SKRIPSI
PERBANDINGAN KEAKURATAN CAPM DAN APT DALAM MEMPREDIKSI TINGKAT PENDAPATAN SAHAM LQ 45 ( PERIODE 2006 – 2009 )
OLEH : Nama : Andri NIM : 205081000127 Jurusan: Manajemen Keuangan
FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2010
DAFTAR RIWAYAT HIDUP
Nama Lengkap
: Andri
Tempat/Tanggal Lahir
: Tangerang, 28 Juli 1987
Alamat
: Kp.Pulo No.16 RT003/04 Cipondoh Tangerang
Telp & HP
: (021)5447829 / 02194731216
Agama
: Islam
Status
: Belum Menikah
Kebangsaan
: Indonesia
Moto Hidup
: “Hidup Adalah Perjalanan Untuk Berdoa, Bekerja, dan Berusaha, Karena Semua Itu Adalah Ibadah” PENDIDIKAN FORMAL
1. SD Negeri 04 Pagi 2. SMP Negeri 176 Duri Kosambi 3. SMK Negeri 42 Jakarta Barat 4. Universitas Islam Negeri Syarif Hidayatullah Jakarta
i
ABSTRACT
This research explain a comparison of accuracy level between Capital Asset Pricing Model (CAPM) and Arbitrage Pricing Theory (APT). Variable of this research are LQ 45 stock return, Beta, Risk free, Market return, SBI and Inflation. Analysis were based on 27 stock sampel of LQ 45 that always listed from 2006 unti 2009. The analysis tools that used to measure macro economics variable in the future is Autoregressive Integrated Moving Average (ARIMA) and to find macro economics variable that represented return of LQ 45 in research is value of MAD, MSE, and MAPE. This observational population is all return stock per corporate moon – LQ 45 already go public at Indonesian Stock Exchange. There is sample that is utilized in this research is return stock per moon of 27 LQ 45 years 2006 – 2009. This observational result that: (a ) Arbitrage Pricing Theory APT models more accurate than Capital Asset Pricing Model CAPM in predict income zoom (Return) LQ 45. That thing is looked of appreciative MAD, MSE, and MAPE which resulted by CAPM'S model is even greater to be compared with APT model. Keyword : stock return, Beta, Risk free, Market return, SBI and Inflation.
ii
ABSTRAK
Penelitian ini menjelaskan perbandingan tingkat keakuratan model Capital Asset Pricing Model (CAPM) dengan Arbitrage Pricing Theory (APT). Variabel dalam penelitian ini adalah tingkat pendapatan saham LQ 45, Beta, Risk free, Market return, SBI dan Inflasi. Alat analisis yang digunakan untuk mengukur tingkat variabel makro yang di harapkan adalah metode Autoregressive Integrated Moving Average (ARIMA) sedangkan untuk mencari variabel makro ekonomi yang merepresentasikan return LQ 45 digunakan analisis faktor. Tingkat keakuratan teori CAPM dan APT di ukur melalui nilai MAD, MSE, dan MAPE. Populasi penelitian ini adalah seluruh return saham per bulan perusahaan – perusahaan LQ 45 yang sudah go public di Bursa Efek Indonesia. Adapun sampel yang digunakan dalam penelitian ini adalah return saham per bulan dari 27 perusahaan LQ 45 tahun 2006 – 2009. Hasil penelitian ini menunjukan bahwa : (a) Model Arbitrage Pricing Theory (APT) lebih akurat dibandingkan Capital Asset Pricing Model (CAPM) dalam memprediksi tingkat pendapatan (Return) saham perusahaan - perusahaan LQ 45. Hal itu terlihat dari nilai MAD, MSE, dan MAPE yang dihasilkan model Capital Asset Pricing Model (CAPM) lebih besar dibandingkan dengan model Arbitrage Pricing Theory (APT). Kata Kunci : Return, Beta, Risk free, Market return, SBI, Inflasi.
iii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas segala rahmat dan nikmat yang telah diberikan. Shalawat serta salam penulis haturkan kepada Nabi Muhammad SAW. Perkenankan
penulis
menyampaikan
ucapan
terimakasih
atas
dukungan dan bantuan dari berbagai pihak yang turut andil dalam proses penulisan skripsi ini sehingga penulis dapat menyelesaikan skripsi yang berjudul “Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) & Arbitrage Pricing Model (APT) Dalam Memprediksi Tingkat Pendapatan Saham LQ45”, semoga Allah SWT membalas kebaikannya dengan balasan yang lebih baik, mereka adalah: 1. Orang tua tersayang, Ayahanda Muhasim dan Ibunda Sadiah yang senantiasa memberikan doa, motivasi, dan bantuan sehingga penulis dapat menyelesaikan penulisah skripsi ini. 2. Bapak Prof. Dr. Ahmad Rodoni selaku Pudek I Akademik sekaligus sebagai pembimbing I dan Bapak Indoyama Nasrudin SE.,MAB selaku Ketua Jurusan Manajemen sekaligus pembimbing II yang selalu memberikan inspirasi-inspirasi bermakna kepada penulis dalam segala waktu dan kesempatan. 3. Bapak Prof. Dr. Abdul Hamid, Ms., selaku Dekan Fakultas Ekonomi dan Ilmu Sosial yang telah banyak memberi pengetahuan yang bermanfaat bagi penulis.
iv
4. Teman-teman seperjuangan semasa kuliah, Sadik, Dian, Erwin, Nova, Zein, Hariyadi, Rosalina, Endang, Chafitz, Imam, Edi, Arif, Uden, Alfian, we did it great brothers. 5. Terima kasih spesial untuk Ferdy, Andri Hari Prasetyo yang telah banyak membantu penulis dan memberikan motivasi. 6. Teman Kerja di PT. Glenindo Citramandiri, Pak Yongki Widjaya, Ibu Sifie, Pak Tedy Gamma, Pak Herman, Pak Subur, Astrid, Retno, Ria. Nice job partners. Penulis Menyadari bahwa skripsi ini belum sempurna, tetapi besar harapan penulis skripsi ini dapat membawa nama baik almamater terutama Fakultas Ekonomi dan Ilmu Sosial dan dapat membantu peneliti lain yang akan melanjutkan penelitian.
Jakarta, 11 Juni 2010
Penulis
v
DAFTAR TABEL No.
Keterangan
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
Daftar Perusahaan LQ 45 Periode 2006 – 2009............................... Return Marker (RM) Periode 2006 – 2009....................................... Risk Free (RF) Periode 2006 – 2009................................................ Beta Terhadap Return....................................................................... KMO and Bartlett's Test................................................................... Communalities.................................................................................. Total Variance Explained................................................................. Componen Matrix............................................................................. Rotated Component Matrix.............................................................. Inflasi Indonesia Periode 2006 – 2009............................................. SBI Periode 2006 – 2009.................................................................. Expected Return CAPM................................................................... Correlogram SBI............................................................................... Correlogram Inflasi........................................................................... Model Arima SBI............................................................................. Model Arima Inflasi......................................................................... Perubahan Tingkat Inflasi Actual, Perubahan Tingkat Inflasi Yang Diharapkan, dan Perubahan Tingkat Inflasi Yang Tidak Diharapkan.. Perubahan SBI Actual, Perubahan SBI Yang Diharapkan, Perubahan SBI Yang Tidak Diharapkan............................................................... Expected Return APT........................................................................ Return Perusahaan LQ 45 Dengan Kolmogorov-Smirnov................. Pengujian Durbin Watson Pada Market Model CAPM..................... Pengujian Dirbin Watson Pada Model APT...................................... Nilai MAD......................................................................................... Nilai MSE.......................................................................................... Nilai MAPE.......................................................................................
4.17 4.18 4.19 4.20 4.21 4.22 4.23 4.24
Halaman 52 68 70 72 73 74 75 76 76 78 79 80 81 82 83 84 85
86 88 90 92 93 95 97 99
x
DAFTAR GAMBAR No.
Keterangan
Halaman
2.1 2.2 2.3 4.1
Kurva Risiko Sistematik Dan Non Sistematik................................. Estimasi Model Arima...................................................................... Kerangka Pemikiran......................................................................... Scree Plot Eiqenvalue Analisis Faktor.............................................
22 43 50 76
xi
DAFTAR LAMPIRAN No.
Keterangan
Halaman
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. .
Actual Return.................................................................................... Beta Model CAPM........................................................................... Expected Return Model CAPM........................................................ Expected Return Model APT............................................................ Uji Normal Kolmogorov-Smirnov Model CAPM............................. Uji Normal Kolmogorov-Smornov Model APT................................ Autokorelasi Model CAPM.............................................................. Autokorelasi Model APT................................................................... Analisis Faktor Model APT.............................................................. Arima Model APT.............................................................................
104 107 110 113 116 117 120 121 121 123
xii
BAB I PENDAHULUAN
A. Latar Belakang
Iklim investasi di Indonesia secara keseluruhan sangat menarik bagi akses investasi asing. Ketersediaan insentif fiskal untuk menarik investor asing, tidak ada batasan nilai investasi, kemungkinan investor asing untuk memiliki seluruhnya investasi mereka dalam hampir semua sektor dan proses persetujuan investasi yang telah disederhanakan merupakan sebagian dari keuntungan bagi investasi asing untuk menanamkan modalnya di Indonesia. Sebagai negara anggota ASEAN, Indonesia terletak di persimpangan dua benua besar, yaitu Asia dan Australia, dan Samudera Hindia dan Samudera Pasifik, menawarkan beberapa keunggulan komparatif kepada investor dengan rentang dan perpaduan yang menarik seperti: •
Negara yang luas dan subur yang dilimpahi dengan sumber daya alam yang kaya dan terdiversifikasi, antara lain, pertanian, perkebunan, perikanan, tambang, minyak dan gas.
•
Jumlah penduduk yang besar, yaitu kurang lebih 210 juta penduduk, yang sangat dinamis dalam menyesuaikan diri terhadap kemajuan, suatu pasar yang berpotensi sangat besar serta angkatan kerja yang kompetitif.
•
Lokasi yang strategis mengendalikan jalur komunikasi laut internasional yang sangat penting.
•
Negara yang semakin demokratis.
1
1
Ekonomi terbuka yang berorientasi pasar, dengan rezim pertukaran mata uang asing yang bebas. Pemerintah Indonesia menyadari bahwa investasi merupakan salah satu faktor paling penting dalam menggerakkan pertumbuhan ekonomi dan, dengan demikian, berupaya keras untuk memperbaiki prosedur investasi di masa mendatang agar dapat merangsang iklim investasi yang lebih menguntungkan (www.IDX.com).
