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
Titi Dewi Warninda, SE, M.SI NIP: 150 368 746
Prof. Dr. Ahmad Rodoni, MM NIP: 150 317 955
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
Titi Dewi Warninda, SE, M.SI NIP: 150 368 746
Prof. Dr. Ahmad Rodoni, MM NIP: 150 317 955
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 Ketua
Titi Dewi Warninda, SE, M.SI 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 CipondohTangerang 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 LQ45 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 perusahaanperusahaan 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 LQ45 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 3.1 4.1 4.2 4.3 4.4
4.5 4.6 4.7 4.8 4.9
4.10
4.11
4.12
4.13 4.14 4.15 4.16 4.17
Keterangan Halaman Daftar Perusahaan LQ-45 Periode 2004-2007 .................................... 51 Rata-Rata Return Saham Per Bulan Perusahaan LQ-45 ..................... 70 Tahun 2004-2007 Rata-Rata Return Market (Rm) Tahun 2004-2007 ............................. 71 Risiko Sistematis Atau Beta Tahun 2004-2007 .................................. 73 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Bunga SBI .... 74 Aktual, Perubahan Jumlah Uang Beredar Aktual, dan Perubahan Kurs Aktual Periode Januari 2001 – Desember 2003 Statistik Ljung-Box Untuk Inflasi ....................................................... 76 Statistik Ljung-Box Untuk Bunga ....................................................... 76 Statistik Ljung-Box Untuk Uang ......................................................... 77 Statistik Ljung-Box Untuk Kurs .......................................................... 78 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Inflasi ........... 80 Yang Diharapkan, dan perubahan Tingkat Inflasi Yang Tidak Diharapkan Periode Januari 2004-Desember 2007 Perubahan Tingkat Bunga Aktual, Perubahan Tingkat Bunga ........... 82 Yang Diharapkan, Dan Perubahan Tingakt Bunga yang Tidak Diharapkan Periode Januari 2004-Desember 2007 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 Perubahan Kurs Aktual, perubahan Kurs Yang Diharapkan, ............. 87 Dan Perubahan Kurs Yang Tidak Diharapkan Periode Januari 2004-Desember 2007 Return Perusahaan LQ-45 Dengan Kolmogorov-Smirnov .................. 90 2004-2007 Pengujian Durbin Watson (D-W) Pada Market Model ...................... 92 Saham LQ-45 2004-2007 Pengujian Durbin Watson (D-W) Pada Model APT.......................... 93 Perusahaan LQ-45 2004-2007 One-Sample Kolmogorov-Smirnov Test.............................................. 95 MAD CAPM Dan APT Return Saham LQ-45 ................................... 96
DAFTAR GAMBAR No 2.1
Keterangan Halaman Kerangka Pemikiran............................................................................. 49
DAFTAR LAMPIRAN No 1 2 3 4 5 6 7
Keterangan Halaman Market Model Saham LQ-45 ................................................................. 106 Model APT saham LQ-45...................................................................... 120 Uji Heterokedastisitas Saham perusahaan LQ-45.................................. 134 Hasil Uji model ARIMA ....................................................................... 141 MAD CAPM .......................................................................................... 146 MAD APT.............................................................................................. 153 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 perubahanperubahan 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 sahamsahamnya aktif diperdagangkan di Bursa Efek Indonesia pada tahun 20042007. 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 setidaktidaknya
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 hargaharga 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. Faktorfaktor 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 terusmenerus. 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 tiaptiap 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 sahamsaham 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.
H. Kerangka Pemikiran Model untuk Mengestimasi Return Saham LQ-45
CAPM
Pendapatan bebas risiko
APT
Pendapatan pasar
Variabel-variabel makroekonomi
Beta (β)
Inflasi
Return saham LQ-45 yang diharapkan
Return saham LQ-45 yang sesungguhnya
MADCAPM
Suku bunga SBI
Return saham LQ-45 yang diharapkan
MADAPT
Uji Normalitas
Uji beda 2 rata-rata MAD dengan menggunakan tabel t student
Gambar 2.1. Kerangka Pemikiran
Jumlah Uang beredar
Kurs
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. 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Cental Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indah Kiat Pulp & Paper Tbk Indosat Tbk Kalbe Farma Tbk Bank Pan Indonesia Tbk Semen Cibinong Tbk telekomunikasi Indonesia Tbk Tambang Batubara Bukit Asam Tbk United Tractors Tbk
Kode AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN SMCB TLKM PTBA 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) perusahaanperusahaan 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 nonparametrik 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) perusahaanperusahaan 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 nonparametrik 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 menguji
normalitas
residual
adalah
CAPM
uji
dan MAD
statistik
APT
dengan
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 (MAD
APT)
CAPM)
dengan rata-rata penyimpangan absolut model 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 ratarata 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. 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Cental Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indah Kiat Pulp & Paper Tbk Indosat Tbk Kalbe Farma Tbk Bank Pan Indonesia Tbk Tambang Batubara Bukit Asam Tbk Semen Cibinong Tbk telekomunikasi Indonesia Tbk United Tractors Tbk Rata-rata
Kode AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN PTBA SMCB TLKM UNTR
Return Saham 0.065300229 0.0443865 0.040359378 0.023249416 0.043694449 0.030333 0.013900575 0.008126355 0.014993404 0.025436081 0.064542701 0.037675101 0.014322121 0.051961228 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 2004
Jumlah Rata-rata 2005
Jumlah Rata-rata Rata-rata total
Bulan jan feb mar apr mei jun jul agst sept okt nov des
jan feb mar apr mei jun jul agst sept okt nov des
Rm 8.82% 1.08% -3.34% 6.49% -6.50% -0.02% 3.36% -0.30% 8.67% 4.92% 13.63% 2.30% 39.11% 3.26% 4.52% 2.72% 0.59% -4.68% 5.69% 3.14% 5.34% -11.18% 2.78% -1.21% 2.85% 6.02% 16.57% 1.38%
Tahun 2006
Jumlah Rata-rata 2007
Jumlah Rata-rata
Sumber : PT. Bursa Efek Indonesia, Data Diolah Penulis.
Bulan jan feb mar apr mei jun jul agst sept okt nov des
jan feb mar apr mei jun jul agst sept okt nov des
Rm 5.99% -0.13% 7.50% 10.69% -9.18% -1.48% 3.16% 5.89% 7.22% 3.13% 8.61% 5.04% 46.44% 3.87% -2.67% -0.93% 5.17% 9.19% 4.26% 2.64% 9.79% -6.57% 7.51% 12.05% 1.70% 2.14% 44.27% 3.69% 3.83%
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) masingmasing 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 LQ45 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 Rata-rata
UNTR
0.411 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 2001
Bulan jan feb mar apr
Inflasi -0.01% 1.64% 0.02% -0.48%
Bunga 1.23% 1.23% 1.30% 1.34%
Uang -10.38% 3.12% -1.00% 3.99%
Kurs -1.51% 4.07% 5.74% 12.26%
Tahun
2002
2003
Bulan mei jun jul agst sept okt nov des jan feb mar apr mei jun jul agst sept okt nov des jan feb mar apr mei jun jul agst sept okt nov des
Inflasi 1.46% 0.48% 0.27% -1.10% -4.05% 0.06% 1.51% -0.05% 0.23% -0.25% -1.01% 11.00% -6.88% -0.74% 1.28% -0.65% 0.83% 0.02% 2.43% -0.35% 6.23% -0.12% -0.06% 0.06% -0.06% -0.02% -0.10% 0.04% -0.03% 0.02% -0.15% -0.07%
Bunga 1.36% 1.39% 1.43% 1.47% 1.46% 1.47% 1.47% 1.47% 1.41% 1.41% 1.40% 1.38% 1.29% 1.26% 1.24% 1.20% 1.10% 1.09% 1.09% 1.08% 1.06% 1.02% 0.95% 0.92% 0.87% 0.79% 0.76% 0.74% 0.72% 0.71% 0.71% 0.69%
Uang 0.97% 2.79% 1.26% 2.90% -1.57% 3.49% 0.84% 3.70% -6.17% 1.12% -1.46% 1.70% -0.44% 3.42% -0.28% 1.41% 3.31% -0.07% 8.19% -2.34% -6.16% -89.92% -0.16% 0.95% 4.78% 1.83% 0.70% 2.68% 2.84% 2.42% 5.36% -0.10%
Kurs -5.28% 3.45% -16.74% -6.93% 9.14% 7.86% -0.05% -0.29% -0.77% -1.27% -5.24% -3.51% -5.70% -0.63% 4.33% -2.65% 1.67% 2.42% -2.78% -0.40% -0.72% 0.33% 0.03% -2.62% -4.56% 0.07% 2.66% 0.35% -1.71% 1.26% 0.49% -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) 12 24
df (K-k) 10 22
Statistik Ljung-Box (Q) 12.2 15.6
Chi-Square X2 (0.05) 18.307 33.9244
