 1.000 -.248 .098 .158
Sig. (2-tailed) .002 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient -.130 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .379 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient .124 .098 -.009 1.000 .245
Sig. (2-tailed) .400 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.232 .158 -.338(*) .245 1.000
Sig. (2-tailed) .113 .282 .019 .093 .
N 48 48 48 48 48
** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed). Nonparametric Correlations PT. Bank Cental Asia Tbk Correlations
Return BBCA Inflasi Bunga Uang Kurs
Spearman's rho
Return BBCA
Correlation Coefficient 1.000 -.279 -.012 -.095 -.250
Sig. (2-tailed) . .055 .937 .519 .087
N 48 48 48 48 48
Inflasi Correlation Coefficient -.279 1.000 -.248 .098 .158
Sig. (2-tailed) .055 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient -.012 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .937 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.095 .098 -.009 1.000 .245
Sig. (2-tailed) .519 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.250 .158 -.338(*) .245 1.000
Sig. (2-tailed) .087 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. International Nickel Ind. Tbk Correlations
Return INCO Inflasi Bunga Uang Kurs Spearman's rho
Return INCO
Correlation Coefficient 1.000 -.191 .160 .050 -.279
Sig. (2-tailed) . .193 .276 .736 .055
N 48 48 48 48 48
Inflasi Correlation Coefficient -.191 1.000 -.248 .098 .158
Sig. (2-tailed) .193 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .160 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .276 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient .050 .098 -.009 1.000 .245
Sig. (2-tailed) .736 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.279 .158 -.338(*) .245 1.000
Sig. (2-tailed) .055 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed). Nonparametric Correlations PT. Indofood Sukses Makmur Tbk Correlations
Return INDF Inflasi Bunga Uang Kurs Spearman's rho
Return INDF
Correlation Coefficient 1.000 -.266 .063 -.025 -.326(*)
Sig. (2-tailed) . .067 .669 .867 .024
N 48 48 48 48 48
Inflasi Correlation Coefficient -.266 1.000 -.248 .098 .158
Sig. (2-tailed) .067 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .063 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .669 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.025 .098 -.009 1.000 .245
Sig. (2-tailed) .867 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.326(*) .158 -.338(*) .245 1.000
Sig. (2-tailed) .024 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. Indah Kiat Pulp & Paper Tbk Correlations
Return INKP Inflasi Bunga Uang Kurs Spearman's rho
Return INKP
Correlation Coefficient 1.000 -.135 -.197 -.025 -.493(**)
Sig. (2-tailed) . .361 .179 .866 .000
N 48 48 48 48 48
Inflasi Correlation Coefficient -.135 1.000 -.248 .098 .158
Sig. (2-tailed) .361 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient -.197 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .179 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.025 .098 -.009 1.000 .245
Sig. (2-tailed) .866 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.493(**) .158 -.338(*) .245 1.000
Sig. (2-tailed) .000 .282 .019 .093 .
N 48 48 48 48 48
** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed). Nonparametric Correlations PT. Indosat Tbk Correlations
Return ISAT Inflasi Bunga Uang Kurs Spearman's rho
Return ISAT
Correlation Coefficient 1.000 .017 -.073 .123 -.230
Sig. (2-tailed) . .906 .622 .403 .117
N 48 48 48 48 48
Inflasi Correlation Coefficient .017 1.000 -.248 .098 .158
Sig. (2-tailed) .906 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient -.073 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .622 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient .123 .098 -.009 1.000 .245
Sig. (2-tailed) .403 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.230 .158 -.338(*) .245 1.000
Sig. (2-tailed) .117 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. Kalbe Farma Tbk Correlations
Return KLBF Inflasi Bunga Uang Kurs Spearman's rho
Return KLBF
Correlation Coefficient 1.000 -.074 .045 .029 -.393(**)
Sig. (2-tailed) . .616 .759 .843 .006
N 48 48 48 48 48
Inflasi Correlation Coefficient -.074 1.000 -.248 .098 .158
Sig. (2-tailed) .616 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .045 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .759 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient .029 .098 -.009 1.000 .245
Sig. (2-tailed) .843 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.393(**) .158 -.338(*) .245 1.000
Sig. (2-tailed) .006 .282 .019 .093 .