Bursa Efek Jakarta (BEJ) ditetapkan menjadi bursa efek skala internasional, yang mampu memberikan peluang investasi sesuai dengan perkembangan ekonomi Indonesia. BEJ ditetapkan untuk ambil bagian dalam mengembangkan basis investor dalam negeri yang besar dan mapan untuk menjamin Pasar Modal Indonesia yang stabil. Tahun 1995 menandai awal baru bagi BEJ. Pada tanggal 22 Mei 1995, BEJ meluncurkan Jakarta Automated Trading System (JATS) [Sistem Perdagangan Terotomatisasi Jakarta], suatu sistem terkomputerisasi yang menggantikan sistem perdagangan manual. Sistem baru ini akan memfasilitasi frekuensi perdagangan saham yang lebih tinggi dan memastikan terwujudnya pasar yang lebih adil dan lebih transparan dibandingkan dengan sistem perdagangan manual. Sejak bulan Februari 2007, terdapat 342 perusahaan yang tercatat di BEJ. Dibandingkan dengan pasar saham di wilayah Asia Pasifik pada tahun 2006, BEJ termasuk ke dalam 3 pasar saham Papan Atas di wilayah Asia Pasific sesudah Shanghai dan Shenzen. Pada Desember 2006, kapitalisasi pasar BEJ mencapai IDR 1.246.0 Triliun, naik 55,5% dari IDR 801,3 Triliun di akhir transaksi pasar 2005. Jumlah reksadana di Indonesia pada tahun 2006 meningkat 22,02% yaitu dari 327 reksadana pada tahun 2005 menjadi 399
2
reksadana pada tahun 2006, disamping selain nilai aset bersih reksadana yang secara signifikan meningkat (79,23%) dari IDR 29,17 Triliun di bulan Desember 2005 menjadi IDR 52,28 Triliun pada tahun 2006. Pada bulan Desember 2006, terdapat 108 fund manager dan 9 konsultan keuangan. Dan berdasarkan nilai reksadana, terdapat peningkatan nilai reksadana dari IDR 48,07 Triliun di bulan Desember 2005 menjadi IDR 71.15 Triliun di bulan Oktober 2006, atau meningkat 32,44%.(www.IDX.com).
Investasi merupakan sebuah cara alternativ yang dapat digunakan untuk meningkatkan nilai asset di masa depan, dengan melakukan investasi, menurunnya purchasing power akibat inflasi dapat di ofsett oleh return yang di dapatkan dari investasi ( Tandelilin,2001 dalam Puji Fitriana : 2005 ). Menurut Widiatmodjo,S 2000 (dalam Michell Suharli: 2005), Ekspetasi dari para investor terhadap investasinya adalah memperoleh tingkat pendapatan (return) saham sebesar - besarnya dengan resiko tertentu. Return tersebut dapat berupa capital gain ataupun dividen untuk investasi pada saham dan pendapatan bunga untuk investasi pada surat hutang. Dividen merupakan salah satu bentuk peningkatan wealth pemegang saham ( Suharli: 2004). Investor akan sangat senang apabila mendapatkan return investasi yang semakin tinggi dari waktu ke waktu. Oleh karena itu, investor dan investor potensial memiliki kepentingan untuk mampu memprediksi berapa besar investasi mereka. Sesuai dengan pendapat Widiatmodjo (2000 : 84) Investor selalu mencari alternative investasi yang memberikan return tertinggi dengan tingkat risiko tertentu. Mengingat risiko yang melekat pada investasi saham lebih tinggi dari pada investasi pada perbankan, return yang diharapkan juga lebih tinggi.
3
Horne dan Wachoviz (2005: 26) mendefinisikan return sebagai:”Return as benefit which related with owner that includes cash dividend last year which is paid, together with market cost appreciation or capital gain which is realization in the end of the year”. Menurut Jones (2003: 124) “return is yield and capital gain (loss)”.(1) Yield, yaitu cash flow yang dibayarkan secara periodic kepada pemegang saham dalam bentuk dividen, (2) Capital Gain (loss), yaitu selisih antara harga saham pada saat pembelian dengan harga saham pada saat penjualan. Hal tersebut diperkuat oleh Corrado dan Jordan (2000:5) yang menyatakan bahwa “Return from investment security is cash flow and capital gain/loss”. Investasi sendiri dapat digolongkan ke dalam dua jenis, yaitu investasi pada real asset dan investasi pada financial asset ( Achisien, 2003 dalam Puji Fitriana 2009). Investasi pada real asset dapat dilakukan dengan membeli peralatan, pendirian pabrik, perbaikan mesin produksi, dll. Sedangkan investasi pada financial asset (instrument kauangan) dapat dilakukan pada pasar uang (berupa sertifikat deposito, commercial paper, dll) maupun pasar modal (berupa saham, obligasi, dll). Investor pada umumnya merupakan pihak yang sangat tidak menyukai resiko tetapi menginginkan return yang maksimal. Untuk itulah dewasa ini , invesatsi di sektor financial menjadi primadona di kalangan investor, karena menjanjikan tingkat return yang lebih tinggi dibandingkan dengan investasi di sektor real asset maupun pasar uang ( Achisien, 2003 dalam Puji Fitriana 2009 ). Meskipun investasi di pasar modal menjanjikan tingkat return yang lebih tinggi, namun kita perlu ingat bahwa semakin besar return, maka tingkat resikonya akan semakin besar pula. Untuk itulah sebagai seorang investor yang rasional, hal yang paling penting untuk deperhatikan adalah
4
bagaimana investasi dapat menghasilkan return optimal pada tingkat resiko yang minimal ( Tandelilin,2001 dalam Puji Fitriana:2009). Pasar modal didefinisikan sebagai institusi dan prosedur yang menyediakan semua sarana untuk bertransaksi dalam instrument keuangan jangka panjang (R.Agus Sartono 2002 : 21). Pasar modal di Indonesia dimulai ketika Pemerintah Hindia Belanda mendirikan Bursa Efek di Jakarta (Batavia) pada akhir tahun 1912, sejak saat itu pasar modal Indonesia mengalami pasang surut dalam perkembangannya sejalan dengan kondisi pemerintahan dan perekonomian Negara. Salah satu perkembangan paling signifikan adalah yang terjadi pada tahun 1987 saat pemerintahan mengeluarkan paket 24 Desember 1987 (PAKDES 87) yang berkaitan dengan pengembangan pasar modal yaitu menyarankan agar perusahaan di Indonesia untuk go public dan investor asing menginvestasikan uang mereka di Indonesia (R.Agus Sartono 2002 : 21). Estimasi Stock Return atau cost of equity untuk saham individual adalah hal yang sangat krusial untuk pengambilan keputusan keuangan seperti manajemen portofolio, Capital budgeting, dan evaluasi kinerja (Husnan, S 1993 dalam Effendi:2008). Dalam memprediksi pendapatan saham yang diharapkan, ada dua model yang sering kali digunakan para investor, yaitu Capitasl Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT) ( Bodie.et.al. 2005:). kedua model ini sampai saat ini masih menjadi perdebatan para ahli manajemen keuangan tentang ketepatan model tersebut dalam memprediksi tingkat pendapatan (return) suatu saham. Capital Asset Pricing Model (CAPM) yang diperkenalkan oleh Sharp (1964) dan Lintner (1995) merupakan model untuk menentukan harga suatu assets pada
kondisi
equilibrium
(
Bodie.et.al.2005:).
Perhatian
mengenai
model 5
keseimbangan ini telah secara menerus dikembangkan. Beberapa diantaranya adalah Sharpe (1964) dan Treynor (1961) yang mengembangkan formulasi mean-variance. Formulasi ini kemudian dikembangkan lebih lanjut dan diklarifikasi oleh Lintner (1965), Mossin (1966), Fama (1968) dan Long (1972). Sebagai tambahan, Treynor (1965), Sharpe (1966), dan Jensen (1968-1969) telah mengembangkan evaluasi portofolio
yang
mendasarkan
pada
Capitas
Asset
Pricing
Model
ini
(Husnan,S.2002.dalam Efendi Arianto:2007). Dalam keadaan equilibrium tingkat keuntungan yang diisyaratkan oleh pemodal untuk suatu saham akan dipengaruhi oleh resiko saham tersebut (Tandelilin,2001:90). Sebagian investor merasa lebih nyaman dengan adanya gagasan bahwa diperlukan risiko yang lebih tinggi untuk mendapatkan return yang lebih tinggi. Dengan adanya tingkat ketidakpastian yang semakin tinggi, return yang diperlukan untuk mengimbangi resiko tersebut juga akan semakin tinggi yang selanjutnya akan menurunkan harga yang ingin dibayarkan oleh investor untuk asset tersebut. Lebih jauh lagi para ekonom telah mengasumsikan bahwa investor bersifat risk-averse, dimana mereka mau mengorbankan return mereka dengan tujuan untuk mengurangi risiko yang mereka terima. Terdapat dua jenis risiko yang mempengaruhi return pada saham (R.Agus Sartono 2002 : 169)., yaitu sebagai berikut: Resiko sistematik (systematic risk) adalah segala jenis risiko yang mempengaruhi sejumlah besar asset, masing – masing pada tingkat yang lebih tinggi atau lebih rendah. Risiko non-sistematik (unsystematic risk) adalah risiko yang secara spesifik mempengaruhi suatu asset atau beberapa asset saja. Jika asumsi ini benar, maka kita akan mengharapkan investor untuk meminta return yang lebih tinggi untuk
6
mengimbangi risiko tambahan yang diterima oleh pemegang asset yang lebih tinggi risikonya (R.Agus Sartono 2002 : 169). CAPM kemudian menjadi model yang sangat populer untuk digunakan karena kemudahan dalam aplikasinya. CAPM memprediksi bahwa hanya ada satu jenis risiko sistematik yang mempengaruhi return saham dan risiko itu adalah “Risiko Pasar”. Selanjutnya Ross tahun 1976 memperkenalkan model kedua yaitu Arbitrage Pricing Theory (APT) yang dianggap sebagai model yang lebih baik dari CAPM (Bodie.et.al. 2005 : 456 ). Asumsi – asumsi dalam APT bersifat lebih umum daripada CAPM dalam mengakomodasi sumber risiko yang bervariasi. Hal ini sesuai dengan logika bahwa faktor – faktor seperti tingkat suku bunga, inflasi, serta aktivitas bisnis memiliki dampak yang signifikan terhadap tingkat perubahan return saham. Weston.et.al.1996
(dalam
Muhammad
Madyan:2004),
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 (Weston.et.al.1999 dalam Gancar Candra:2004). Menurut Reilly, 2000 (dalam Muhammad Madyan:2004), seperti halnya CAPM, APT menggambarkan hubungan
7
antara risiko dan pendapatan, tetapi dengan menggunakan asumsi dan prosedur yang berbeda. Tiga asumsi yang mendasari model Arbitrage Pricing Theory (APT) adalah: (1) pasar modal dalam kondisi persaingan sempurna, (2) para investor selalu lebih menyukai kekayaan yang lebih daripada kurang dengan kepastian, (3) hasil dari proses Stochastic artinya bahwa pendapatan asset dapat dianggap sebagai K model faktor (Reilly : 2000;195). 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 (Jurnal Penelitian Dinamika 2004 : 125 - 139) 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. Penelitian sebelumnya yang dilakukan oleh Gancar Chandra Premananto dan Muhammad Madyan ( 2004) menggunakan variabel independen yaitu CAPM dan APT. Peneliti menguji keakuratan CAPM dan APT dalam memprediksi return saham, dimana pergerakan keseluruhan saham direpresentasikan oleh sebuah indeks pasar yang disebut IHSG. Selain IHSG terdapat pula indeks pasar yang hanya terdiri dari 45 saham terlikuid dan memiliki pangsa pasar yang besar yaitu LQ45. LQ-45 diciptakan
8
oleh BEI dan terdiri dari hanya 45 saham likuid dan berfundamental bagus. kinerja LQ45 mampu merefleksikan pasar ekuiti, lebih praktis dan likuiditas yang jauh lebih baik dari IHSG. Penelitian yang dilakukan oleh Andri Hari Prasetyo Mengenai keakuratan model CAPM dan APT dalam memprediksi return LQ 45 periode 2006 – 2008 juga memberikan kesimpulan bahwa model CAPM Lebih Akurat dibandingkan dengan APT yang menggunakan faktor inflasi, tingkat suku bunga dan kurs. Pada APT menggunakan tiga variabel yaitu perubahan tingkat suku bunga 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 2006-2009. 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.