p-value 0.271 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 PValue 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
1 2 3 4 5 6 7 8 9
Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04
-0.07% 0.05% 0.11% 0.159% 0.093% 0.056% 0.054% -0.074% -0.06%
Inflasi yang Diharapkan 0.455% 0.25% 0.326% 0.298% 0.308% 0.304% 0.306% 0.305% 0.305%
Inflasi yang Tidak Diharapkan -0.521% -0.204% -0.215% -0.139% -0.215% -0.249% -0.251% -0.379% -0.365%
No
Tanggal
Inflasi Aktual
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Oct-04 Nov-04 Dec-04 Jan-05 Feb-05 Mar-05 Apr-05 May-05 Jun-05 Jul-05 Aug-05 Sep-05 Oct-05 Nov-05 Dec-05 Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Rata-rata
-0.008% 0.006% 0.036% 0.144% -0.023% 0.232% -0.078% 0.089% 0.003% 0.057% 0.063% 0.088% 0.975% 0.027% -0.069% 0.005% 0.052% -0.122% -0.022% 0.013% 0.005% -0.025% -0.017% -0.024% -0.568% -0.162% 0.252% -0.052% 0.006% 0.035% -0.035% -0.045% -0.04% 0.05% 0.074% 0.068% -0.01% -0.025% -0.018% 0.026%
Inflasi yang Diharapkan 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.305% 0.307%
Inflasi yang Tidak Diharapkan -0.313% -0.299% -0.27% -0.161% -0.328% -0.073% -0.383% -0.216% -0.302% -0.248% -0.243% -0.218% 0.669% -0.278% -0.374% -0.3% -0.253% -0.427% -0.327% -0.292% -0.301% -0.33% -0.322% -0.329% -0.873% -0.467% -0.053% -0.357% -0.299% -0.27% -0.34% -0.35% -0.345% -0.255% -0.231% -0.238% -0.315% -0.33% -0.323% -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
1 2 3 4
Jan-04 Feb-04 Mar-04 Apr-04
0.66% 0.62% 0.62% 0.61%
Bunga Yang Diharapkan -0.02% -0.02% -0.01% -0.01%
Bunga Yang Tidak Diharapkan 0.68% 0.64% 0.63% 0.62%
No
Tanggal
Bunga Aktual
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Dec-04 Jan-05 Feb-05 Mar-05 Apr-05 May-05 Jun-05 Jul-05 Aug-05 Sep-05 Oct-05 Nov-05 Dec-05 Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Rata-rata
0.61% 0.61% 0.61% 0.61% 0.62% 0.62% 0.62% 0.62% 0.62% 0.62% 0.62% 0.64% 0.66% 0.69% 0.71% 0.79% 0.83% 0.92% 1.02% 1.06% 1.06% 1.06% 1.06% 1.06% 1.04% 1.04% 1.02% 0.98% 0.94% 0.90% 0.85% 0.81% 0.79% 0.77% 0.75% 0.75% 0.73% 0.71% 0.69% 0.69% 0.69% 0.69% 0.69% 0.67% 0.77%
Bunga Yang Diharapkan -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01%
Bunga Yang Tidak Diharapkan 0.62% 0.62% 0.62% 0.62% 0.62% 0.63% 0.63% 0.63% 0.63% 0.63% 0.63% 0.65% 0.67% 0.70% 0.72% 0.80% 0.84% 0.92% 1.03% 1.07% 1.07% 1.07% 1.07% 1.07% 1.05% 1.05% 1.03% 0.99% 0.95% 0.90% 0.86% 0.82% 0.80% 0.78% 0.76% 0.76% 0.74% 0.72% 0.70% 0.70% 0.70% 0.70% 0.70% 0.68% 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 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
Tanggal Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Dec-04 Jan-05 Feb-05 Mar-05 Apr-05 May-05 Jun-05 Jul-05 Aug-05 Sep-05 Oct-05 Nov-05 Dec-05 Jan-06 Feb-06
Uang aktual (%) -3.33% 1.24% -0.02% -1.62% 3.83% 4.93% 1.42% 0.38% 0.82% 2.78% 1.06% 1.44% -2.22% 0.91% 0.02% -1.68% 2.52% 5.99% -0.29% 2.99% -0.32% 4.66% -3.48% 1.87% -0.17% -1.47%
Uang yang diharapkan (%) -0.97% 0.34% -0.14% 0.03% -0.03% -0.01% -0.02% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01%
Uang yang tidak diharapkan (%) -2.36% 0.91% 0.13% -1.65% 3.86% 4.94% 1.44% 0.39% 0.83% 2.79% 1.07% 1.45% -2.21% 0.92% 0.04% -1.66% 2.53% 6.01% -0.27% 3.00% -0.31% 4.67% -3.47% 1.88% -0.16% -1.46%
No 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
Tanggal Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07 Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Rata-rata
Uang aktual (%) 0.01% 1.84% 7.88% 2.79% -0.43% 5.63% 1.38% 3.75% -1.09% 5.38% -4.50% 0.50% -1.37% 2.76% 0.39% 8.15% 4.31% 1.06% 2.30% 0.90% 2.27% 8.58% 1.56%
Uang yang diharapkan (%) -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.01% -0.03%
Uang yang tidak diharapkan (%) 0.02% 1.86% 7.90% 2.80% -0.41% 5.64% 1.39% 3.76% -1.07% 5.39% -4.48% 0.52% -1.35% 2.77% 0.40% 8.17% 4.33% 1.07% 2.31% 0.92% 2.29% 8.59% 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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41
Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Dec-04 Jan-05 Feb-05 Mar-05 Apr-05 May-05 Jun-05 Jul-05 Aug-05 Sep-05 Oct-05 Nov-05 Dec-05 Jan-06 Feb-06 Mar-06 Apr-06 May-06 Jun-06 Jul-06 Aug-06 Sep-06 Oct-06 Nov-06 Dec-06 Jan-07 Feb-07 Mar-07 Apr-07 May-07
-0.28% 0.07% 1.66% 0.86% 6.34% 2.23% -2.62% 1.75% -1.69% -0.87% -0.79% 3.02% -1.35% 1.11% 2.30% 0.95% -0.78% 2.30% 1.09% 4.29% 0.68% -2.13% -0.55% -2.04% -4.43% -1.76% -1.68% -3.31% 5.07% 0.87% -2.47% 0.33% 1.48% -1.35% 0.60% -1.58% 0.78% 0.77% -0.46% -0.38% -2.81%
Kurs yang diharapkan 1.03% -0.90% 0.31% -0.45% 0.03% -0.27% -0.08% -0.20% -0.13% -0.17% -0.15% -0.16% -0.15% -0.16% -0.15% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16%
Kurs yang tidak diharapkan -1.31% 0.97% 1.35% 1.31% 6.31% 2.50% -2.54% 1.95% -1.57% -0.70% -0.65% 3.18% -1.20% 1.27% 2.45% 1.11% -0.62% 2.46% 1.25% 4.45% 0.84% -1.97% -0.39% -1.88% -4.27% -1.60% -1.52% -3.15% 5.23% 1.03% -2.31% 0.49% 1.64% -1.19% 0.76% -1.42% 0.94% 0.93% -0.30% -0.22% -2.65%
No
Tanggal
Kurs aktual
42 43 44 45 46 47 48
Jun-07 Jul-07 Aug-07 Sep-07 Oct-07 Nov-07 Dec-07 Rata-rata
2.56% 1.46% 2.44% -2.90% -0.37% 3.00% 0.46% 0.25%
Kurs yang diharapkan -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.16% -0.14%
Kurs yang tidak diharapkan 2.72% 1.62% 2.60% -2.74% -0.21% 3.16% 0.62% 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. 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Cental Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indah Kiat Pulp & Paper Tbk Indosat Tbk Kalbe Farma Tbk Bank Pan Indonesia Tbk Tambang Batubara Bukit Asam Tbk Semen Cibinong Tbk telekomunikasi Indonesia Tbk United Tractors Tbk
Kode AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN PTBA SMCB TLKM UNTR
CAPM 0 .875 0.378 0.732 0.467 0.087 0.683 0.309 0.932 0.827 0.735 0.083 0.676 0.219 0.214
APT 0.855 0.079 0.855 0.243 0.183 0.737 0.731 0.091 0.204 0.775 0.146 0.520 0.348 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. 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Cental Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indah Kiat Pulp & Paper Tbk Indosat Tbk Kalbe Farma Tbk Bank Pan Indonesia Tbk Tambang Batubara Bukit Asam Tbk Semen Cibinong Tbk telekomunikasi Indonesia Tbk United Tractors Tbk
Saham AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN PTBA SMCB TLKM UNTR
du 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403
D-W 2.5152 1.553 1.682 2.019 2.05 2.068 1932 1.891 1.746 2.384 1.44 1.531 2.022 2.135
4-du 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 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. 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Cental Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indah Kiat Pulp & Paper Tbk Indosat Tbk Kalbe Farma Tbk Bank Pan Indonesia Tbk Tambang Batubara Bukit Asam Tbk Semen Cibinong Tbk telekomunikasi Indonesia Tbk United Tractors Tbk
Saham AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN PTBA SMCB TLKM UNTR
du 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403 1.403
D-W 2.172 1.626 2.266 1.989 1.892 2.125 2.102 2.343 1.537 2.531 1.579 1.955 2.218 2.27
4-du 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 2.597 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 LQ45 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 MADAPT 0.159 > 0.05 yang berarti data yang diuji normal
Tabel 4.16 One-Sample Kolmogorov-Smirnov Test
N Normal Parameters(a,b)
Mean Std. Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
CAPM 14 .079850 .0222822 .173 .173 -.100 .648 .795
APT 14 .501979 .6313825 .301 .301 -.248 1.125 .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 Tabel
2.5 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 1115. 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) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return AALI Model Summary(b)
Model 1
R
R Square
.108(a)
Adjusted R Square
.012
Std. Error of the Estimate
-.010
Durbin-Watson
.11168
2.152
a Predictors: (Constant), Return Market b Dependent Variable: Return AALI Coefficients(a) Unstandardized Coefficients
Model
B 1
(Constant)
Standardized Coefficients
Std. Error
.060
Beta
Collinearity Statistics Tolerance
Return .147 Market a Dependent Variable: Return AALI
.200
.108
1.000
Scatterplot
Dependent Variable: Return AALI
Regression Studentized Residual
3
2
1
0
-1
-2
-3 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation Absolute
.0000000 .11048553 .085
Positive
.085
Negative
-.054
Kolmogorov-Smirnov Z
.592
Asymp. Sig. (2-tailed)
.875
a Test distribution is Normal. b Calculated from data.