N 48 48 48 48 48
** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed). Nonparametric Correlations PT. Bank Pan Indonesia Tbk Correlations
Return PNBN Inflasi Bunga Uang Kurs Spearman's rho
Return PNBN
Correlation Coefficient 1.000 -.317(*) .022 -.141 -.389(**)
Sig. (2-tailed) . .028 .882 .341 .006
N 48 48 48 48 48
Inflasi Correlation Coefficient -.317(*) 1.000 -.248 .098 .158
Sig. (2-tailed) .028 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .022 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .882 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.141 .098 -.009 1.000 .245
Sig. (2-tailed) .341 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.389(**) .158 -.338(*) .245 1.000
Sig. (2-tailed) .006 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed). ** Correlation is significant at the 0.01 level (2-tailed).
Nonparametric Correlations PT. Tambang Batubara Bukit Asam Tbk Correlations
Return PTBA Inflasi Bunga Uang Kurs Spearman's rho
Return PTBA
Correlation Coefficient 1.000 -.118 .082 .239 -.336(*)
Sig. (2-tailed) . .424 .580 .102 .019
N 48 48 48 48 48
Inflasi Correlation Coefficient -.118 1.000 -.248 .098 .158
Sig. (2-tailed) .424 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .082 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .580 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient .239 .098 -.009 1.000 .245
Sig. (2-tailed) .102 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.336(*) .158 -.338(*) .245 1.000
Sig. (2-tailed) .019 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. Semen Cibinong Tbk Correlations
Return SMCB Inflasi Bunga Uang Kurs
Spearman's rho
Return SMCB
Correlation Coefficient 1.000 -.066 .019 .157 -.367(*)
Sig. (2-tailed) . .654 .898 .285 .010
N 48 48 48 48 48
Inflasi Correlation Coefficient -.066 1.000 -.248 .098 .158
Sig. (2-tailed) .654 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .019 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .898 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient .157 .098 -.009 1.000 .245
Sig. (2-tailed) .285 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.367(*) .158 -.338(*) .245 1.000
Sig. (2-tailed) .010 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
oonparametric Correlations PT. telekomunikasi Indonesia Tbk Correlations
Return TLKM Inflasi Bunga Uang Kurs
Spearman's rho
Return TLKM
Correlation Coefficient 1.000 -.076 .206 -.133 -.242
Sig. (2-tailed) . .609 .159 .369 .098
N 48 48 48 48 48
Inflasi Correlation Coefficient -.076 1.000 -.248 .098 .158
Sig. (2-tailed) .609 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient .206 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .159 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.133 .098 -.009 1.000 .245
Sig. (2-tailed) .369 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.242 .158 -.338(*) .245 1.000
Sig. (2-tailed) .098 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. United Tractors Tbk Correlations
Return UNTR Inflasi Bunga Uang Kurs
Spearman's rho
Return UNTR
Correlation Coefficient 1.000 -.141 -.182 -.094 -.155
Sig. (2-tailed) . .341 .216 .526 .293
N 48 48 48 48 48
Inflasi Correlation Coefficient -.141 1.000 -.248 .098 .158
Sig. (2-tailed) .341 . .089 .506 .282
N 48 48 48 48 48
Bunga Correlation Coefficient -.182 -.248 1.000 -.009 -.338(*)
Sig. (2-tailed) .216 .089 . .954 .019
N 48 48 48 48 48
Uang Correlation Coefficient -.094 .098 -.009 1.000 .245
Sig. (2-tailed) .526 .506 .954 . .093
N 48 48 48 48 48
Kurs Correlation Coefficient -.155 .158 -.338(*) .245 1.000
Sig. (2-tailed) .293 .282 .019 .093 .
N 48 48 48 48 48
* Correlation is significant at the 0.05 level (2-tailed).