9
Berdasarkan latar belakang diatas maka penulis mengambil judul skripsi ini: ”Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) Dan Arbitrage Pricing Theory (APT) Dalam Memprediksi Tingkat Pendapatan Saham LQ-45 Di Bursa Efek Indonesia”. Mengingat faktor-faktor yang mempengaruhi pergerakan saham amat banyak, maka dalam pembahasan penelitian ini penulis membatasi masalah hanya pada variabel-variabel tertentu (return market, perubahan tingkat inflasi, perubahan tingkat suku bunga SBI, perubahan kurs, dan perubahan jumlah uang yang beredar) terhadap return saham pada beberapa perusahaan di Bursa Efek Indonesia. Ruang lingkup penelitian ini hanya dibatasi pada perusahaan-perusahaan yang hanya terdaftar dalam LQ-45 pada Bursa Efek Indonesia. Sampel perusahaan ditentukan dengan syarat yaitu: perusahaan - perusahaan yang terdaftar di Bursa Efek Indonesia yang mempunyai data keuangan yang lengkap dan dapat diandalkan kebenarannya dan yang saham - sahamnya aktif diperdagangkan di Bursa Efek Indonesia pada tahun 2006 - 2009. B. Perumusan Masalah Berdasarkan uraian latar belakang diatas, maka rumusan masalah di dalam penelitian ini adalah, antara lain: 1. 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:
10
a. Menganalisis model 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
11
BAB II TINJAUAN PUSTAKA
A. Investasi 1. Pengertian Investasi Menurut Reilly dalam Muhammad Madyan (2004 : 2) mendefinisikan investasi secara lebih spesifik yaitu sebagai pengalokasian saat ini atas sejumlah uang selama periode waktu tertentu untuk memperoleh pembayaran di masa depan yang akan memberi imbalan kepada investor atas (1) waktu selama dana dialokasikan (2) tingkat inflasi yang diharapkan (3)
ketidakpastian dari
pembayaran masa depan. Untuk mengelola investasi dengan baik, diperlukan suatu ilmu yang disebut dengan manajemen investasi. Sedangkan E.A Koetin dalam Fauzan (2007;7). Investasi adalah penggunaan uang untuk objek – objek tertentu dangan tujuan bahwa 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 a commitment of money that is expected to generate of additional money. Dalam kommarruding Ahmad (2004:3), Investasi adalah menempatkan uang atau dana dengan harapan untuk memperoleh tambahan atau kekurangan tertentu atas uang atau dana tersebut. Menurut
12
Bodie.et.al. (2007:54), investasi dikategorikan menjadi dua jenis yaitu asset rill (real asset) dan asset keuangan (financial asset). Asset rill adalah bersifat berwujud seperti gedung – gedung, kendaraan, dan sebagainya. Sedangkan aset keuangan merupakan dokumen (surat – surat) klaim tidak langsung pemegangnya terhadap aktiva rill pihak yang menerbitkan sekuritas tersebut. Bagi seseorang yang ingin melakukan investasi yang menguntungkan atau setidak – tidaknya mengamankan kekayaan dari berbagai resiko yang mungkin terjadi, dia mempunyai banyak pilihan investasi. 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
13
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
14
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 Kommarrudin Ahmad (2004:3), ada beberapa alasan mengapa seseorang melakukan investasi, antara lain adalah: a. Untuk mendapatkan kehidupan yang lebih layak di masa yang akan datang. Seseorang yang bijak akan berfikir bagaimana cara meningkatkan taraf hidupnya dari waktu ke waktu atau setidak-tidaknya bagaimana berusaha untuk mempertahankan tingkat pendapatannya yang ada sekarang agar tidak berkurang di masa yang akan datang. b. Mengurangi tekanan inflasi. Dengan melakukan investasi dalam memilih perusahaan atau objek lain seseorang dapat menghindarkan diri agar kekayaan atau harta miliknya tidak merosot nilainya karena digerogoti oleh inflasi. c. Dorongan untuk menghemat pajak. Beberapa negara di dunia banyak yang melakukan kebijakan yang sifatnya mendorong tumbuhnya investasi di masyarakat melalui fasilitas perpajakan yang diberikan kepada masyarakat yang melakukan investasi pada bidang-bidang usaha tertentu.
15
4. Jenis Investasi Investasi sendiri dapat digolongkan ke dalam dua jenis, yaitu investasi pada real asset dan investasi pada financial asset ( Achisien, 2003 dalam Puji Fitriana 2009). Investasi pada real asse dapat dilakukan dengan membeli peralatan, pendirian pabrik, perbaikan mesin produksi, dll. Sedangkan investasi pada financial asset (instrument kauangan) dapat dilakukan pada pasar uang (berupa sertifikat deposito, commercial paper, dll) maupun pasar modal (berupa saham, obligasi, dll). B. Teori Portofolio Menurut R. Agus Sartono dalam manajemen keuangan (2002:259) portofolio adalah sekumpulan investasi, baik pada aktiva rill maupun pada aktiva keuangan. Teori portofolio menekankan pada usaha untuk mencari kombinasi investasi optimal yang memberikan tingkat pengembalian atau rate of return maksimal pada suatu tingkat risiko tertentu. Teori portofolio yang akan dibahas pada bagian ini lebih berfokus pada investasi pada financial asset seperti saham. Tingkat pengembalian yang diharapkan dari suatu portofolio merupakan rata – rata tertimbang dari tingkat pengembalian berbagai aktiva keuangan di dalam portofolio tersebut. Sedangkan risiko portofolio ditunjukan oleh besar kecilnya penyimpangan tingkat pengembalian yang diharapkan. Semakian besar simpangan tingkat pengembalian yang diharapkan berarti semakin besar tingkat risikonya. C. Return Saham Dan Return Market Serta Pengukurannya Menurut Ahmad Rodoni dan Othman Yong (2002:11), Return atau tingkat keuntungan merupakan persentase kekayaan pemegang saham untuk
16
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 17
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. 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 (Reilly dalam Muhammad Madyan 2004 :4).
18
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 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 (R. Agus Sartono 2002:84). 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 19
yang diharapkan investor untuk investasinya sehingga investor tidak akan menerima risiko tambahan. D. 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 tersebutadalah variance atau
standar
deviasi.
Semakin
besar
nilainya,
berarti
semakin
besar
penyimpangannya. Ini artinya, risiko akan semakin tinggi (R.Agus Sartono 2002 : 169). 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
20
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), ada dua jenis risiko yaitu risiko sistematis dan risiko tidak sistematis. 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).
21
Gambar 2.1 Kurva Risiko Sistematik dan Non-Sistematik
Variance of portofolio’s r e t u r n
Diversifiable risk atau unsystematic risk
Market risk atau systematic risk Number of securities
Sumber : Stephen A. Ross,et al. (dalam Michell Suharli 2005) E. 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 22
mengasumsikan bahwa individu melakukan investasi berdasarkan teori portofolio, yaitu setiap individu akan memaksimumkan tingkat keuntungan pada sesuatu tahap risiko (Husnan, S dalam effendi 2008). 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. 23
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. (2006:358) 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
24
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
(Bodie.et.al.2006:359). 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. 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 (Tjiptono 2006:205).
25
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 (Agus Sartono,2002:115). Menurut teori CAPM tingkat pendapatan yang diharapkan dari suatu sekuritas dapat dihitung dengan menggunakan rumus (Bodie.et.al.2005): 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
26
RM = Tingkat pendapatan indeks pasar Βi = Slope (beta) αi
= Intersep
ei
= random residual error
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 bebas risiko ditambah dengan premi risiko pasar dikalikan dengan beta (Bodie.et.al.2006:247). 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
27
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
28
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 ( Bodie, et al:2006) Hubungan risiko total dengan imbalan yang disyaratkan (required return) pada investasi yang efisien dinyatakan sebagai CML dan dirumuskan sebagai 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
29
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: -
Imbal hasil sekuritas dapat dijelaskan dengan sebuah model faktor.
-
Terdapat cukup banyak sekuritas untuk menghilangkan risiko istimewa dengan diversifikasi.
-
Pasar
sekuritas
yang
berfungsi
tidak
baik
tidak
memugkinkan
terjadinyapeluang 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
30
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: -
Pasar Modal dalam kondisi persaingan sempurna,
-
Para Investor selalu lebih menyukai kekayaan yang lebih daripada kurang dengan kepastian,
-
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.
31
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
32
Menurut Bodie.et.al. (2006:456), APT adalah model yang sangat menarik. Ini tergantung pada asumsi bahwa keseimbangan rasional di pasar modal akan menghilangkan peluang arbitrage. Pelanggaran terhadap hubungan pembentukan harga dalam APT akan menyebabkan tekanan yang sangat kuat untuk mengembalikan harga meskipun hanya sedikit sekali investor yang menyadari adanya ketidakseimbangan tersebut. Selanjutnya, APT menghasilkan hubungan antara imbal hasil yang diharapkan dengan beta yang menggunakan portofolio yang terdiversifikasi dengan baik yang prakteknya dapat dibentuk dari sejumlah besar sekuritas. Menurut Ahmad Rodoni dan Othman Yong (2002:171), APT sebenarnya adalah berasaskan CAPM, tetapi ia telah mempertimbangkan faktor-faktor lain yang mempengaruhi keuntungan sekuritas memandang dunia jadi semakin kompleks. Faktor-faktor ini akan memberi kesan yang berlainan kepada sekuritas yang berlainan. Jadi, bagi sekuritas i dalam jangka waktu t, keuntungannya dapat diwakili oleh kombinasi antara pengharapan keuntungan seimbang dan faktor-faktor yang mempengaruhinya. Pengharapan keuntungan seimbang ini adalah ditentukan oleh permintaan dan penawaran sekuritas perusahaan. Faktor-faktor yang akan mempengaruhi keuntungan sekuritas adalah terdiri dari faktor-faktor makro dan mikro. Contoh faktorfaktor makro ialah seperti inflasi, politik, tingkat bunga, dan lain-lain. a. Analisis Faktor Menurut Mankiw (dalam Widayanti, 2007) Analisis faktor adalah suatu analisis data untuk mengetahui faktor-faktor yang dominan dalam menjelaskan suatu masalah. Pada penelitian ini akan di ketahui 33
faktor-faktor dominan yang menentukan return LQ 45 dengan APT. Misalkan ada sekitar 4 peubah bebas yang dianggap berpengaruh besar sehingga digunakan untuk menentukan hal tersebut. Analisis faktor akan menentukan faktor-faktor apa saja dari ke 4 peubah tersebut yang merupakan faktor-faktor dominan dalam menentukan return LQ 45. Analisis Faktor dapat dipandang sebagai perluasan analisis komponen utama yang pada dasarnya bertujuan untuk mendapatkan sejumlah kecil faktor yang memiliki sifat-sifat: -
Mampu menerangkan semaksimal mungkin keragaman data,
-
Faktor-faktor tersebut saling bebas, dan Tiap-tiap faktor dapat diinterpretasikan.