VIF
.018 1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return ANTM Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.045(a)
.002
Std. Error of the Estimate
-.020
Durbin-Watson
.19226
1.553
a Predictors: (Constant), Return Market b Dependent Variable: Return ANTM Coefficients(a) Unstandardized Coefficients
Model
B 1
(Constant)
Standardized Coefficients
Std. Error
.040
Collinearity Statistics
Beta
Tolerance
Return .105 Market a Dependent Variable: Return ANTM
.344
.045
1.000
Scatterplot
Dependent Variable: Return ANTM
Regression Studentized Residual
2
1
0
-1
-2
-3
-4
-5 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests. One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation
.0000000 .19020078
Absolute
.132
Positive
.057
Negative
-.132
Kolmogorov-Smirnov Z
.911
Asymp. Sig. (2-tailed)
.378
a Test distribution is Normal. b Calculated from data.
VIF
.031 1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return ASII Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.482(a)
.233
Std. Error of the Estimate
.216
Durbin-Watson
.08448
1.682
a Predictors: (Constant), Return Market b Dependent Variable: Return ASII Coefficients(a) Unstandardized Coefficients
Model
B 1
Standardized Coefficients
Std. Error
(Constant)
.019 Return .564 Market a Dependent Variable: Return ASII
Collinearity Statistics
Beta
Tolerance
VIF
.013 .151
.482
1.000
Scatterplot
Regression Studentized Residual
Dependent Variable: Return ASII
2
0
-2
-4
-2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation
.0000000 .08357801
Absolute
.099
Positive
.062
Negative
-.099
Kolmogorov-Smirnov Z
.688
Asymp. Sig. (2-tailed)
.732
a Test distribution is Normal. b Calculated from data.
1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return BBCA Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.641(a)
.411
Std. Error of the Estimate
.398
Durbin-Watson
.05841
2.019
a Predictors: (Constant), Return Market b Dependent Variable: Return BBCA Coefficients(a) Unstandardized Coefficients Std. B Error
Model
1
(Constant)
.011 Return .588 Market a Dependent Variable: Return BBCA
Standardized Coefficients Beta
Collinearity Statistics Tolerance
VIF
.009 .105
.641
1.000
1.000
Scatterplot
Dependent Variable: Return BBCA
Regression Studentized Residual
3
2
1
0
-1
-2
-3
-4 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests. One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation Absolute
.0000000 .05776730 .124
Positive
.124
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) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return INCO Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.131(a)
.017
Std. Error of the Estimate
-.004
Durbin-Watson
.17331
2.050
a Predictors: (Constant), Return Market b Dependent Variable: Return INCO Coefficients(a) Unstandardized Coefficients Std. B Error
Model
1
(Constant)
.033 Return .277 Market a Dependent Variable: Return INCO
Standardized Coefficients
Collinearity Statistics
Beta
Tolerance
VIF
.028 .310
.131
1.000
Scatterplot
Regression Studentized Residual
Dependent Variable: Return INCO
2
0
-2
-4
-2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation
Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data.
.17145845
Absolute
.181
Positive
.140
Negative Kolmogorov-Smirnov Z
.0000000
-.181 1.252 .087
1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return INDF Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.354(a)
.126
Std. Error of the Estimate
.107
Durbin-Watson
.10253
2.068
a Predictors: (Constant), Return Market b Dependent Variable: Return INDF Coefficients(a) Unstandardized Coefficients
Model
B 1
(Constant)
Standardized Coefficients
Std. Error .012
Collinearity Statistics
Beta
Tolerance
VIF
.016
Return .472 Market a Dependent Variable: Return INDF
.183
.354
1.000
1.000
Scatterplot
Dependent Variable: Return INDF
Regression Studentized Residual
3
2
1
0
-1
-2
-3 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation Absolute
.0000000 .10143517 .103
Positive
.103
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) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return INKP Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.542(a)
.294
Std. Error of the Estimate
.279
Durbin-Watson
.09366
1.932
a Predictors: (Constant), Return Market b Dependent Variable: Return INKP Coefficients(a) Unstandardized Coefficients
Model
B 1
Standardized Coefficients
Std. Error
(Constant)
-.014 Return .734 Market a Dependent Variable: Return INKP
Collinearity Statistics
Beta
Tolerance
.015 .168
.542
1.000
Scatterplot
Dependent Variable: Return INKP
Regression Studentized Residual
3
2
1
0
-1
-2
-3 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation
.0000000 .09266197
Absolute
.139
Positive
.139
Negative
-.079
Kolmogorov-Smirnov Z
.965
Asymp. Sig. (2-tailed)
.309
a Test distribution is Normal. b Calculated from data.
VIF
1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return ISAT Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.493(a)
.243
Std. Error of the Estimate
.226
Durbin-Watson
.07495
1.891
a Predictors: (Constant), Return Market b Dependent Variable: Return ISAT Coefficients(a) Unstandardized Coefficients
Model
B 1
Std. Error
(Constant)
.005 Return .514 Market a Dependent Variable: Return ISAT
Standardized Coefficients Beta
Collinearity Statistics Tolerance
.012 .135
.493
1.000
Scatterplot
Dependent Variable: Return ISAT
Regression Studentized Residual
2
1
0
-1
-2
-3
-4 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation Absolute
.0000000 .07413560 .079
Positive
.079
Negative
-.056
Kolmogorov-Smirnov Z
.540
Asymp. Sig. (2-tailed)
.932
a Test distribution is Normal. b Calculated from data.
VIF
1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return KLBF Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.195(a)
.038
Std. Error of the Estimate
.017
Durbin-Watson
.13338
1.746
a Predictors: (Constant), Return Market b Dependent Variable: Return KLBF Coefficients(a) Unstandardized Coefficients
Model
B 1
Std. Error
(Constant)
.027 Return -.322 Market a Dependent Variable: Return KLBF
Standardized Coefficients
Collinearity Statistics
Beta
Tolerance
.021 .239
-.195
1.000
Scatterplot
Regression Studentized Residual
Dependent Variable: Return KLBF
2
0
-2
-4
-6
-4
-2
0
2
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation
.0000000 .13195111
Absolute
.090
Positive
.090
Negative
-.082
Kolmogorov-Smirnov Z
.626
Asymp. Sig. (2-tailed)
.827
a Test distribution is Normal. b Calculated from data.
VIF
1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return PNBN Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.637(a)
.405
Std. Error of the Estimate
.392
Durbin-Watson
.09282
2.384
a Predictors: (Constant), Return Market b Dependent Variable: Return PNBN Coefficients(a) Unstandardized Coefficients
Model
B 1
(Constant)
Std. Error
-.010
Return .930 Market a Dependent Variable: Return PNBN.
Standardized Coefficients
Collinearity Statistics
Beta
Tolerance
.166
.637
1.000
Scatterplot
Dependent Variable: Return PNBN
Regression Studentized Residual
3
2
1
0
-1
-2
-3
-4 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation Absolute
.0000000 .09182647 .099
Positive
.088
Negative
-.099
Kolmogorov-Smirnov Z
.686
Asymp. Sig. (2-tailed)
.735
a Test distribution is Normal. b Calculated from data.