Lampiran 4: Hasil Uji Model ARIMA
1. Inflasi
Model AR(1)
ARIMA Model: inflasi
Estimates at each iteration
Iteration SSE Parameters 0 260.800 0.100 0.354 1 232.296 -0.050 0.362 2 214.687 -0.200 0.379 3 207.904 -0.350 0.407 4 207.813 -0.368 0.417 5 207.813 -0.369 0.418 6 207.813 -0.369 0.418
Relative change in each estimate less than 0.0010
Final Estimates of Parameters
Type Coef SE Coef T P AR 1 -0.3694 0.1594 -2.32 0.027 Constant 0.4179 0.4119 1.01 0.318 Mean 0.3051 0.3008
Number of observations: 36 Residuals: SS = 207.661 (backforecasts excluded) MS = 6.108 DF = 34 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 12.2 15.6 * * DF 10 22 * * P-Value 0.271 0.835 * * Forecasts from period 31 95 Percent Limits Period Forecast Lower Upper Actual 32 0.45545 -4.38941 5.30031 0.03828 33 0.24960 -4.91532 5.41453 -0.02765 34 0.32565 -4.88144 5.53274 0.02370 35 0.29756 -4.91526 5.51037 -0.14661 36 0.30794 -4.90566 5.52153 -0.06691 37 0.30410 -4.90960 5.51780 38 0.30552 -4.90820 5.51923 39 0.30499 -4.90872 5.51871 40 0.30519 -4.90853 5.51891 41 0.30512 -4.90860 5.51884 42 0.30514 -4.90858 5.51886 43 0.30513 -4.90859 5.51885 44 0.30514 -4.90858 5.51886 45 0.30513 -4.90858 5.51885 46 0.30514 -4.90858 5.51885 47 0.30514 -4.90858 5.51885 48 0.30514 -4.90858 5.51885 49 0.30514 -4.90858 5.51885 50 0.30514 -4.90858 5.51885 51 0.30514 -4.90858 5.51885 52 0.30514 -4.90858 5.51885 53 0.30514 -4.90858 5.51885 54 0.30514 -4.90858 5.51885 55 0.30514 -4.90858 5.51885 56 0.30514 -4.90858 5.51885 57 0.30514 -4.90858 5.51885 58 0.30514 -4.90858 5.51885 59 0.30514 -4.90858 5.51885 60 0.30514 -4.90858 5.51885
61 0.30514 -4.90858 5.51885 62 0.30514 -4.90858 5.51885 63 0.30514 -4.90858 5.51885 64 0.30514 -4.90858 5.51885 65 0.30514 -4.90858 5.51885 66 0.30514 -4.90858 5.51885 67 0.30514 -4.90858 5.51885 68 0.30514 -4.90858 5.51885 69 0.30514 -4.90858 5.51885 70 0.30514 -4.90858 5.51885 71 0.30514 -4.90858 5.51885 72 0.30514 -4.90858 5.51885 73 0.30514 -4.90858 5.51885 74 0.30514 -4.90858 5.51885 75 0.30514 -4.90858 5.51885 76 0.30514 -4.90858 5.51885 77 0.30514 -4.90858 5.51885 78 0.30514 -4.90858 5.51885 79 0.30514 -4.90858 5.51885 2. Bunga
model ARI(1)
ARIMA Model: bunga
Estimates at each iteration Iteration SSE Parameters 0 0.285301 0.100 0.090 1 0.001246 0.115 0.006 2 0.000013 0.149 0.000 3 0.000007 0.299 0.000 4 0.000004 0.449 0.000 5 0.000003 0.551 -0.000 6 0.000003 0.551 -0.000 7 0.000003 0.548 -0.000 8 0.000003 0.548 -0.000 Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type Coef SE Coef T P AR 1 0.5481 0.1453 3.77 0.001 Constant -0.00006582 0.00005256 -1.25 0.219 Mean -0.0001456 0.0001163 Number of observations: 35 Residuals: SS = 0.00000318955 (backforecasts excluded) MS = 0.00000009665 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 16.8 27.0 * * DF 10 22 * * P-Value 0.079 0.211 * * Forecasts from period 31 95 Percent Limits Period Forecast Lower Upper Actual 32 -2.62570 -8.72038 0.000346898 -1.58000 33 -2.09721 -9.04719 0.000485277 -2.08000 34 -1.80757 -8.99460 0.000537946 -1.50000 35 -1.64883 -8.90555 0.000560788 0.000008000 36 -1.56184 -8.83935 0.000571568 37 -1.51416 -8.79791 0.000576960 38 -1.48803 -8.77365 0.000579760 39 -1.47370 -8.75989 0.000581248 40 -1.46586 -8.75221 0.000582050