F. Variabel-variabel Makroekonomi Menurut Mankiw (dalam Widayanti, 2007:14), makro ekonomi 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
34
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 asset 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,
35
inflasi adalah suatu proses meningkatnya harga-harga secara umum dan terusmenerus (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 pengaruhmempengaruhi. 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
36
kerusuhan-kerusuhan sosial yang berakibat terputusnya pasokan dari luar daerah. Gangguan dari sisi permintaan dapat terjadi apabila otoritas moneter menerapkan kebijakan uang longgar. Inflasi dapat digolongkan menjadi tiga golongan, yaitu inflasi ringan, sedang, berat, dan hiperinflasi. Inflasi ringan terjadi apabila kenaikan harga berada di bawah angka 10% setahun; inflasi sedang antara 10%-30% setahun; berat antara 30%-100% setahun; dan hiperinflasi atau inflasi tak terkendali terjadi apabila kenaikan harga berada di atas 100% setahun. Untuk mengukur pertumbuhan inflasi dapat digunakan formula sebagai berikut: pinflasi = (inflasi t – inflasi t-1) inflasi t-1 Keterangan: P inflasi = perubahan tingkat inflasi inflasi t = tingkat inflasi pada periode ke-t inflasi t-1 = tingkat inflasi pada periode sebelum ke-t Dari segi penyebab awal inflasi, inflasi dibagi menjadi tiga, yaitu: a. Inflasi yang timbul karena permintaan masyarakat akan berbagai barang terlalu kuat. Inflasi semacam ini disebut demand pull inflation. b. Inflasi yang timbul karena kenaikan ongkos produksi secara terus menerus. Inflasi ini disebut dorongan ongkos atau cost push inflation.
37
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 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
38
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
39
Kurs tengah t = kurs tengah periode ke-t Kurs tengah t-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 system pembayaran (Samuelson, 2006:36). Perkembangan cara masyarakat untuk melakukan pembayaran dalam transaksi ekonomi akan mempengaruhi makna uang di masa-masa yang akan datang. Menurut Iskandar Putong (2003:157) Uang beredar terdiri atas tiga jenis yaitu:
40
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 domestic (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 41
Menurut Iskandar Putong (2003:155) 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. G. Metode Autoregressive Integrated Moving Average (ARIMA) menurut Enders,2004 (dalam Eko Kusmurtanto:2007). Metode BoxJenkins dengan ARIMA (Autoregressive Integrated Moving Average) adalah metode yang menggunakan banyak unsur dalam teori dan banyak digunakan untuk tijuan peramalan (forcasting). Metode Wold (1951) ini menggabungkan dua pola serial waktu yaitu AR (Autoregressive) oleh Yule (1926) dan MA (Moving Average) oleh Slitzky (1937). Model ARIMA dapat digunakan untuk mengitung perubahan variabel makro ekonomi. Sering kali data time series yang terintegrasi pada tingkat pertama I (1), akan menjadi stasioner pada diferen pertamanya atau I (0). Demikian pula jika data time series tersebut I (2), maka diferen atau turunan keduanya akan bersifat stasioner atau I (0). Bila dirumuskan time series tersebut adalah I (d), maka setelah didiferen sebanyak d kali, maka didapatkan I (0) yang
42
sudah stasioner. Metode ARIMA (Box-Jenkins) memiliki beberapa keunggulan dibanding dengan metode lainnya, yaitu : -
Metode Box-Jenkins disusun dengan logis dan secara statistik akurat
-
Metode ini memasukan banyak informasi dari data historis
-
Metode ini menghasilkan kenaikan akurasi peramalan dan pada waktu yang sama menjaga jumlah parameter seminimal mungkin (Jarret, 1991 : 317). Rumuskan Model Umum dan Uji
Identifikasi Model Tentatif
Estimasi Parameter atas Model Tentatif Uji Diagnostik (Apakah model sudah tepat?) Ya
Tidak
Gunakan Model Untuk Peramalan
Gambar 2.2 : Estimasi Model ARIMA H. 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 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
43
Semasa Krisis Ekonomi. Hasil mpenelitiannya 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. Banz (1981) yang menguji ukuran perusahaan sebagai faktor fundamental; Rosenberg.et.al (1985) yang menguji ratio of book-to-market value; Chan.et.al (1991) yang menguji faktor makro dan price to earnings ratio. Penelitian yang sama juga pernah dilakukan oleh Sudarto, dkk (1999) dengan menggunakan variabel beta saham dan Debt Equity Ratio (DER), demikian halnya dengan penelitian yang dilakukan oleh Wardani (2000) dengan melakukan penambahan nilai saham yang beredar. Pengujian oleh Black, Jansen dan Schooles, juga oleh Fama dan MacBeth menggabungkan saham-saham menjadi portofolio untuk menaksir beta tiap – tiap portofolio, kemudian melakukan regresi cross sectional antara rata-rata return dengan beta tiap-tiap portofolio. Ada juga pengujian yang menggunakan surat-surat berharga individual, misalnya oleh Linzerberger.et.al (2007). 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.
44
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
45
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. 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
46
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.et.al (1986) yang menggunakan empat faktor yang mempengaruhi return sekuritas, yaitu tingkat inflasi, premi risk-default , dan suku bunga. Selain itu, Berry.et.al (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 dan inflasi. Data yang digunakan dalam penelitian ini adalah data suku bunga SBI dan inflasi sebagai variabel bebas dan imbal hasil saham-saham sektoral sebagai
47
variable tak bebas. Analisis dilakukan untuk dua periode waktu, yaitu sebelum krisis moneter (Januari 1996-Juni 1997) dan saat krisis ekonomi. Gancar Candra Premananto dan Muhammad Madyan meneliti mengenai Perbandingan Keakuratan Capital Asset Pricing Model dan Arbitrage Pricing Theory Dalam Meprediksi Tingkat Pendapatan Saham Industri Manufaktur Sebelum dan Semasa Krisis Ekonomi yang menghasilkan bahwa CAPM lebih akurat dalam memprediksi return saham dibandingkan dengan APT baik semasa krisis ataupun sebelum krisis. I. Perumusan Hipotesis Berdasarkan perumusan masalah dan landasan teori maka hipotesis dalam penelitian ini adalah : Ho
: CAPM Lebih Akurat dibanding APT dalam memprediksi return saham LQ 45.
Ha
: APT Lebih Akurat dibanding CAPM dalam memprediksi return saham LQ 45.
J. Kerangka Pemikiran Dalam penelitian ini digunakan suatu kerangka pemikiran yang dimulai dari pencarian data – data saham terutama LQ 45 dan menentukan periode untuk pengamatan dan pengambilan sampel. Setelah itu menentukan model untuk melakukan estimasi return saham LQ 45 dimana dalam penelitian ini adalah untuk menentukan model CAPM dan APT semasa periode pengamatan. Kemudian menghitung pendapatan saham yang sesungguhnya dan menghitung pendapatan
48
pasar (Rm) dan menghitung Beta (ß) dengan menggunakan rumus market model yang meregresikan antara pendapatan saham yang sesungguhnya dengan pendapatan pasar. Setelah beta masing – masing perusahaan diperoleh kemudian barulah dibentuk sebuah model persamaan berdasarkan model CAPM dan menghitung faktor – faktor makro ekonomi yaitu a, b1, b2, b3 dan b4 untuk model APT pada perusahaan yang masuk dalam LQ 45. Setelah semuanya ditentukan barulah melakukan uji Normalitas data dan uji asumsi klasik (Heterokedastisitas, Multikolinieritas, dan otokorelasi) terhadap model yang diperoleh. Setelah tidak ada pelanggaran terhadap asumsi – asumsi klasik maka dilanjutkan dengan menghitung pendapatan saham yang diharapkan dengan menggunakan model yang dihasilkan. Langkah yang berikutnya adalah melakukan pengujian untuk menentukan model yang paling signifikan dalam menjelaskan kinerja indeks LQ 45 dengan melakukan Uji Beda dua rata-Rata Mean Absolute Deviation (MAD), Mean Squred Error (MSE), dan Mean Asolute Percent Error (MAPE).
49
Menentukan Model Untuk Mengestimasi Return Saham LQ 45
APT
CAPM
Variabel – variabel Makro Ekonomi Rf
Rm
ß
Analisis Faktor
Suku Bunga
Return Saham LQ 45 yang diharapkan
Inflasi
Pendapatan Saham LQ 45 yang sesungguhnya
Kurs
Uang
Return Saham LQ 45 yang diharapkan
Uji Beda dua rata-Rata Mean Absolute Deviation (MAD), Mean Squred Error (MSE), dan Mean Asolute Percent Error (MAPE)
Gambar. 2. 3 : Kerangka Pemikian
50
BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian Dalam penelitian ini variabel independen yang digunakan adalah perubahan tingkat bunga SBI untuk mencari return asset bebas resiko, IHSG Indeks Harga Saham Gabungan) untuk mencai 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 devenden adalah return saham perusahaan – perusahaan LQ-45 yang terdaftar di Bursa Efek Indonesia dari Januari 2006 sampai dengan Juli 2009. 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 purposive 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 : 1. Perusahaan – perusahaan yang terdaftar dalam LQ-45 di Bursa Efek Indonesia yang mempunyai data keuangan yang lengkap dan dapat diandalkan kebenarannya pada tahun 2006 – 2009. 51
51
2. Perusahaan dalam LQ-45 yang saham – sahamnya aktif diperdagangkan di Bursa Efek Indonesia pada tahun 2006 – 2009. Tabel 3.1 Daftar Perusahaan LQ-45 Periode 2006 – 2009 No.
Nama Perusahaan
Kode
1 Astra Agro Lestari Tbk AALI 2 Aneka Tambang (Persero) Tbk ANTM 3 Astra Internasional Tbk ASII 4 Bank Central Asia Tbk BBCA 5 International Nickel Ind. Tbk INCO 6 Indofood Sukses Makmur Tbk INDF 7 Indal Kiat Pulp & Paper Tbk INKP 8 Indosat Tbk ISAT 9 Kalbe Farma Tbk KLBF 10 Bank Pan Indonesia Tbk PNBN 11 Semen Cibinong Tbk SMCB 12 Telekomunikasi Indonesia Tbk TLKM 13 Tambang Batubara Bukit Asam Tbk PTBA 14 United Tractors Tbk UNTR 15 Bank Negara Indonesia Tbk BBNI 16 Bank Rakyat Indonesia Tbk BBRI 17 Berlian Laju Tanker Tbk BLTA 18 Bank Mandiri Tbk BMRI 19 Bakrie & Brothers Tbk BNBR 20 Bank Internasional Indonesia BNII 21 Bumi Resources Tbk BUMI 22 Bakrieland Development Tbk ELTY 23 Kawasan industri Jababeka Tbk KIJA 24 Perusahaan Gas Negara Tbk PGAS 25 Semen Gresik Tbk SMGR 26 Timah Tbk TINS 27 Aqua Misissi Tbk AQUA Sumber : PT. Bursa Efek Indonesia, Data Diolah Oleh Penulis Dari penentuan sampel yang digunakan maka peneliti menemukan 27 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 2006 sampai dengan 31 Juli 2009.