VIF
.015 1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return PTBA Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.121(a)
.015
Std. Error of the Estimate
-.007
Durbin-Watson
.12695
1.440
a Predictors: (Constant), Return Market b Dependent Variable: Return PTBA Coefficients(a) Unstandardized Coefficients
Model
B 1
(Constant)
Standardized Coefficients
Std. Error
.048
Collinearity Statistics
Beta
Tolerance
VIF
.020
Return .189 Market a Dependent Variable: Return PTBA
.231
.121
1.000
1.000
Scatterplot
Dependent Variable: Return PTBA
Regression Studentized Residual
4
3
2
1
0
-1
-2
-3 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data.
Std. Deviation Absolute
.0000000 .12556705 .184
Positive
.184
Negative
-.074 1.262 .083
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return SMCB Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.388(a)
.150
Std. Error of the Estimate
.132
Durbin-Watson
.10945
1.531
a Predictors: (Constant), Return Market b Dependent Variable: Return SMCB Coefficients(a) Unstandardized Coefficients
Model
B 1
(Constant)
Standardized Coefficients
Std. Error
.016
Collinearity Statistics
Beta
Tolerance
Return .559 Market a Dependent Variable: Return SMCB
.196
.388
1.000
Scatterplot
Dependent Variable: Return SMCB
Regression Studentized Residual
3
2
1
0
-1
-2
-3
-4 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Std. Deviation Absolute
.0000000 .10827764 .104
Positive
.061
Negative
-.104
Kolmogorov-Smirnov Z
.721
Asymp. Sig. (2-tailed)
.676
a Test distribution is Normal. b Calculated from data.
VIF
.017 1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return TLKM Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.356(a)
.127
Std. Error of the Estimate
.108
Durbin-Watson
.09378
2.022
a Predictors: (Constant), Return Market b Dependent Variable: Return TLKM Coefficients(a) Unstandardized Coefficients
Model
B 1
Std. Error
(Constant)
-.002 Return .434 Market a Dependent Variable: Return TLKM
Standardized Coefficients
Collinearity Statistics
Beta
Tolerance
.015 .168
.356
1.000
Scatterplot
Dependent Variable: Return TLKM
Regression Studentized Residual
2
0
-2
-4
-6 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data.
Std. Deviation Absolute
VIF
.0000000 .09277461 .152
Positive
.106
Negative
-.152 1.051 .219
1.000
Regression Variables Entered/Removed(b) Variables Entered
Model 1
Variables Removed
Return Market(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return UNTR Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.307(a)
.094
Std. Error of the Estimate
.075
Durbin-Watson
.10501
2.135
a Predictors: (Constant), Return Market b Dependent Variable: Return UNTR Coefficients(a) Unstandardized Coefficients
Model
B 1
Standardized Coefficients
Std. Error
(Constant)
.036 Return .411 Market a Dependent Variable: Return UNTR
Collinearity Statistics
Beta
Tolerance
.017 .188
.307
1.000
Scatterplot
Dependent Variable: Return UNTR
Regression Studentized Residual
3
2
1
0
-1
-2
-3
-4 -2
0
2
4
6
Regression Standardized Predicted Value
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 Mean
Normal Parameters(a,b) Most Extreme Differences
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data.
VIF
Std. Deviation Absolute
.0000000 .10388873 .153
Positive
.153
Negative
-.115 1.057 .214
1.000
Lampiran 2: Model APT Saham LQ-45 Regression Variables Entered/Removed(b) Variables Variables Entered Removed Kurs, Inflasi, Uang, . Bunga(a) a All requested variables entered. b Dependent Variable: Return AALI Model 1
Method Enter
Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.167(a)
.028
Std. Error of the Estimate
-.062
Durbin-Watson
.1145461
2.172
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return AALI Coefficients(a) Unstandardized Coefficients
Model
B .115 .068 -3.553 -.056 -.621 a Dependent Variable: Return AALI 1
(Constant) Inflasi Bunga Uang Kurs
Standardized Coefficients
Std. Error .090 .091 10.982 .613 .838
t
Sig.
Beta .112 -.052 -.015 -.124
1.283 .739 -.324 -.092 -.741
.206 .464 .748 .927 .463
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
48 .0000000 .10956339 .100 .100 -.071 .694 .721
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Bunga
Uang
Kurs
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1 . 48 -.061 .680 48 .117 .427 48 .008 .955 48
* Correlation is significant at the 0.05 level (2-tailed).
Bunga -.061 .680 48 1 . 48 .004 .978 48 -.322(*) .025 48
Uang .117 .427 48 .004 .978 48 1 . 48 .299(*) .039 48
Kurs .008 .955 48 -.322(*) .025 48 .299(*) .039 48 1 . 48
Regression Variables Entered/Removed(b) Variables Variables Entered Removed Kurs, Inflasi, Uang, . Bunga(a) a All requested variables entered. b Dependent Variable: Return ANTM Model 1
Method Enter
Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.373(a)
.139
Std. Error of the Estimate
.059
Durbin-Watson
.1847180
1.626
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return ANTM Coefficients(a) Unstandardized Coefficients Std. B Error 1 (Constant) -.043 .145 Inflasi -.155 .147 Bunga 7.558 17.709 Uang -.327 .988 Kurs -2.498 1.352 a Dependent Variable: Return ANTM
Standardized Coefficients
Model
t
Sig.
Beta -.299 -1.053 .427 -.331 -1.848
-.151 .064 -.050 -.292
.766 .298 .672 .743 .072
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
48 .0000000 .17668286 .183 .099 -.183 1.271 .079
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Pearson Correlation Sig. (2-tailed)
.008
.680
.427
.955
48
48
48
-.061
1
.004
-.322(*)
.680
.
.978
.025
48
48
48
48
Pearson Correlation
.117
.004
1
.299(*)
Sig. (2-tailed)
.427
.978
.
.039
Pearson Correlation N
N Kurs
Kurs
.117
.
Sig. (2-tailed)
Uang
Uang
-.061
48
N Bunga
Bunga 1
48
48
48
48
Pearson Correlation
.008
-.322(*)
.299(*)
1
Sig. (2-tailed)
.955
.025
.039
.
48
48
48
48
N * Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b) Variables Variables Entered Removed Kurs, Inflasi, Uang, . Bunga(a) a All requested variables entered. b Dependent Variable: Return ASII Model 1
Method Enter
Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.535(a)
.286
Std. Error of the Estimate
.219
Durbin-Watson
.0842881
2.266
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return ASII Coefficients(a) Unstandardized Coefficients
Model
1
B .142 -.163 -18.997 .546 -2.024
(Constant) Inflasi Bunga Uang Kurs
Std. Error .066 .067 8.081 .451 .617
Standardized Coefficients
t
Sig.
Beta 2.148 -2.421 -2.351 1.212 -3.281
-.315 -.323 .166 -.472
.037 .020 .023 .232 .002
a Dependent Variable: Return ASII NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
48 .0000000 .08062165 .088 .088 -.057 .607 .855
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Bunga
Uang
Kurs
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1 . 48 -.061 .680 48 .117 .427 48 .008 .955 48
* Correlation is significant at the 0.05 level (2-tailed).
Bunga -.061 .680 48 1 . 48 .004 .978 48 -.322(*) .025 48
Uang .117 .427 48 .004 .978 48 1 . 48 .299(*) .039 48
Kurs .008 .955 48 -.322(*) .025 48 .299(*) .039 48 1 . 48
Regression Variables Entered/Removed(b)
Model 1
Variables Entered
Variables Removed
Method
Kurs, Inflasi, Uang, Bunga(a)
.
Enter
a All requested variables entered. b Dependent Variable: Return BBCA Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.341(a)
.116
Std. Error of the Estimate
.034
Durbin-Watson
.1043457
1.989
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return BBCA Coefficients(a) Unstandardized Coefficients
Model
B 1
(Constant)
Standardized Coefficients
Std. Error .033
t
Sig.
Beta
.082
.407
.686
-.172
-1.189
.241
-.057
-.374
.710
.558
-.061
-.402
.690
.764
-.278
-1.737
.089
Inflasi
-.099
.083
Bunga
-3.741
10.004
Uang
-.224
Kurs
-1.327
a Dependent Variable: Return BBCA NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 .0000000 .09980678
Normal Parameters(a,b)
Mean Std. Deviation
Most Extreme Differences
Absolute Positive
.148 .110
Negative
-.148 1.026 .243
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1 . 48 Bunga -.061 .680 48 Uang .117 .427 48 Kurs .008 .955 48 * Correlation is significant at the 0.05 level (2-tailed).
Bunga -.061 .680 48 1 . 48 .004 .978 48 -.322(*) .025 48
Uang .117 .427 48 .004 .978 48 1 . 48 .299(*) .039 48
Kurs .008 .955 48 -.322(*) .025 48 .299(*) .039 48 1 . 48
Regression Variables Entered/Removed(b) Variables Variables Entered Removed Kurs, Inflasi, . Bunga, Uang(a) a All requested variables entered. b Dependent Variable: Return INCO Model 1
Method Enter
Model Summary(b)
Model 1
R
R Square
.337(a)
Adjusted R Square
.113
Std. Error of the Estimate
.029
Durbin-Watson
.1247176
1.892
a Predictors: (Constant), Kurs, Inflasi, Bunga, Uang b Dependent Variable: Return INCO Coefficients(a) Unstandardized Coefficients Std. B Error 1 (Constant) .100 .099 Inflasi -.153 .100 Bunga -10.678 12.033 Uang .492 .669 Kurs -1.647 .916 a Dependent Variable: Return INCO Model
Standardized Coefficients
t
Sig.