41 -1.46155 -8.74796 0.000582485 42 -1.45920 -8.74562 0.000582723 43 -1.45790 -8.74433 0.000582852 44 -1.45720 -8.74363 0.000582923 45 -1.45681 -8.74324 0.000582962 46 -1.45660 -8.74303 0.000582983 47 -1.45648 -8.74291 0.000582995 48 -1.45642 -8.74285 0.000583001 49 -1.45638 -8.74281 0.000583005 50 -1.45636 -8.74279 0.000583007 51 -1.45635 -8.74278 0.000583008 52 -1.45634 -8.74277 0.000583008 53 -1.45634 -8.74277 0.000583009 54 -1.45634 -8.74277 0.000583009 55 -1.45634 -8.74277 0.000583009 56 -1.45634 -8.74277 0.000583009 57 -1.45634 -8.74277 0.000583009 58 -1.45634 -8.74277 0.000583009 59 -1.45634 -8.74277 0.000583009 60 -1.45634 -8.74277 0.000583009 61 -1.45634 -8.74277 0.000583009 62 -1.45634 -8.74277 0.000583009 63 -1.45634 -8.74277 0.000583009 64 -1.45634 -8.74277 0.000583009 65 -1.45634 -8.74277 0.000583009 66 -1.45634 -8.74277 0.000583009 67 -1.45634 -8.74277 0.000583009 68 -1.45634 -8.74277 0.000583009 69 -1.45634 -8.74277 0.000583009 70 -1.45634 -8.74277 0.000583009 71 -1.45634 -8.74277 0.000583009 72 -1.45634 -8.74277 0.000583009 73 -1.45634 -8.74277 0.000583009 74 -1.45634 -8.74277 0.000583009 75 -1.45634 -8.74277 0.000583009 76 -1.45634 -8.74277 0.000583009 77 -1.45634 -8.74277 0.000583009 78 -1.45634 -8.74277 0.000583009 79 -1.45634 -8.74277 0.000583009 3. Uang Model ARI (1)
ARIMA Model: uang
Estimates at each iteration Iteration SSE Parameters 0 200.537 0.100 0.093 1 169.856 -0.050 0.067 2 147.285 -0.200 0.045 3 132.808 -0.350 0.024 4 126.414 -0.500 0.007 5 126.071 -0.542 0.004 6 126.070 -0.544 0.003 7 126.070 -0.544 0.003 Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.5438 0.1461 -3.72 0.001 Constant 0.0034 0.3304 0.01 0.992 Mean 0.0022 0.2140 Number of observations: 35 Residuals: SS = 126.067 (backforecasts excluded) MS = 3.820 DF = 33 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 6.1 6.1 * * DF 10 22 * * P-Value 0.807 1.000 * *
Forecasts from period 31 95 Percent Limits Period Forecast Lower Upper Actual 32 0.00950 -3.82216 3.84116 0.01979 33 -0.00181 -4.36337 4.35975 0.00157 34 0.00434 -4.50200 4.51068 -0.00416 35 0.00099 -4.54727 4.54926 0.02943 36 0.00281 -4.55778 4.56340 37 0.00182 -4.56240 4.56605 38 0.00236 -4.56294 4.56767 39 0.00207 -4.56355 4.56769 40 0.00223 -4.56349 4.56795 41 0.00214 -4.56360 4.56789 42 0.00219 -4.56356 4.56794 43 0.00216 -4.56359 4.56792 44 0.00218 -4.56358 4.56793 45 0.00217 -4.56359 4.56793 46 0.00217 -4.56358 4.56793 47 0.00217 -4.56358 4.56793 48 0.00217 -4.56358 4.56793 49 0.00217 -4.56358 4.56793 50 0.00217 -4.56358 4.56793 51 0.00217 -4.56358 4.56793 52 0.00217 -4.56358 4.56793 53 0.00217 -4.56358 4.56793 54 0.00217 -4.56358 4.56793 55 0.00217 -4.56358 4.56793 56 0.00217 -4.56358 4.56793 57 0.00217 -4.56358 4.56793 58 0.00217 -4.56358 4.56793 59 0.00217 -4.56358 4.56793 60 0.00217 -4.56358 4.56793 61 0.00217 -4.56358 4.56793 62 0.00217 -4.56358 4.56793 63 0.00217 -4.56358 4.56793 64 0.00217 -4.56358 4.56793 65 0.00217 -4.56358 4.56793 66 0.00217 -4.56358 4.56793 67 0.00217 -4.56358 4.56793 68 0.00217 -4.56358 4.56793 69 0.00217 -4.56358 4.56793 70 0.00217 -4.56358 4.56793 71 0.00217 -4.56358 4.56793 72 0.00217 -4.56358 4.56793 73 0.00217 -4.56358 4.56793 74 0.00217 -4.56358 4.56793 75 0.00217 -4.56358 4.56793 76 0.00217 -4.56358 4.56793 77 0.00217 -4.56358 4.56793 78 0.00217 -4.56358 4.56793 79 0.00217 -4.56358 4.56793 4. Kurs