52
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 website Bank Indonesia dan Indonesia Capital Market Directory (ICMD), dan website dunia investasi 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 tiga tahun (2006 – 2009). Untuk melengkapi data juga diambil dari media masa seperti jurnal, Koran dan internet.. D. Metode Analisis Penelitian ini menggunakan model analisis perhitungan Uji Mean absolut Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Ketiga model analisis tersebut digunakan untuk mencari perbedaan keakuratan model CAPM dan APT dalam memprediksi return saham LQ-45. Analisis ini mempunyai beberapa tahap diantaranya adalah sebagai berikut : 1. Uji Normalitas Uji Normalitas bertujuan menguji sebuah model regresi yaitu variabel dependen, variabel independen atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal. Alat uji normalitas yang digunakan dalam penelitian adalah dengan mengggunakan SPSS 16 dengan melihat nilai signifikansi dari
53
data. Jika data lebih besar dari 0.05 maka dapat dikatakan data berdistribusi normal. 2. Pengujian Pelanggaran Asumsi Klasik (Autokorelasi, Multikoleniaritas dan Heteroskedastisitas) terhadap model yang diperoleh. a. Uji Autokorelasi Pengujian autokorelasi ditujukan untuk mengetahui apakah ada korelasi antara anggota seri observasi yang disusun menurut urutan waktu (seperti data time series) atau menurut urutan tempat/ruang (seperti data cross section) atau korelasi pada dirinya sendiri. Dalam hubungannya dengan persoalan regresi, model regresi linier klasik menganggap bahwa autokorelasi demikian itu tidak terjadi pada kesalahan pengganggu (J.Supranto,1995:86). Untuk mengetahui adanya persoalan autokorelasi dalam suatu model regresi, maka dilakukan pengujian Durbin-Watson (DW) dengan ketentuan adalh sebagai berikut: 1) Jika nilai D-W kurang dari 1,10 berarti ada korelasi. 2) Jika nilai D-W antara 1,10 dan 1,54 berarti tidak ada kesimpulan. 3) Jika nilai D-W antara 1,55 dan 2,46 berarti tidak ada autokorelasi. 4) Jika nilai D-W antara 2,46 dan 2,90 berarti tanpa ada kesimpulan. 5) Lebih dari 2,91 berarti ada autokorelasi. b. Multikolinearitas Adalah kondisi dimana terdapat korelasi yang signifikan antara dua variabel atau lebih pada variabel independen di dalam regresi. Uji
54
multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Jika variabel bebas saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolineritas dalam model regresi adalah dengan melihat pada kolom koefisien output SPSS. Deteksi multikolinearitas pada suatu model dapat dilihat jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0.1, maka model dapat dikatakan bebas dari multikolinearitas. c. Uji Heteroskedastisitas Pengujian heterokedastisitas ditujukan untuk mengetahui apakah kesalahan pengganggu åj dari model regresi berganda tersebut mempunyai varian yang tidak sama. Uji gejala heterokedastisitas dilakukan dengan menggunakan uji korelasi rank dari Spearman (Spearman’s
rank
correlation
test)(J.Supranto,
1995:59),
dengan
ketentuan jika nilai korelasi rank Spearman lebih besar daripada nilai kritisnya, maka terjadi heteroskedastisitas pada model regresi linear berganda tersebut, sebaliknya jika nilai korelasi rank Spearman lebih kecil daripada nilai kritisnya, maka tidak terjadi heteroskedastisitas. 3. Model CAPM Untuk menentukan expected return dengan CAPM sebelumnya harus menghitung nilai beta(â). Beta merupakan suatu pengukuran volatilitas
55
return suatu sekuritas atau return portofolio terhadap return pasar. Dengan demikian, beta merupakan pengukuran risiko sistematis dari suatu portofolio atau suatu sekuritas. Beta suatu sekuritas merupakan kovarian return antara sekuritas ke-i dengan return pasar dibagi dengan varian return pasar.
Atau bisa diuraikan sebagai berikut :
Setelah beta (â) masing masing perusahaan diperoleh kemudian membentuk sebuah model persamaan berdasarkan model CAPM. 4. Analisis Faktor Analisis faktor adalah suatu analisis data untuk mengetahui faktorfaktor yang dominan dalam menjelaskan suatu masalah. Pada penelitian ini akan di ketahui faktor-faktor dominan yang menentukan return LQ 45 dengan APT. Beberapa faktor makro ekonomi yang diteliti dalam analisis faktor adalah SBI, Inflasi, Jumlah uang beredar dan Kurs Rupiah terhadap Dollar Amerika. Analisis faktor memerlukan proses ekstraksi, dalam hal ini peneliti menggunakan Metode Komponen Utama (Principle Component Analysis). Rotasi faktor dilakukan dengan metode Varimax. Guttman (dalam Child, 1966), berpendapat bahwa penentuan banyaknya faktor yang dihasilkan berdasarkan pada jumlah variasi setiap faktor (eigenvalue), yaitu dengan
56
mengambil faktor yang memeiliki eigenvalue lebih besar dari pada 1.00. Pada dasarnya muatan faktor dapat dilakukan dengan cara merujuk pada tabel nilai r kritis (product moment) yang selanjutnya nilai tersebut digandakan (Gorsuch, 1983). Sedangkan Child (1966: 45) mengatakan, kebanyakan peneliti menggunakan kriteria 0,30 sebagai nilai minimal penentuan keberartian muatan faktor. Dalam penelitian ini, untuk menentukan sub variabel yang termasuk pada salah satu faktor ditentukan dengan melihat muatan faktor dari masingmasing sub variabel dan juga besar communality yang didapatkan. Pengujian Bartlett’s test of sphericity dapat dipakai untuk menguji ketepatan model faktor. KMO berguna untuk pengukuran kelayakan sampel. Suatu metode yang tepat harus ditentukan pula. Ada dua pendekatan dasar yang digunakan dalam analisis faktor, yaitu : Principal Component Analysis (analisis komponen prinsipal) dan Common Factor Analysis / principal axis factoring (analisis common faktor) Determine the Number of Factors (Penentuan banyaknya faktor). Ada beberapa prosedur yang dapat digunakan untuk menentukan banyaknya faktor antara lain meliputi : -
A
Priori
Determination.
Berdasarkan
pengetahuan
peneliti
sebelumnya. -
Determination Based on Eigenvalues. Pendekatan dengan eigenvalue lebih besar dari 1.
-
Determination Based on Scree Plot menentukan banyaknya faktor dengan plot eigenvalue.
57
-
Determination Based on Percentage of Variance. Determination Based on split-Half Reliability. Sampel dipisah menjadi dua dan analisis . Rotate Factors (Melakukan Rotasi terhadap Faktor). Hasil penting
dari analisis faktor adalah matriks faktor, yang disebut juga factor pattern matrix
(matrik pola faktor), berisi koefisien yang digunakan untuk
menunjukkan variabel-variabel yang distandarisasi dalam batasan sebagai faktor. Didalam suatu matriks yang kompleks sulit menginterpretasikan suatu faktor. Oleh karena itu, melalui rotasi matriks, faktor ditransformasikan ke dalam bentuk yang lebih sederhana yang lebih mudah untuk diinterpretasikan, dengan harapan setiap faktor memiliki nilai non zero (tidak 0) atau signifikan. Rotasi tidak berpengaruh pada communalities dan prosentase variance total yang dijelaskan. Tetapi prosentase variance yang diperhitungkan untuk setiap faktor tidak berubah. Variance yang dijelaskan oleh faktor individual diredistribusikan melalui rotasi. Perbedaan metode rotasi akan menghasilkan identifikasi faktor yang berbeda. Metode yang digunakan untuk rotasi adalah varimax procedure,.yang meminimalkan banyaknya variabel dengan loading tinggi pada faktor, sehingga meningkatkan kemampuan menginterpretasikan faktor-faktor yang ada. Interpret
Factors
(Mengintepretasikan
Faktor).
Interpretasi
dipercepat melalui variabel-variabel yang memiliki loading lebih besar pada faktor yang sama yang kemudian dapat diinterpretasikan dalam batasan variabel-variabel yang loadingnya tinggi.
58
Select
Surrograte
Variables
(Memilih
Variabel-variabel
Pengganti). Memilih variabel pengganti sehingga peneliti dapat melaksanakan analisis berikutnya dan menginterpretasikan hasil dalam batasan variabel semula daripada skor faktor dengan menguji matriks faktor dan memilih setiap faktor variabel yang memiliki loading paling tinggi pada faktor tersebut. Determine Model Fit (Menetapkan Model yang Sesuai). Langkah akhir dalam analisis faktor adalah penentuan ketepatan model. Perbedaan antara korelasi yang diamati (yang terdapat dalam input matriks korelasi) dan korelasi yang dihasilkan kembali (seperti yang diestimasikan pada matriks faktor) dapat diuji melalui model itu sendiri, yang disebut residual. Jika terdapat banyak residual yang besar, maka model faktor kurang tepat dan model perlu dipertimbangkan kembali. 5. Model APT Menghitung a, b1, b2, b3, dab b4 untuk model APT multi index model pada pendapatan saham LQ45. Beberapa variabe makro yang digunakan model APT pada penelitian ini adalah perubahan tingkat bunga, perubahan tingkat inflasi dan perubahan tingkat kurs, dimana untuk memperoleh variabel tersebut digunakan rumus antara lain metode ARIMA (Boxs and Jenkins). Metode ARIMA digunakan untuk memprediksi tingkat bunga yang diharapkan, tingkat inflasi yang diharapkan dan tingkat perubahan kurs yang diharapkan dari periode pengamatan digunakan tingkat bunga aktual, tingkat inflasi aktual dan tingkat perubahan kurs aktual dengan
59
software Eviews. Untuk mengetahui apakah model ARIMA tersebut memadai atau tidak dilakukan pengujian residual (error term) : åt = Yt-1 -Yt. 6. Menghitung pendapatan saham yang diharapkan (expected return) Menghitung pendapatan saham yang diharapkan (expected return) dengan menggunakan model CAPM dan APT yang telah dihasilkan dari langkah 5 dan 6. 7. Pemilihan Model Yang Signifikan Setelah diolah, langkah terakhir yang harus dilakukan adalah memilih model yang signifikan dalam menjelaskan kinerja indeks LQ 45. Seperti telah dijelaskan sebelumnya bahwa penelitian ini menggunakan dua model yaitu CAPM dan model APT. dengan demikian ada kemungkinan bahwa pada indeks LQ 45 tersebut kedua model akan signifikan. Untuk memilih model yang signifikan perlu dilakukan dengan Uji Mean absolut Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE) Mean absolut Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE) adalah besar penyimpangan antara pendapatan saham yang diharapkan dengan pendapatan saham yang sesungguhnya. Rumus untuk menghitung MAD, MSE, dan MAPE untuk model CAPM dan APT adalah sebagai berikut :
-
-
60
-
Keterangan: E(Ri) = Pendapatan saham i yang diharapkan dengan model CAPM atau APT Ri = Pendapatan saham i yang sesungguhnya (actual return) n = Jumlah Data 8. Menguji hipotesis Pengujian dilakukan untuk mengetahui model manakah yang lebih akurat dalam memprediksi tingkat pendapatan saham LQ 45 dengan melihat nilai MAD, MSE, dan MAPE. Semakin besar nilai MAD, MSE, dan MAPE maka semakin tidak akurat model tersebut.
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.