Beta -.224 -.137 .114 -.291
1.014 -1.529 -.887 .735 -1.798
.316 .134 .380 .466 .079
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual 48 .0000000 .11917180
N Normal Parameters(a,b) Most Extreme Differences
Mean Std. Deviation Absolute
.159
Positive Negative
.159 -.118 1.093 .183
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
1 . 48 Bunga -.061 .680 48 Uang .117 .427 48 Kurs .008 .955 48 * Correlation is significant at the 0.05 level (2-tailed).
Bunga -.061 .680 48 1 . 48 .004 .978 48 -.322(*) .025 48
Uang .117 .427 48 .004 .978 48 1 . 48 .299(*) .039 48
Kurs .008 .955 48 -.322(*) .025 48 .299(*) .039 48 1 . 48
Regression Variables Entered/Removed(b)
Model 1
Variables Entered
Variables Removed
Kurs, Inflasi, Uang, Bunga(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return INDF Model Summary(b)
Model 1
R
R Square
.361(a)
Adjusted R Square
.130
Std. Error of the Estimate
.050
Durbin-Watson
.1057565
2.125
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return INDF. Coefficients(a) Unstandardized Coefficients Std. B Error 1 (Constant) .068 .083 Inflasi .004 .084 Bunga -3.808 10.139 Uang -.016 .566 Kurs -1.825 .774 a Dependent Variable: Return INDF
Standardized Coefficients
Model
t
Sig.
Beta .824 .043 -.376 -.028 -2.358
.006 -.057 -.004 -.374
.414 .966 .709 .978 .023
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48
Normal Parameters(a,b)
Mean
.0000000
Std. Deviation Most Extreme Differences
.10115617
Absolute
.099
Positive
.099
Negative
-.095 .684
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
.737
a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
-.061
.117
.008
.
.680
.427
.955
48
48
48
48
-.061
1
.004
-.322(*)
.680
.
.978
.025
48
48
48
48
Pearson Correlation
.117
.004
1
.299(*)
Sig. (2-tailed)
.427
.978
.
.039
48
48
48
48
Pearson Correlation
.008
-.322(*)
.299(*)
1
Sig. (2-tailed)
.955
.025
.039
.
48
48
48
48
Pearson Correlation N
N Kurs
Kurs
1
Sig. (2-tailed) Uang
Uang
Sig. (2-tailed) N Bunga
Bunga
Pearson Correlation
N * Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b) Variables Variables Entered Removed Kurs, Inflasi, . Uang, Bunga(a) a All requested variables entered. b Dependent Variable: Return INKP Model 1
Method Enter
Model Summary(b)
Model 1
R
R Square
.652(a)
Adjusted R Square
.425
Std. Error of the Estimate
.371
Durbin-Watson
.0874442
2.102
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return INKP Coefficients(a) Unstandardized Coefficients
Model
B .190 -.077 -24.336 .364 -3.428 a Dependent Variable: Return INKP 1
(Constant) Inflasi Bunga Uang Kurs
Standardized Coefficients
Std. Error .069 .070 8.383 .468 .640
t
Sig.
Beta -.128 -.358 .096 -.691
2.767 -1.098 -2.903 .778 -5.357
.008 .278 .006 .441 .000
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48
Normal Parameters(a,b)
Mean
.0000000
Std. Deviation Most Extreme Differences
.08364042
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 Inflasi
-.061
.117
.008
.
.680
.427
.955
48
48
48
48
-.061
1
.004
-.322(*)
.680
.
.978
.025
48
48
48
48
Pearson Correlation
.117
.004
1
.299(*)
Sig. (2-tailed)
.427
.978
.
.039
48
48
48
48
Pearson Correlation
.008
-.322(*)
.299(*)
1
Sig. (2-tailed)
.955
.025
.039
.
48
48
48
48
Pearson Correlation N
N Kurs
Kurs
1
Sig. (2-tailed) Uang
Uang
Sig. (2-tailed) N Bunga
Bunga
Pearson Correlation
N
*Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model 1
Variables Entered
Variables Removed
Kurs, Inflasi, Uang, Bunga(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return ISAT Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.282(a)
.079
Std. Error of the Estimate
-.006
Durbin-Watson
.1450592
2.343
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return ISAT Coefficients(a) Unstandardized Coefficients
Model
B .032 -.095 -7.480 .943 -1.761 a Dependent Variable: Return ISAT 1
(Constant) Inflasi Bunga Uang Kurs
Standardized Coefficients
Std. Error .114 .116 13.907 .776 1.062
t
Sig.
Beta -.122 -.084 .189 -.271
.278 -.823 -.538 1.215 -1.659
.782 .415 .593 .231 .104
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b)
Mean
Most Extreme Differences
Std. Deviation Absolute
48 .0000000 .13874923 .179
Positive Negative
.108 -.179
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
1.242 .091
a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Bunga
Uang
Kurs
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
1 . 48 -.061 .680 48 .117 .427 48 .008 .955 48
Bunga -.061 .680 48 1 . 48 .004 .978 48 -.322(*) .025 48
Uang .117 .427 48 .004 .978 48 1 . 48 .299(*) .039 48
Kurs .008 .955 48 -.322(*) .025 48 .299(*) .039 48 1 . 48
Regression Variables Entered/Removed(b) Variables Variables Entered Removed Kurs, Inflasi, . Uang, Bunga(a) a All requested variables entered. b Dependent Variable: Return KLBF Model 1
Method Enter
Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.389(a)
.151
Std. Error of the Estimate
.073
Durbin-Watson
.1295675
1.537
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return KLBF Coefficients(a) Unstandardized Coefficients
Model
B .065 .053 -4.619 .663 -2.498 a Dependent Variable: Return KLBF 1
(Constant) Inflasi Bunga Uang Kurs
Standardized Coefficients
Std. Error .102 .103 12.422 .693 .948
t
Sig.
Beta .072 -.056 .143 -.413
.640 .510 -.372 .957 -2.635
.526 .613 .712 .344 .012
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
48 .0000000 .12393136 .154 .154 -.136 1.068 .204
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. Correlations Inflasi Inflasi
.117
.008
Sig. (2-tailed)
.
.680
.427
.955
48
48
48
48
-.061
1
.004
-.322(*)
.680
.
.978
.025
48
48
48
48
Pearson Correlation
.117
.004
1
.299(*)
Sig. (2-tailed)
.427
.978
.
.039
48
48
48
48
Pearson Correlation
.008
-.322(*)
.299(*)
1
Sig. (2-tailed)
.955
.025
.039
.
48
48
48
48
Pearson Correlation N
N Kurs
Kurs
-.061
Sig. (2-tailed)
Uang
Uang
1
N Bunga
Bunga
Pearson Correlation
N * Correlation is significant at the 0.05 level (2-tailed).
Regression Variables Entered/Removed(b)
Model 1
Variables Entered
Variables Removed
Kurs, Inflasi, Uang, Bunga(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return PNBN Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.619(a)
.383
Std. Error of the Estimate
.326
Durbin-Watson
.0977574
2.531
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return PNBN Coefficients(a) Unstandardized Coefficients Std. B Error 1 (Constant) .108 .077 Inflasi -.240 .078 Bunga -17.733 9.372 Uang -.045 .523 Kurs -2.789 .715 a Dependent Variable: Return PNBN
Standardized Coefficients
Model
t
Sig.
Beta -.372 -.242 -.011 -.521
1.408 -3.073 -1.892 -.085 -3.898
.166 .004 .065 .933 .000
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
48 .0000000 .09350504 .095 .095 -.075 .661 .775
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Bunga
Uang
Kurs
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
1 . 48 -.061 .680 48 .117 .427 48 .008 .955 48
Bunga -.061 .680 48 1 . 48 .004 .978 48 -.322(*) .025 48
Uang .117 .427 48 .004 .978 48 1 . 48 .299(*) .039 48
Kurs .008 .955 48 -.322(*) .025 48 .299(*) .039 48 1 . 48
Regression Variables Entered/Removed(b)
Model 1
Variables Entered
Variables Removed
Kurs, Inflasi, Uang, Bunga(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return PTBA Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.391(a)
.153
Std. Error of the Estimate
.074
Durbin-Watson
.1380285
1.579
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return PTBA Coefficients(a) Unstandardized Coefficients
Model
B .126 -.041 -10.942 1.383 -2.581 a Dependent Variable: Return PTBA 1
(Constant) Inflasi Bunga Uang Kurs
Standardized Coefficients
Std. Error .108 .110 13.233 .738 1.010
t
Sig.