model ARI (1)
ARIMA Model: d2 kurs Estimates at each iteration Iteration SSE Parameters 0 0.743664 0.100 0.088 1 0.528990 -0.050 0.063 2 0.389263 -0.200 0.042 3 0.303023 -0.350 0.023 4 0.259293 -0.500 0.007 5 0.249554 -0.620 -0.003 6 0.249528 -0.627 -0.003 7 0.249528 -0.627 -0.003 Unable to reduce sum of squares any further
Final Estimates of Parameters Type Coef SE Coef T P AR 1 -0.6271 0.1377 -4.56 0.000 Constant -0.00255 0.01513 -0.17 0.868 Mean -0.001564 0.009301 Number of observations: 34 Residuals: SS = 0.249191 (backforecasts excluded) MS = 0.007787 DF = 32 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 11.8 24.3 * * DF 10 22 * * P-Value 0.299 0.333 * * Forecasts from period 31 95 Percent Limits Period Forecast Lower Upper Actual 32 0.010339 -0.162657 0.183334 -0.048856 33 -0.009029 -0.213229 0.195171 0.002394 34 0.003117 -0.212120 0.218354 0.050375 35 -0.004500 -0.223925 0.214925 36 0.000277 -0.220774 0.221328 37 -0.002719 -0.224406 0.218968 38 -0.000840 -0.222777 0.221097 39 -0.002018 -0.224053 0.220017 40 -0.001279 -0.223353 0.220794 41 -0.001743 -0.223831 0.220346 42 -0.001452 -0.223547 0.220642 43 -0.001634 -0.223731 0.220463 44 -0.001520 -0.223618 0.220578 45 -0.001592 -0.223690 0.220506 46 -0.001547 -0.223645 0.220552 47 -0.001575 -0.223674 0.220523 48 -0.001557 -0.223656 0.220541 49 -0.001568 -0.223667 0.220530 50 -0.001562 -0.223660 0.220537 51 -0.001566 -0.223664 0.220533 52 -0.001563 -0.223662 0.220535 53 -0.001565 -0.223663 0.220534 54 -0.001564 -0.223662 0.220535 55 -0.001564 -0.223663 0.220534 56 -0.001564 -0.223663 0.220534 57 -0.001564 -0.223663 0.220534 58 -0.001564 -0.223663 0.220534 59 -0.001564 -0.223663 0.220534 60 -0.001564 -0.223663 0.220534 61 -0.001564 -0.223663 0.220534 62 -0.001564 -0.223663 0.220534 63 -0.001564 -0.223663 0.220534 64 -0.001564 -0.223663 0.220534 65 -0.001564 -0.223663 0.220534 66 -0.001564 -0.223663 0.220534 67 -0.001564 -0.223663 0.220534 68 -0.001564 -0.223663 0.220534 69 -0.001564 -0.223663 0.220534 70 -0.001564 -0.223663 0.220534 71 -0.001564 -0.223663 0.220534 72 -0.001564 -0.223663 0.220534 73 -0.001564 -0.223663 0.220534 74 -0.001564 -0.223663 0.220534 75 -0.001564 -0.223663 0.220534 76 -0.001564 -0.223663 0.220534 77 -0.001564 -0.223663 0.220534 78 -0.001564 -0.223663 0.220534 79 -0.001564 -0.223663 0.220534
Lampiran 7 : Two-Sample T-Test and CI: APT, CAPM
Two-sample T for APT vs CAPM
N Mean StDev SE Mean
APT 14 0.502 0.631 0.17
CAPM 14 0.0799 0.0223 0.0060
Difference = mu (APT) - mu (CAPM)
Estimate for difference: 0.422129
95% CI for difference: (0.075054, 0.769203)
T-Test of difference = 0 (vs not =): T-Value = 2.50 P-Value = 0.019 DF = 26
Both use Pooled StDev = 0.4467