61
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 dua belas 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
62
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
63
BAB IV HASIL DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian 1. Sejarah Singkat Bursa Efek Indonesia Pasar modal Indonesia telah didirikan sejak pemerintahan 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, Pemerintah Indonesia setelah berdaulat mengawali kembali pasar modal dengan menerbitkan obligasi pemerintah. 64
64
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, ytang 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 indonesai kembali dibuka, pada sat itu terbentuk tim uang dan pasar modal, tahun 1977 Badan Pengawas Pasar Modal (Bapepam) adalah institusi baru yang dibentuk dan berada 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 Indinesia diswastakan, tahun 1995 Bursa Efek Indonesia mulai mengoprasikan Jakarta Automated Trading Systems (JATS), sebuah system perdagangan saham yang dapat memfasilitasi investor maupun pialang untuk memonitor kegiatan perdagangan jarak jauh (remote trading) sebagai usaha untuk meningkatkan akses terhadap pasar, menigkatkan kecepatan serta frekuensi perdagangan. b. Perkembangan indeks Harga Saham Bursa Efek Indonesia memiliki beragam indeks saham antara lain : 65
1) Indeks Harga Saham Gabungan (IHSG), yang menggunakan semua saham
yang
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 deperkenalkan pada tanggal 2 Januari 1996. 3) Indeks LQ-45, menggunakan 45 saham tepilih setelah melalui bebeapa tahapan seleksi. Diperkenalkan pada tanggal 13 Juli 1994 dan pada ssat itu 45 saham yang masuk meliputi 74% total market kapitalisasi pasar dan 72,5% nilai transaksi di pasar reguler. 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 system pencatatan dan pada tanggal 8 April 2002 diluncurkan 2 indeks baru yaitu Papan Utama (Main Board Index) dan Indeks Papan Pengembagan (Development Board Index). Pda saat itu
66
indeks mencatat 24 saham di MBX dan 287 saham di DBX dengan kapitalisasi pasar sebesar 62% dan 38% (www.idx.co.id). Pada periode tahun 2006 sampai sampai 2008, terjadi peristiwa runtuhnya ekonomi dunia tak terkecuali negara yang memiliki ekonomi yang kuat seperti Amerika. Peristiwa resesi perekonomian secara global ini otomatis menurunkan harga saham dari bulan Juni sampai dengan November tahun 2008 serta menyebabkan banyak investor menjual sahamnya sebelum semakin terpuruk.
B. Deskripsi Statistik Sampel dalam penelitian ini adalah 27 dari 45 saham unggulan berdasarkan kriteria kapitalisasi pasar terbesar yang diperoleh dari data statistik Bursa Efek Indonesia pada tahun 2006 sampai dengan 2009. Deskripsi penelitian ini meliputi rata-rata return saham perusahaan sampel dari tahun 2006 sampai dengan 2009, rata-rata pendapatan pasar (return market) dari tahun 2006 sampai dengan 2009, rata-rata pendapatan bebas risiko (bunga SBI) dari tahun 2006 sampai dengan 2009, risiko sistematis saham perusahaan sampel dari tahun 2006 sampai dengan 2007. Adapun untuk variabel makroekonomi yang digunakan dalam penelitian ini adalah perubahan tingkat inflasi yang diharapkan, perubahan tingkat bunga yang diharapkan, perubahan jumlah uang yang beredar yang diharapkan, dan perubahan kurs yang diharapkan dari tahun 2006 sampai dengan 2009.
67
C. Return Saham LQ 45 Indeks LQ 45 adalah indeks saham dari 45 saham terbesar dan memiliki frekuensi jual beli yang tinggi. Pada penelitian ini peneliti memakai sampel 27 saham perusahaan yang tetap berada di indeks LQ 45 selama 4 tahun dari tahun 2006 sampai tahun 2009. Return 27 saham dari LQ 45 dapat dilihat pada lampiran. Dari data actual return terdebut dapat diketahui bahwa semua saham memiliki rata – rata return yang positif dan yang memiliki rata – rata return yang paling tinggi adalah retrun saham Timah (TINS) yaitu 0.0822, sedangkan yang memiliki rata – rata return paling rendah adalah Indak Kiat Pulp & Paper (INKP) yaitu 0.0032.
D. Return Market (Rm) Tabel 4.1 Return Market (Rm) Periode Januari Febuari Maret April Mei Juni Juli Agustus September Oktober November Desember Total
Periode 2006 – 2009 2006 2007 0.0599 -0.0267 -0.0013 -0.0093 0.0743 0.0517 0.1077 0.0919 -0.0918 0.0426 -0.0148 0.0264 0.0315 0.0979 0.059 -0.0657 0.0722 0.0751 0.0313 0.1205 0.0861 0.017 0.0504 0.0214 N Minimum Maksimum Std.Deviation Mean
Sumber : Data Diolah Penulis
2008 -0.0432 0.036 -0.1009 -0.0583 0.0607 -0.039 -0.019 -0.0601 -0.1539 -0.3142 -0.0121 0.0917
2009 0.0537 -0.036 0.092 0.173 0.166 0.1044 0.0511
43 -0.31 0.17 0.02 68
IHSG Menggunakan semua saham yang tercatat sebagai komponen penghitung index, pada tabel di 4.1 di atas menunjukan tingkat return dari IHSG perbulan dari Januari 2006 sampai dengan Juli 2009. Untuk jangka waktu dari tahun 2006 sampai 2009, nilai return IHSG terendah sebesar -0,31 pada bulan Oktober tahun 2008 dan nilai return IHSG tertinggi sebesar 0,17 pada bulan April dan Mei tahun 2009. Nilai return IHSG yang negatif dari bulan Juni sampai dengan November 2008 adalah akibat dari resesi ekonomi keuangan global yang terjadi di Amerika Serikat. Resesi global ini menyebabkan seluruh harga saham di seluruh negara tidak terkecuali negara besar jatuh sehingga banyak perusahaan yang bangkrut. Resesi ekonomi global dimulai pada bulan Juni tahun 2008, sehingga pada bulan Juli dan Agustus sudah banyak investor yang menjual sahamnya karena takut semakin merugi, tetapi ada beberapa investor yng bertahan karena yakin bahwa keadaan akan segera pulih.pulihnya perekonomian dunia secara berangsur – angsur dapat dilihat dengan naiknya return IHSG pada akhir Desember 2008 dengan nilai return yang positif meskipun pada bulan febuari 2009 terjadi penurunan pada return IHSG, akan tetapi hal itu tidak terjadi pada bulan – bulan berikutnya. E. Risk Free Risk Free (Rf) adalah tingkat pengembalian aset bebas resiko atas saham yang diukur dengan menggunkan suku bunga yang berlaku pada waktu tertent. Nilai Risk Free dapat dilihat pada tabel 4.2.
69
Periode Januari Febuari Maret April Mei Juni Juli Agustus September Oktober November Desember
Tabel 4.2 Risk Free (Rf) Periode 2006 – 2009 2006 2007 2008 0.0000 -0.0334 -0.0099 -0.0008 -0.0314 -0.0075 -0.0008 -0.0270 0.0013 0.0008 0.0000 0.0038 -0.0149 -0.0222 0.0351 -0.0040 -0.0273 0.0400 -0.0152 -0.0292 0.0512 -0.0374 -0.0072 0.0266 -0.0785 0.0000 0.0280 0.0302 0.0000 0.1228 -0.0773 0.0000 0.0477 -0.0482 -0.0206 -0.0241
Total N Minimum Maksimum Std. Deviation Mean
2009 -0.0804 -0.1272 -0.0592 -0.0751 0.0000 -0.0877 -0.0301
43 -0.1272 0.1228
-0.0137
Sumber : Data Diolah Penulis
Risk free yang digunakan dalam penelitian ini dihitung dari bunga Sertifikat Bank Indonesia (SBI) per 30 hari. Risk free tertinggi selama periode tahun 2006 sampai dengan tahun 2009 adalah bulan oktober 2008 yaitu sebesar 0,12. Risk free terendah selama periode tahun 2006 sampai dengan tahun 2009 adalah bulan Febuari 2009 yaitu sebesar -0,1272. Risk free ini mempengaruhi tingkat return model CAPM ataupun APT karena keduanya mempunyai variabel risk free.
70
F. Beta Saham Koefisien beta (b) saham, adalah ukuran risiko pasar yang memengaruhi harga suatu saham. Beta mengukur sampai sejauh mana harga saham turun naik bersamaan dengan turun dan naiknya harga pasar. Menurut Brealey dan Myers (1991:249), beta adalah: "Beta is sensivity of a stock's return to the return on the market portfolio", Dalam CAPM, beta suatu sekuritas mengukur kepekaan suatu saham terhadap portofolio pasar. Suatu portofolio yang terdiversifikasikan dengan baik hanya mempunyai risiko sistematis. Nilai beta dari saham di dapatkan dari hasil kovarian antara return sekuritas i dengan return pasar yang dibagi dengan varian return pasar. Berikut adalah nilai beta dari 5 saham LQ 45 (selengkapnya dapat dilihat di lampiran): Dari tabel 4.3 dapat diketahui bahwa beta saham yang mengukur kepekaan return saham terhadap return market memiliki nilai yang berfluktuasi. Salah satu contoh tingkat beta memiliki berfluktuasi tertinggi adalah Berlian Laju Tanker dengan beta setinggi 159.9286. Faktor yang mempengaruhi tinggi rendahnya beta Berlian Laju Tanker adalah besarnya perbedaan antara return market dengan aktual return dari Berlian Laju Tanker. Hal ini memunjukkan bahwa resiko sangat besar untuk menanamkan modal pada saham-saham LQ 45 untuk mengharapkan return jangka pendek. Bermain investasi jangka pendek memang memiliki tingkat resiko yang tinggi, yang dapat berarti rugi atau untung dalam waktu yang singkat. Tetapi apabila investor mencari return jangka panjang dan tidak terburu-buru maka tingkat resiko akan berkurang. 71
Tabel 4.3 Beta Terhadap Return THN 2006
BULAN
2009
BLTA
BUMI
TLKM
-0.4361
4.3584
2.193
1.9123
1.3509
-5.6479
3.7746
-9.8873
2.5305
1.3991
Maret
0.0516
1.0829
0.2376
0.5396
1.8232
April
0.1881
3.4196
1.7184
-0.3535
0.9156
Mei
0.5653
2.2182
-0.9589
1.1628
0.7165
Juni
1.3793
-0.5
1.819
3.2874
-0.8247
Juli
20.5793
8.9043
1.7565
3.113
-0.261
1.3795
0.4256
2.8026
-3.5513
1.1923
-1.1284
-0.0651
1.1322
-1.0613
1.067
Oktober
2.0708
21.2894
-11.3894
-0.1416
-1.7522
November
0.6702
0.9743
-1.1831
0.1483
2.4917
Desember
4.4441
1.2401
-0.2862
2.2697
0.2072
Januari
0.0086
1.0043
1.1713
-3.3812
1.6767
Febuari
3.3174
-4.942
-1.5529
-2.6724
2.4608
Maret
-1.388
8.8423
2.0694
1.8013
2.9274
September
2008
ANTM
Febuari
Agustus
2007
AALI
Januari
April
2.8095
4.0974
0.9513
-0.0626
0.7246
Mei
-3.9513
-5.5088
-2.0221
10
-4.6195
Juni
-21.4688
-19.6094
6.6563
40.2969
2.7344
Juli
0.878
-10.3569
-1.113
1.8575
1.5815
Agustus
1.3582
2.2007
2.2007
1.14
0.5274
September
2.3013
3.8367
4.5245
6.5318
-0.0018
Oktober
2.8985
1.8438
1.0617
2.991
-0.3642
November
-27.7
-124.533
6.733
-45
23.2333
Desember
37.2857
-46.2143
159.9286
14.1429
-9.9286
Januari
-0.4842
3.5285
2.0775
-0.3892
1.6234
Febuari
-0.1
7.8125
2.1438
10.0625
2.85
Maret
1.9024
1.694
1.3507
1.9595
0.2415
April
1.6756
-0.2925
0.1111
-0.3895
1.2363
Mei
1.6708
-2.2924
0.086
4.1376
-2.4226
Juni
-0.1729
0.7627
1.4136
0.3983
1.9102
Juli
7.8692
6.2154
0.7564
5.6128
-1.0487
Agustus
2.8514
3.2247
0.9051
2.8377
-0.3134
September
1.8781
1.4342
1.4549
2.6469
0.6912
Oktober
1.7379
0.9264
1.556
1.0844
0.7741
November
-10.8629
1.2804
9.8567
17.9969
-2.162
Desember
1.5593
0.6513
3.9079
-14.3947
2.3096
Januari
1.905
-0.1068
-5.6291
-14.2938
-2.9941
Febuari
-2.3375
-1.0571
-0.7839
-8.3518
0.2482
Maret
0.6847
-1.5778
0.4347
0.3167
2.5625
April
0.4745
1.8954
1.5771
4.9856
0.1686
Mei
0.5384
2.4842
1.7315
1.9329
-0.4445
Juni
-1.2014
0.0095
0.3306
-1.1031
-0.0853
Juli
3.1318
2.074
-1.0354
14.8971
5.7685
43
43
43
43
43
Total N
Sumber : Data Diolah Penulis
72
Dari tabel 4.3 juga dapat dilihat beta yang memiliki nilai terkecil seperti pada saham ANTAM. Ini berarti bahwa tingkat resiko pada saham ANTAM ini cukup kecil. Tetapi perlu kita ketahui bahwa investasi yang memiliki tingkat resiko yang kecil berarti memiliki return yang kecil pula. Selanjutnya beta saham dapat dibuat sebagai model dari CAPM. G. Analisis Faktor Analisis faktor adalah suatu analisis data untuk mengetahui faktorfaktor yang dominan dalam menjelaskan suatu masalah. Beberapa faktor makro ekonomi yang diteliti dalam analisis faktor adalah Kurs, Inflasi, SBI dan
julah uang yang beredar. Analisis Faktor dapat dipandang sebagai
perluasan analisis komponen utama yang pada dasarnya bertujuan untuk mendapatkan sejumlah kecil faktor yang memiliki sifat-sifat mampu menerangkan semaksimal mungkin keragaman data, faktor-faktor tersebut saling bebas, dan tiap-tiap faktor dapat diinterpretasikan. Tabel 4.4 KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
Approx. Chi-Square df Sig.