Beta 1.167 -.375 -.827 1.873 -2.555
-.053 -.124 .280 -.400
.250 .709 .413 .068 .014
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N
48 .0000000
Mean Normal Parameters(a,b) Most Extreme Differences
Std. Deviation Absolute
.11566299 .167
Positive Negative
.167 -.105
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
1.144 .146
a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
.117
.008
Sig. (2-tailed)
.
.680
.427
.955
Pearson Correlation
N
48
48
48
48
-.061
1
.004
-.322(*)
.680
.
.978
.025
48
48
48
48
Pearson Correlation
.117
.004
1
.299(*)
Sig. (2-tailed)
.427
.978
.
.039
48
48
48
48
Pearson Correlation
.008
-.322(*)
.299(*)
1
Sig. (2-tailed)
.955
.025
.039
.
48
48
48
48
N Kurs
Kurs
-.061
Sig. (2-tailed)
Uang
Uang
1
N Bunga
Bunga
Pearson Correlation
N * Correlation is significant at the 0.05 level (2-tailed)
Regression Variables Entered/Removed(b)
Model 1
Variables Entered
Variables Removed
Kurs, Inflasi, Uang, Bunga(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return SMCB Model Summary(b)
Model 1
R
Adjusted R Square
R Square
.599(a)
.359
Std. Error of the Estimate
.299
Durbin-Watson
.0983571
1.955
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return SMCB Coefficients(a) Unstandardized Coefficients
Model
B .166 -.071 -19.670 1.216 -3.443 a Dependent Variable: Return SMCB 1
(Constant) Inflasi Bunga Uang Kurs
Standardized Coefficients
Std. Error .077 .078 9.430 .526 .720
t
Sig.
Beta -.111 -.272 .300 -.652
2.144 -.899 -2.086 2.310 -4.783
.038 .374 .043 .026 .000
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
48 .0000000 .09407863 .118 .118 -.073 .815 .520
a Test distribution is Normal. b Calculated from data. Correlations Inflasi Pearson Correlation 1 Sig. (2-tailed) . N 48 Bunga Pearson Correlation -.061 Sig. (2-tailed) .680 N 48 Uang Pearson Correlation .117 Sig. (2-tailed) .427 N 48 Kurs Pearson Correlation .008 Sig. (2-tailed) .955 N 48 * Correlation is significant at the 0.05 level (2-tailed) Inflasi
Bunga -.061 .680 48 1 . 48 .004 .978 48 -.322(*) .025 48
Uang .117 .427 48 .004 .978 48 1 . 48 .299(*) .039 48
Kurs .008 .955 48 -.322(*) .025 48 .299(*) .039 48 1 . 48
Regression Variables Entered/Removed(b) Variables Variables Entered Removed Method Kurs, Inflasi, . Enter Uang, Bunga(a) a All requested variables entered. b Dependent Variable: Return TLKM Model Summary(b) Model 1
Model 1
R
R Square
.244(a)
Adjusted R Square
.059
Std. Error of the Estimate
-.028
Durbin-Watson
.1006694
2.218
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return TLKM Coefficients(a) Unstandardized Coefficients Std. B Error 1 (Constant) -.085 .079 Inflasi -.035 .080 Bunga 11.957 9.651 Uang -.187 .538 Kurs -.242 .737 a Dependent Variable: Return TLKM
Standardized Coefficients
Model
t
Sig.
Beta -1.077 -.442 1.239 -.347 -.328
-.066 .195 -.055 -.054
.287 .661 .222 .731 .744
NPar Test One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
48 .0000000 .09629039 .135 .104 -.135 .934 .348
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
Pearson Correlation Sig. (2-tailed) N
Bunga
Pearson Correlation Sig. (2-tailed) N
Uang
Uang
Kurs
-.061
.117
.008
.
.680
.427
.955
48
48
48
48
-.061
1
.004
-.322(*)
.680
.
.978
.025
48
48
48
48
Pearson Correlation
.117
.004
1
.299(*)
Sig. (2-tailed)
.427
.978
.
.039
N Kurs
Bunga 1
48
48
48
48
Pearson Correlation
.008
-.322(*)
.299(*)
1
Sig. (2-tailed)
.955
.025
.039
.
48
48
48
48
N * Correlation is significant at the 0.05 level (2-tailed)
Regression Variables Entered/Removed(b)
Model 1
Variables Entered
Variables Removed
Kurs, Inflasi, Uang, Bunga(a)
Method .
Enter
a All requested variables entered. b Dependent Variable: Return UNTR Model Summary(b)
Model 1
R
R Square
.435(a)
Adjusted R Square
.189
Std. Error of the Estimate
.113
Durbin-Watson
.1027810
2.270
a Predictors: (Constant), Kurs, Inflasi, Uang, Bunga b Dependent Variable: Return UNTR Coefficients(a) Unstandardized Coefficients Std. B Error 1 (Constant) .166 .081 Inflasi -.086 .082 Bunga -16.685 9.854 Uang -.014 .550 Kurs -2.056 .752 a Dependent Variable: Return UNTR
Standardized Coefficients
Model
t
Sig.
Beta -.146 -.248 -.004 -.419
2.060 -1.051 -1.693 -.025 -2.734
.045 .299 .098 .980 .009
NPar Tests One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parameters(a,b) Most Extreme Differences
48 .0000000 .09831007 .133 .133 -.078 .919 .367
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data. Correlations Inflasi Inflasi
.117
.008
Sig. (2-tailed)
.
.680
.427
.955
Pearson Correlation
48
48
48
48
-.061
1
.004
-.322(*)
.680
.
.978
.025
N
48
48
48
48
Pearson Correlation
.117
.004
1
.299(*)
Sig. (2-tailed)
.427
.978
.
.039
N Kurs
Kurs
-.061
Sig. (2-tailed) Uang
Uang
1
N Bunga
Bunga
Pearson Correlation
48
48
48
48
Pearson Correlation
.008
-.322(*)
.299(*)
1
Sig. (2-tailed)
.955
.025
.039
.
48
48
48
48
N * 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 Spearman's rho
Return AALI
Correlation Coefficient
-.002
-.147
.
.314
.974
.989
.319
48
48
48
48
48
Correlation Coefficient
.148
1.000
-.248
.098
.158
Sig. (2-tailed)
.314
.
.089
.506
.282
Correlation Coefficient Sig. (2-tailed)
48
48
48
48
48
-.005
-.248
1.000
-.009
-.338(*)
.974
.089
.
.954
.019
N Correlation Coefficient Sig. (2-tailed)
48
48
48
48
48
-.002
.098
-.009
1.000
.245
.989
.506
.954
.
.093
48
48
48
48
48
-.147
.158
-.338(*)
.245
1.000
.319
.282
.019
.093
.
48
48
48
48
48
N Kurs
Kurs
-.005
N
Uang
Uang
.148
N
Bunga
Bunga
1.000
Sig. (2-tailed)
Inflasi
Inflasi
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed) Nonparametric Correlations PT. Aneka Tambang (Persero) Tbk Correlations Return ANTM Spearman's rho
Return ANTM
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Correlation Coefficient Sig. (2-tailed) N
Bunga
Uang
Kurs
1.000
-.193
.183
-.068
-.391(**)
.
.189
.214
.645
.006
48
48
48
48
48
-.193
1.000
-.248
.098
.158
.189
.
.089
.506
.282
48
48
48
48
48
.183
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.214
.089
.
.954
.019
Correlation Coefficient Sig. (2-tailed) N
Kurs
Bunga
Correlation Coefficient N
Uang
Inflasi
Correlation Coefficient Sig. (2-tailed) N
** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed).
48
48
48
48
48
-.068
.098
-.009
1.000
.245
.645
.506
.954
.
.093
48
48
48
48
48
-.391(**)
.158
-.338(*)
.245
1.000
.006
.282
.019
.093
.
48
48
48
48
48
Nonparametric Correlations PT. Astra Internasional Tbk Correlations Retun ASII Spearman's rho
Retun ASII
Correlation Coefficient
-.130
.124
-.232
.
.002
.379
.400
.113
48
48
48
48
48
1.000
-.248
.098
.158
.002
.
.089
.506
.282
48
48
48
48
48
-.130
-.248
1.000
-.009
-.338(*)
.379
.089
.
.954
.019
48
48
48
48
48
Correlation Coefficient
.124
.098
-.009
1.000
.245
Sig. (2-tailed)
.400
.506
.954
.
.093
48
48
48
48
48
-.232
.158
-.338(*)
.245
1.000
.113
.282
.019
.093
.
48
48
48
48
48
N Correlation Coefficient Sig. (2-tailed) N
N Kurs
Kurs
-.430(**)
Correlation Coefficient Sig. (2-tailed)
Uang
Uang
-.430(**)
N
Bunga
Bunga
1.000
Sig. (2-tailed) Inflasi
Inflasi
Correlation Coefficient Sig. (2-tailed) N
** 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 Spearman's rho
Return BBCA
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Correlation Coefficient Sig. (2-tailed) N
Bunga
Correlation Coefficient Sig. (2-tailed) N
Uang
Correlation Coefficient Sig. (2-tailed) N
Kurs
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
Inflasi
Bunga
Uang
Kurs
1.000
-.279
-.012
-.095
-.250
.
.055
.937
.519
.087
48
48
48
48
48
-.279
1.000
-.248
.098
.158
.055
.
.089
.506
.282
48
48
48
48
48
-.012
-.248
1.000
-.009
-.338(*)
.937
.089
.
.954
.019
48
48
48
48
48
-.095
.098
-.009
1.000
.245
.519
.506
.954
.
.093
48
48
48
48
48
-.250
.158
-.338(*)
.245
1.000
.087
.282
.019
.093
.
48
48
48
48
48
Nonparametric Correlations PT. International Nickel Ind. Tbk
Correlations Return INCO Spearman's rho
Return INCO
Correlation Coefficient Sig. (2-tailed)
1.000
-.191
.160
.050
-.279 .055
.276
.736
48
48
48
48
-.191
1.000
-.248
.098
.158
.193
.
.089
.506
.282
48
48
48
48
48
Correlation Coefficient
.160
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.276
.089
.
.954
.019
48
48
48
48
48
Correlation Coefficient
.050
.098
-.009
1.000
.245
Sig. (2-tailed)
.736
.506
.954
.
.093
Correlation Coefficient
N
N Kurs
Kurs
.193
N
Uang
Uang
.
Sig. (2-tailed) Bunga
Bunga
48
N Inflasi
Inflasi
Correlation Coefficient Sig. (2-tailed) N
48
48
48
48
48
-.279
.158
-.338(*)
.245
1.000
.055
.282
.019
.093
.
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 Spearman's rho
Return INDF
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Correlation Coefficient Sig. (2-tailed) N
Bunga
Uang
Kurs
1.000
-.266
.063
-.025
-.326(*)
.
.067
.669
.867
.024
48
48
48
48
48
-.266
1.000
-.248
.098
.158
.067
.
.089
.506
.282
48
48
48
48
48
.063
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.669
.089
.
.954
.019
48
48
48
48
48
-.025
.098
-.009
1.000
.245
.867
.506
.954
.
.093
48
48
48
48
48
-.326(*)
.158
-.338(*)
.245
1.000
.024
.282
.019
.093
.
48
48
48
48
48
Correlation Coefficient Sig. (2-tailed) N
Kurs
Bunga
Correlation Coefficient
N Uang
Inflasi
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. Indah Kiat Pulp & Paper Tbk Correlations Return INKP Spearman's rho
Return INKP
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Correlation Coefficient Sig. (2-tailed) N
Bunga
Correlation Coefficient Sig. (2-tailed) N
Uang
Correlation Coefficient Sig. (2-tailed) N
Kurs
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Bunga
Uang
Kurs
1.000
-.135
-.197
-.025
-.493(**)
.
.361
.179
.866
.000
48
48
48
48
48
-.135
1.000
-.248
.098
.158
.361
.
.089
.506
.282
48
48
48
48
48
-.197
-.248
1.000
-.009
-.338(*)
.179
.089
.
.954
.019
48
48
48
48
48
-.025
.098
-.009
1.000
.245
.866
.506
.954
.
.093
48
48
48
48
48
-.493(**)
.158
-.338(*)
.245
1.000
.000
.282
.019
.093
.
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 Spearman's rho
Return ISAT
Correlation Coefficient Sig. (2-tailed)
1.000
.017
-.073
.123
-.230
.622
.403
.117
48
48
48
48
Correlation Coefficient
.017
1.000
-.248
.098
.158
Sig. (2-tailed)
.906
.
.089
.506
.282
Correlation Coefficient N
48
48
48
48
48
-.073
-.248
1.000
-.009
-.338(*)
.622
.089
.
.954
.019
48
48
48
48
48
Correlation Coefficient
.123
.098
-.009
1.000
.245
Sig. (2-tailed)
.403
.506
.954
.
.093
48
48
48
48
48
-.230
.158
-.338(*)
.245
1.000
.117
.282
.019
.093
.
48
48
48
48
48
N Kurs
Kurs
.906
Sig. (2-tailed)
Uang
Uang
.
N Bunga
Bunga
48
N Inflasi
Inflasi
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. Kalbe Farma Tbk Correlations Return KLBF Spearman's rho
Return KLBF
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Kurs
1.000
-.074
.045
.029
-.393(**)
.
.616
.759
.843
.006
48
48
48
48
1.000
-.248
.098
.158
.616
.
.089
.506
.282
48
48
48
48
48
Correlation Coefficient
.045
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.759
.089
.
.954
.019
48
48
48
48
48
Correlation Coefficient
.029
.098
-.009
1.000
.245
Sig. (2-tailed)
.843
.506
.954
.
.093
48
48
48
48
48
-.393(**)
.158
-.338(*)
.245
1.000
.006
.282
.019
.093
.
48
48
48
48
48
N
N Kurs
Uang
48
N
Uang
Bunga
-.074
Correlation Coefficient Sig. (2-tailed)
Bunga
Inflasi
Correlation Coefficient Sig. (2-tailed) N
** 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 Spearman's rho
Return PNBN
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Kurs
-.141
-.389(**)
.
.028
.882
.341
.006
48
48
48
48
1.000
-.248
.098
.158
.028
.
.089
.506
.282
48
48
48
48
48
Correlation Coefficient
.022
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.882
.089
.
.954
.019
48
48
48
48
48
-.141
.098
-.009
1.000
.245
.341
.506
.954
.
.093
N Correlation Coefficient Sig. (2-tailed) N Kurs
Uang
.022
48
N
Uang
Bunga
-.317(*)
-.317(*)
Correlation Coefficient Sig. (2-tailed)
Bunga
Inflasi
1.000
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed). ** Correlation is significant at the 0.01 level (2-tailed).
48
48
48
48
48
-.389(**)
.158
-.338(*)
.245
1.000
.006
.282
.019
.093
.
48
48
48
48
48
Nonparametric Correlations PT. Tambang Batubara Bukit Asam Tbk
Correlations Return PTBA Spearman's rho
Return PTBA
Correlation Coefficient
Sig. (2-tailed)
.239
-.336(*)
.
.424
.580
.102
.019
48
48
48
48
48
-.118
1.000
-.248
.098
.158
.424
.
.089
.506
.282
48
48
48
48
48
Correlation Coefficient
.082
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.580
.089
.
.954
.019
48
48
48
48
48
Correlation Coefficient
.239
.098
-.009
1.000
.245
Sig. (2-tailed)
.102
.506
.954
.
.093
48
48
48
48
48
-.336(*)
.158
-.338(*)
.245
1.000
.019
.282
.019
.093
.
48
48
48
48
48
N Uang
N Kurs
Kurs
.082
N Bunga
Uang
-.118
N Correlation Coefficient
Bunga
1.000
Sig. (2-tailed) Inflasi
Inflasi
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. Semen Cibinong Tbk
Correlations Return SMCB Spearman's rho
Return SMCB
Correlation Coefficient Sig. (2-tailed)
1.000
-.066
.019
.157
-.367(*) .010
.898
.285
48
48
48
48
-.066
1.000
-.248
.098
.158
.654
.
.089
.506
.282
48
48
48
48
48
Correlation Coefficient
.019
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.898
.089
.
.954
.019
48
48
48
48
48
Correlation Coefficient
.157
.098
-.009
1.000
.245
Sig. (2-tailed)
.285
.506
.954
.
.093
Correlation Coefficient
N
N Kurs
Kurs
.654
N
Uang
Uang
.
Sig. (2-tailed) Bunga
Bunga
48
N Inflasi
Inflasi
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
48
48
48
48
48
-.367(*)
.158
-.338(*)
.245
1.000
.010
.282
.019
.093
.
48
48
48
48
48
oonparametric Correlations PT. telekomunikasi Indonesia Tbk
Correlations Return TLKM Spearman's rho
Return TLKM
Correlation Coefficient
.206
-.133
-.242 .098
.
.609
.159
.369
48
48
48
48
-.076
1.000
-.248
.098
.158
.609
.
.089
.506
.282
48
48
48
48
48
Correlation Coefficient
.206
-.248
1.000
-.009
-.338(*)
Sig. (2-tailed)
.159
.089
.
.954
.019
48
48
48
48
48
-.133
.098
-.009
1.000
.245
.369
.506
.954
.
.093
Correlation Coefficient
N
N Correlation Coefficient Sig. (2-tailed) N Kurs
Kurs
48
Sig. (2-tailed)
Uang
Uang
-.076
N
Bunga
Bunga
1.000
Sig. (2-tailed) Inflasi
Inflasi
Correlation Coefficient Sig. (2-tailed)
48
48
48
48
48
-.242
.158
-.338(*)
.245
1.000
.098
.282
.019
.093
.