.483 90.969 6 .000
Hasil output menunjukkan angka KMO Measure of Sampling Adequacy (MSA) adalah 0,483. Oleh karena angka MSA di bawah 0,5 maka dapat diinterpretasikan bahwa kumpulan variabel tersebut kurang layak untuk
73
diproses lebih lanjut. Namun dapat dilihat pada angka KMO and Bartlett’s test sebesar 90.969 dengan signifikansi 0.000 < 0.05. Sehingga dapat diinterpretasikan bahwa kumpulan variabel tersebut cukup layak untuk diproses lebih lanjut. Selanjutnya tiap variabel dianalisis untuk mengetahui mana yang dapat diproses lebih lanjut dan mana yang harus dikeluarkan. Tabel 4.5 Communalities kurs inflasi sbi uang beredar
Initial 1.000 1.000 1.000 1.000
Extraction .884 .894 .934 .840
Extraction Method: Principal Component Analysis.
Communalities pada dasarnya adalah jumlah varians (bisa dalam prosentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor yang ada. (Santoso, 2001:154). Sebagai contoh, variabel inflasi angka 0,894 berarti 89.4% varians dari variabel image bisa dijelaskan oleh faktor yang akan terbentuk, demikian dengan variable-variabel yang lainnya. Semua variabel dapat dijelaskan oleh faktor yang terbentuk dengan ketentuan semakin besar communalities maka semakin erat hubungan variabel yang bersangkutan dengan faktor yang terbentuk. Tabel 4.6 total variance explained terdiri dari initial eigenvalues, extraction sums of squared loadings dan rotation sums of squared loadings. Initial eigenvalues menunjukkan kepentingan relatif masing-masing faktor dalam menghitung varians ke 4 variabel yang dianalisis.
74
Tabel 4.6 Total Variance Explained
Compo nent 1 2 3 4
Initial Eigenvalues % of Cumula tive % Total Variance 2.393 59.831 59.831 1.159 28.967 88.798 .340 8.500 97.298 .108 2.702 100.000
Extraction Sums of Squared Loadings % of Cumula tive % Total Variance 2.393 59.831 59.831 1.159 28.967 88.798
Rotation Sums of Squared Loadings % of Cumula tive % Total Variance 1.944 48.600 48.600 1.608 40.198 88.798
Extraction Method: Principal Component Analysis.
Susunan eigenvalues selalu diurutkan dari yang terbesar sampai yang terkecil dengan kriteria bahwa; angka eigenvalues di bawah 1 tidak digunakan dalam menghitung jumlah faktor yang terbentuk. Tabel 4.6 di atas menunjukkan bahwa dari 4 variabel yang dianalisis hanya 2 faktor yang terbentuk, dimana 2 variabel memiliki angka eigenvalues di atas 1 dan 2 variabel memiliki angka eigenvalues di bawah 1, sehingga proses factoring pada 2 faktor saja. Jumlah factor yang didapatkan juga dapat ditampakkan dalam bentuk grafik. Dalam hasil analisis factor disebut dengan Scree Plot. Grafik Scree Plot menjelaskan dasar jumlah faktor yang didapat dengan grafik bukan dengan perhitungan angka. Pada gambar 4.1. terlihat bahwa dari faktor satu ke dua faktor (garis dari sumbu component number = 1 ke 2), arah garis menurun tajam. Demikian juga arah dari faktor dua ke faktor tiga, arah garis menurun tajam dengan slope yang lebih kecil. Namun, faktor kedua masih di atas angka 1 pada sumbu Y (eigenvalues), sedangkan faktor ketiga, posisinya sudah dibawah angka 1 pada sumbu Y. Hal ini dapat dijelaskan bahwa ke 4 variabel paling sesuai untuk diringkas menjadi 2 faktor dalam penelitian ini.
75
Gambar 4.1 Scree Plot Eigenvalue Analisis Faktor
Scree Plot 3.0
2.5
Eigenvalue
2.0
1.5
1.0
.5 0.0 1
2
3
4
Component Number
Tabel 4.7 Component Matrixa Component 1 2 -.554 .760 .793 .514 .884 .392 -.822 .405
kurs inflasi sbi uang beredar
Extraction Method: Principal Component Analysis. a. 2 components extracted.
Tabel 4.8 Rotated Component Matrixa Component 2 .017 .940 .943 -.069 .941 -.221 -.412 .819
1 kurs inflasi sbi uang beredar
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.
76
Pada tabel Component Matrix, menunjukkan distribusi ke 4 variabel tersebut pada ke 2 faktor yang terbentuk. Factor Loadings atau besarnya korelasi antara masing_masing variabel dengan faktor 1 dan Faktor 2. Penentuan variabel yang masuk masing_masing faktor dilakukan dengan memperbandingkan besaran korelasi pada setiap baris. Angka korelasi dibawah 0,5 menunjukkan indikasi korelasi yang lemah sedangkan diatas 0,5 berindikasi kuat korelasinya. Untuk variabel inflasi dan uang yang beredar tidak ada perbedaan yang nyata di antara ke dua factor loadings, sehingga variabel tersebut tidak dapat begitu saja dimasukkan kedalam salah satu factor dengan hanya melihat mana yang lebih besar. Oleh karena itu perlu dilakukan proses rotasi (rotation) agar semakin jelas perbedaan sebuah variabel yang akan dimasukkan pada faktor. Dengan demikian, ke 4 variabel setelah direduksi menjadi 2 faktor yang terdiri dari : a. Faktor 1 terdiri atas variabel Inflasi dan SBI. b. Faktor 2 terdiri atas variabel Kurs dan Uang yang beredar. 1. Menentukan Label Factor Setelah faktor_faktor terbentuk, ternyata variabel-variabel yang masuk pada masing-masing faktor tidak sama dengan yang diprediksi sebelumnya. Oleh karenanya, perlu memberikan nama label baru yang representative bagi variabel-variabel yang masuk di dalam masing-masing factor-faktor sebagai berikut : 1. Faktor Tingkat Investasi (Harga Saham) terdiri dari SBI dan Inflasi.
77
2. Faktor Tingkat Nilai Rupiah terdiri dari Kurs Dollar terhadap Rupiah dan Uang yang beredar . Setelah
dilakukan
analisis
faktor
ditemukan
variabel-variabel
yang
merepresentasikan faktor return saham yaitu SBI dan Inflasi. 2. Faktor-faktor Makro Ekonomi hasil Analisis Faktor a. Inflasi Inflasi adalah suatu proses meningkatnya harga-harga secara umum dan terus-menerus berkaitan dengan mekanisme pasar dapat disebabkan oleh berbagai faktor. Dengan kata lain, inflasi juga merupakan proses menurunnya nilai mata uang secara berkelanjutan. Inflasi adalah proses dari suatu peristiwa, bukan tinggi-rendahnya tingkat harga. Data tingkat inflasi dapat dilihat pada tabel di bawah ini : Tabel 4.9 Inflasi Indonesia Periode
2006
2007
2008
Januari Febuari Maret April Mei Juni Juli
17.03 17.92 15.74 15.40 15.60 15.53 15.15
6.50 6.30 6.52 6.29 6.01 5.77 6.06
7.36 7.40 8.17 8.96 10.38 11.03 11.90
Agustus September Oktober November Desember
14.90 14.55 6.29 5.27 6.60
6.51 6.95 6.88 6.71 6.60
11.85 12.14 11.77 11.68 11.06
2009 9.17 8.60 7.92 7.31 6.04 3.65 2.71
Tingkat Inflasi terendah terjadi pada bulan Juli 2009 sebesar 2.71%, sedangkan tingkat inflasi tertinggi terjadi pada bulan Februari 2006 78
sebesar 17.92%. Pada bulan September menuju Oktober tahun 2006 terjadi penurunan tingkat inflasi melebihi 50%. Pada bulan Oktober 2006 harga barang-barang cenderung turun tetapi tingkat pengangguran naik. Hal ini menunjukkan bahwa perekonomian tidaklah stabil. Pengaruh inflasi pada tingkat return saham akan dapat dilihat pada model APT. b. Sertifikat Bank Indonesia (SBI) Sertifikat Bank Indonesia (SBI) adalah surat berharga yang dikeluarkan oleh Bank Indonesia sebagai pengakuan utang berjangka waktu pendek (1-3 bulan) dengan sistem diskonto/bunga. Tingkat suku bunga yang berlaku pada setiap penjualan SBI ditentukan oleh mekanisme pasar berdasarkan sistem lelang. Tabel 4.10 Sertifikat Bank Indonesia - 1 Bulan/Bank Indonesia Certificate - 1 Month Periode Januari Febuari Maret April Mei Juni Juli Agustus September Oktober November Desember
2006 12.75 12.74 12.73 12.74 12.55 12.50 12.31 11.85 10.92 11.25 10.38 9.88
2007 9.55 9.25 9.00 9.00 8.80 8.56 8.31 8.25 8.25 8.25 8.25 8.08
2008 8.00 7.94 7.95 7.98 8.26 8.59 9.03 9.27 9.53 10.70 11.21 10.94
2009 10.06 8.78 8.26 7.64 7.64 6.97 6.76
Nilai SBI tertinggi ada pada bulan Januari tahun 2006 sebesar 12,75% dan nilai SBI terendah ada pada bulan Juli tahun 2009 sebesar 6.76%. Nilai SBI ini memiliki pengaruh terhadap nilai risk free pada model CAPM dan pada faktor pembentuk model APT.