48
48
48
48
48
N * Correlation is significant at the 0.05 level (2-tailed).
Nonparametric Correlations PT. United Tractors Tbk
Correlations Return UNTR Spearman's rho
Return UNTR
Correlation Coefficient Sig. (2-tailed) N
Inflasi
Correlation Coefficient Sig. (2-tailed) N
Bunga
Correlation Coefficient Sig. (2-tailed) N
Uang
Correlation Coefficient Sig. (2-tailed) N
Kurs
Correlation Coefficient Sig. (2-tailed) N
* Correlation is significant at the 0.05 level (2-tailed).
Inflasi
Bunga
Uang
Kurs
1.000
-.141
-.182
-.094
-.155
.
.341
.216
.526
.293
48
48
48
48
48
-.141
1.000
-.248
.098
.158
.341
.
.089
.506
.282
48
48
48
48
48
-.182
-.248
1.000
-.009
-.338(*)
.216
.089
.
.954
.019
48
48
48
48
48
-.094
.098
-.009
1.000
.245
.526
.506
.954
.
.093
48
48
48
48
48
-.155
.158
-.338(*)
.245
1.000
.293
.282
.019
.093
.
48
48
48
48
48
Lampiran 4: Hasil Uji Model ARIMA 1. Inflasi Model AR(1) ARIMA Model: inflasi Estimates at each iteration Iteration 0 260.800 1 232.296 2 214.687 3 207.904 4 207.813 5 207.813 6 207.813
SSE 0.100 -0.050 -0.200 -0.350 -0.368 -0.369 -0.369
Parameters 0.354 0.362 0.379 0.407 0.417 0.418 0.418
Relative change in each estimate less than 0.0010
Final Estimates of Parameters Type Coef AR 1 -0.3694 Constant 0.4179 Mean 0.3051
SE Coef 0.1594 0.4119 0.3008
T -2.32 1.01
P 0.027 0.318
Number of observations: 36 Residuals: SS = 207.661 (backforecasts excluded) MS = 6.108 DF = 34
Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value
12 12.2 10 0.271
24 36 15.6 * 22 * 0.835 *
48 * * *
Forecasts from period 31
Period 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
95 Percent Limits Forecast 0.45545 0.24960 0.32565 0.29756 0.30794 0.30410 0.30552 0.30499 0.30519 0.30512 0.30514 0.30513 0.30514 0.30513 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514
Lower -4.38941 -4.91532 -4.88144 -4.91526 -4.90566 -4.90960 -4.90820 -4.90872 -4.90853 -4.90860 -4.90858 -4.90859 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858
Upper 5.30031 5.41453 5.53274 5.51037 5.52153 5.51780 5.51923 5.51871 5.51891 5.51884 5.51886 5.51885 5.51886 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885
Actual 0.03828 -0.02765 0.02370 -0.14661 -0.06691
61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79
0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514 0.30514
-4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858 -4.90858
5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885 5.51885
2. Bunga model ARI(1) ARIMA Model: bunga Estimates at each iteration Iteration 0 0.285301 1 0.001246 2 0.000013 3 0.000007 4 0.000004 5 0.000003 6 0.000003 7 0.000003 8 0.000003
SSE 0.100 0.115 0.149 0.299 0.449 0.551 0.551 0.548 0.548
Parameters 0.090 0.006 0.000 0.000 0.000 -0.000 -0.000 -0.000 -0.000
Relative change in each estimate less than 0.0010
Final Estimates of Parameters Type AR 1 Constant Mean
Coef 0.5481 -0.00006582 -0.0001456
SE Coef 0.1453 0.00005256 0.0001163
T 3.77 -1.25
P 0.001 0.219
Number of observations: 35 Residuals: SS = 0.00000318955 (backforecasts excluded) MS = 0.00000009665 DF = 33
Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value
12 24 36 48 16.8 27.0 * * 10 22 * * 0.079 0.211 * *
Forecasts from period 31
Period 32 33 34 35 36 37 38 39 40
95 Percent Limits Forecast Lower -2.62570 -8.72038 -2.09721 -9.04719 -1.80757 -8.99460 -1.64883 -8.90555 -1.56184 -8.83935 -1.51416 -8.79791 -1.48803 -8.77365 -1.47370 -8.75989 -1.46586 -8.75221
Upper 0.000346898 0.000485277 0.000537946 0.000560788 0.000571568 0.000576960 0.000579760 0.000581248 0.000582050
Actual -1.58000 -2.08000 -1.50000 0.000008000
41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79
-1.46155 -1.45920 -1.45790 -1.45720 -1.45681 -1.45660 -1.45648 -1.45642 -1.45638 -1.45636 -1.45635 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634 -1.45634
-8.74796 -8.74562 -8.74433 -8.74363 -8.74324 -8.74303 -8.74291 -8.74285 -8.74281 -8.74279 -8.74278 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277 -8.74277
0.000582485 0.000582723 0.000582852 0.000582923 0.000582962 0.000582983 0.000582995 0.000583001 0.000583005 0.000583007 0.000583008 0.000583008 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009 0.000583009
3. Uang Model ARI (1) ARIMA Model: uang Estimates at each iteration Iteration 0 200.537 1 169.856 2 147.285 3 132.808 4 126.414 5 126.071 6 126.070 7 126.070
SSE 0.100 -0.050 -0.200 -0.350 -0.500 -0.542 -0.544 -0.544
Parameters 0.093 0.067 0.045 0.024 0.007 0.004 0.003 0.003
Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 Constant Mean
Coef -0.5438 0.0034 0.0022
SE Coef 0.1461 0.3304 0.2140
T -3.72 0.01
Number of observations: 35 Residuals: SS = 126.067 (backforecasts excluded) MS = 3.820 DF = 33
Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value
6.1
12 24 6.1 * 10 22 0.807 1.000
36 * * *
48 * *
P 0.001 0.992
Forecasts from period 31
Period 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79
95 Percent Limits Forecast 0.00950 -0.00181 0.00434 0.00099 0.00281 0.00182 0.00236 0.00207 0.00223 0.00214 0.00219 0.00216 0.00218 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217 0.00217
Lower -3.82216 -4.36337 -4.50200 -4.54727 -4.55778 -4.56240 -4.56294 -4.56355 -4.56349 -4.56360 -4.56356 -4.56359 -4.56358 -4.56359 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358 -4.56358
Upper 3.84116 4.35975 4.51068 4.54926 4.56340 4.56605 4.56767 4.56769 4.56795 4.56789 4.56794 4.56792 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793 4.56793
4. Kurs model ARI (1) ARIMA Model: d2 kurs Estimates at each iteration Iteration 0 0.743664 1 0.528990 2 0.389263 3 0.303023 4 0.259293 5 0.249554 6 0.249528 7 0.249528
SSE 0.100 -0.050 -0.200 -0.350 -0.500 -0.620 -0.627 -0.627
Parameters 0.088 0.063 0.042 0.023 0.007 -0.003 -0.003 -0.003
Unable to reduce sum of squares any further
Actual 0.01979 0.00157 -0.00416 0.02943
Final Estimates of Parameters Type AR 1 Constant Mean
Coef -0.6271 -0.00255 -0.001564
SE Coef 0.1377 0.01513 0.009301
T -4.56 -0.17
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 32 0.010339 -0.162657 33 -0.009029 34 0.003117 -0.212120 35 -0.004500 36 0.000277 -0.220774 37 -0.002719 38 -0.000840 39 -0.002018 40 -0.001279 41 -0.001743 42 -0.001452 43 -0.001634 44 -0.001520 45 -0.001592 46 -0.001547 47 -0.001575 48 -0.001557 49 -0.001568 50 -0.001562 51 -0.001566 52 -0.001563 53 -0.001565 54 -0.001564 55 -0.001564 56 -0.001564 57 -0.001564 58 -0.001564 59 -0.001564 60 -0.001564 61 -0.001564 62 -0.001564 63 -0.001564 64 -0.001564 65 -0.001564 66 -0.001564 67 -0.001564 68 -0.001564 69 -0.001564 70 -0.001564 71 -0.001564 72 -0.001564 73 -0.001564 74 -0.001564 75 -0.001564 76 -0.001564 77 -0.001564 78 -0.001564 79 -0.001564
-0.213229 -0.223925 -0.224406 -0.222777 -0.224053 -0.223353 -0.223831 -0.223547 -0.223731 -0.223618 -0.223690 -0.223645 -0.223674 -0.223656 -0.223667 -0.223660 -0.223664 -0.223662 -0.223663 -0.223662 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663 -0.223663
Lower Upper Actual 0.183334 -0.048856 0.195171 0.002394 0.218354 0.050375 0.214925 0.221328 0.218968 0.221097 0.220017 0.220794 0.220346 0.220642 0.220463 0.220578 0.220506 0.220552 0.220523 0.220541 0.220530 0.220537 0.220533 0.220535 0.220534 0.220535 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534 0.220534
P 0.000 0.868
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