79
H. Penghitungan Return menurut CAPM Tabel 4.11 Expected Return CAPM AALI 2006
2007
2008
2009
Total N
ANTM
BLTA
BUMI
TLKM 0.080919
Jan
-0.026122
0.261068
0.131361
0.114547
Feb
0.002024
-0.002687
0.004144
-0.002065
-0.0015
Mar
0.003075
0.080526
0.017044
0.039724
0.136122
Apr
0.020908
0.366355
0.184497
-0.036989
0.098678 -0.069999
Mei
-0.058372
-0.18548
0.058839
-0.104319
Juni
-0.018896
0.0014
-0.023645
-0.039504
0.004907
Juli
0.945853
0.400631
0.066829
0.130177
-0.027389
Agts
0.095584
0.003628
0.232771
-0.379745
0.077538
Sept
-0.24855
-0.088311
0.092123
-0.238438
0.082297
Okt
0.032478
0.053618
0.017672
0.030044
0.028273
Nop
0.032211
0.081901
-0.270619
-0.053068
0.329844
Des
0.389988
0.074074
-0.076419
0.175592
-0.02777 -0.022166
Jan
-0.033342
-0.026671
-0.025552
-0.056054
Feb
0.041915
-0.140618
-0.065719
-0.09046
0.022984
Mar
-0.136236
0.668889
0.135862
0.114762
0.203386
Apr
0.258193
0.376551
0.087424
-0.005753
0.066591 -0.321544
Mei
-0.278244
-0.37917
-0.153232
0.6258
Juni
-1.180175
-1.080325
0.330143
2.136644
0.119537
Juli
0.082394
-1.345562
-0.170662
0.206888
0.171809
Agts
-0.086655
-0.135941
-0.135941
-0.07389
-0.038053
Sept
0.172828
0.288136
0.33979
0.490538
-0.000135
Okt
0.349269
0.222178
0.127935
0.360416
-0.043886
Nop
-0.4709
-2.117061
0.114461
-0.765
0.394966
Des
1.545399
-1.961601
6.696401
0.573402
-0.437601 -0.063959
Jan
0.006224
-0.127399
-0.079081
0.00306
Feb
-0.01185
0.332344
0.085755
0.430219
0.116475
Mar
-0.193125
-0.171827
-0.136742
-0.198961
-0.023381
Apr
-0.100255
0.021964
-0.003099
0.027988
-0.072974
Mei
0.077872
-0.023585
0.037302
0.141023
-0.026919
Juni
0.053659
-0.020253
-0.071674
0.008534
-0.110906
Juli
-0.501218
-0.385121
-0.001899
-0.342819
0.124819
Agts
-0.220616
-0.252981
-0.051872
-0.219429
0.053772
Sept
-0.313626
-0.232881
-0.236646
-0.453471
-0.097729
Okt
-0.636662
-0.282037
-0.557172
-0.351083
-0.215482
Nop
0.697301
-0.028868
-0.541731
-1.028515
0.176988
Des
0.156467
0.051321
0.428435
-1.691006
0.243352
Jan
0.175061
-0.094722
-0.835262
-1.997199
-0.481909
Feb
-0.34038
-0.223608
-0.198692
-0.888884
-0.104564
Mar
0.044327
-0.297763
0.006527
-0.011315
0.32825
Apr
0.042623
0.395149
0.316179
1.161827
-0.03327
Mei
0.089374
0.412377
0.287429
0.320861
-0.073787
Juni
-0.318489
-0.085875
-0.024192
-0.299606
-0.104086
Juli
0.224202
0.138309
-0.114174
1.179545
0.438302
43
43
43
43
43
80
Pada tabel 4.11 dapat di lihat hasil penghitungan return dari 5 saham (selengkapnya dapat dilihat di lampiran) menurut model CAPM.
I. Penghitungaan Variabel Makro Menggunakan Model ARIMA pada APT Sebelum masuk dalam model Autoregressive Integrated Moving Average (ARIMA), langkah pertama adalah estimasi model menggunakan korelogram dan korerogram parsial. Grafik autokorelasi dan autokorelasi parsial menunjukkan bahwa semua bintang sudah berada di dalam garis terputus-putus (garis barlett). Hal ini menunjukkan bahwa data sudah bersifat stasioner, jika belum maka harus didiferenkan 1 atau 2 lag. Tabel 4.12 Correlogram SBI 2nd difference
81
Tabel 4.13 Correlogram Inflasi 2nd difference
Pada Tabel Correlogram SBI maupun inflasi menunjukkan bahwa data SBI dan inflasi harus didiferen dua kali maka ditulis d(d(SBI)) dan d(d(inflasi)) dalam program eviews. Setelah data telah memenuhi syarat kestationeran, maka dilakukan langkah selanjutnya, yaitu dapat dimasukkan pada model ARIMA sebagai berikut :
82
Tabel 4.14 Model ARIMA SBI
Dari hasil tersebut di atas terlihat bahwa nilai probabilitas AR(1) dan MA(1) sudah sangat kecil (kurang dari 5%), yaitu 0.0026 untuk AR(1) dan 0.0000 untuk MA(1), sehingga sudah signifikan. Hal tersebut juga dibuktikan dengan nilai prob(F-statistik) yang kurang dari 0.05 (0.006611 < 0.05).
83
Tabel 4.15 Model ARIMA Inflasi
Dari hasil tersebut di atas terlihat bahwa nilai probabilitas AR(1) dan MA(2) sudah sangat kecil (kurang dari 5%), yaitu 0.0000 untuk AR(1) dan 0.0000 untuk MA(2), sehingga sudah signifikan. Hal tersebut juga dibuktikan dengan nilai Prob(F-statistik) yang kurang dari 0.05 (0.000044 < 0.05). 1. 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 15. Adapun perkembangan perubahan tingkat inflasi aktual, perubahan tingkat inflasi yang diharapkan, dan perubahan tingkat inflasi yang tidak diharapkan dapat dlihat dari tabel 4.16 84
Tabel 4.16 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Inflasi yang Diharapkan, dan Perubahan Tingkat Inflasi yang Tidak Diharapkan Periode Januari 2006 – Juli 2009 No
Bulan
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 42 43
6-Jan 6-Feb 6-Mar 6-Apr Mei 06 Juni 06 Juli 06 Agts 06 6-Sep Okt 06 6-Nov Des 06 7-Jan 7-Feb 7-Mar 7-Apr Mei 07 Juni 07 Juli 07 Agts 07 7-Sep Okt 07 7-Nov Des 07 8-Jan 8-Feb 8-Mar 8-Apr Mei 08 Juni 08 Juli 08 Agts 08 8-Sep Okt 08 8-Nov Des 08 9-Jan 9-Feb 9-Mar 9-Apr Mei 09 Juni 09 Juli 09 Rata-rata
Inflasi actual 0.01% 0.05% -0.12% -0.02% 0.01% 0.00% -0.02% -0.02% -0.02% -0.57% -0.16% 0.25% -0.02% -0.03% 0.04% -0.04% -0.05% -0.04% 0.05% 0.07% 0.07% -0.01% -0.03% -0.02% 0.12% 0.01% 0.10% 0.10% 0.16% 0.06% 0.08% 0.00% 0.02% -0.03% -0.01% -0.05% -0.17% -0.06% -0.08% -0.08% -0.17% -0.40% -0.26% -0.03%
Inflasi yang diharapkan -0.57% -0.28% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31% -0.31%
Perubahan Inflasi 0.58% 0.33% 0.19% 0.28% 0.32% 0.30% 0.28% 0.29% 0.28% -0.26% 0.15% 0.56% 0.29% 0.28% 0.34% 0.27% 0.26% 0.27% 0.36% 0.38% 0.37% 0.30% 0.28% 0.29% 0.42% 0.31% 0.41% 0.40% 0.47% 0.37% 0.39% 0.30% 0.33% 0.28% 0.30% 0.25% 0.14% 0.25% 0.23% 0.23% 0.13% -0.09% 0.05% 0.28%
85
2. Perubahan Tingkat Bunga SBI Tabel 4.17 Perubahan SBI Aktual, Perubahan SBI Yang Diharapkan, dan Perubahan Tingkat Bunga yang Tidak Diharapkan Periode Januari 2006–Juli 2009 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 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43
Bulan 6-Jan 6-Feb 6-Mar 6-Apr Mei 06 Juni 06 Juli 06 Agts 06 6-Sep Okt 06 6-Nov Des 06 7-Jan 7-Feb 7-Mar 7-Apr Mei 07 Juni 07 Juli 07 Agts 07 7-Sep Okt 07 7-Nov Des 07 8-Jan 8-Feb 8-Mar 8-Apr Mei 08 Juni 08 Juli 08 Agts 08 8-Sep Okt 08 8-Nov Des 08 9-Jan 9-Feb 9-Mar 9-Apr Mei 09 Juni 09 Juli 09 Rata-rata
SBI actual 1.06% 1.06% 1.06% 1.06% 1.05% 1.04% 1.03% 0.99% 0.91% 0.94% 0.87% 0.82% 0.80% 0.77% 0.75% 0.75% 0.73% 0.71% 0.69% 0.69% 0.69% 0.69% 0.69% 0.67% 0.67% 0.66% 0.66% 0.67% 0.69% 0.72% 0.75% 0.77% 0.79% 0.89% 0.93% 0.91% 0.84% 0.73% 0.69% 0.64% 0.64% 0.58% 0.56% 0.80%
SBI 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%
Perubahan SBI 1.05% 1.05% 1.05% 1.05% 1.04% 1.03% 1.02% 0.98% 0.90% 0.93% 0.86% 0.81% 0.79% 0.76% 0.74% 0.74% 0.72% 0.70% 0.68% 0.68% 0.68% 0.68% 0.68% 0.66% 0.66% 0.65% 0.65% 0.66% 0.68% 0.71% 0.74% 0.76% 0.78% 0.88% 0.92% 0.90% 0.83% 0.72% 0.68% 0.63% 0.63% 0.57% 0.55% 0.79%
86
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. J. Penghitungan Return menurut APT Arbitrage Pricing Theory (APT) adalah model penghitungan peramalan asset yang memperhitungkan faktor-faktor luar seperti makro ekonomi. Berikut adalah salah satu persamaan model APT yang didapat dari olah metode least square (selengkapnya dapat dilihat pada lampiran): AALI = 0.07517 - 0.0462*Perubahan Inflasi – 0.04007*Perubahan SBI Dari persamaan dan hasil di atas, dapat disimpulkan hal-hal sebagai berikut: Apabila Ada kenaikan tingkat inflasi sebesar 1% maka return AALI turun sebesar 0,0462. Apabila ada penurunan tingkat inflasi sebesar 1% maka return Holcim naik sebesar 0,0462. Apabila ada kenaikan nilai suku bunga BI sebesar 1% maka return Holcim turun sebesar 0.04007. Apabila ada penurunan nilai suku bunga BI sebesar 1% maka return Holcim naik sebesar 0.04007. Apabila variabel SBI dan Inflasi bernilai 0 atau tidak ada pengaruh maka return bertambah 0,07517 (sesuai dengan besaran c atau konstanta) ditambah risk free jika terdapat return bebas resiko.
87
Tabel 4.18 Expected Return APT
2006
Jan Feb Mar Apr Mei Juni Juli Agts Sept Okt Nop Des 2007 Jan Feb Mar Apr Mei Juni Juli Agts Sept Okt Nop Des 2008 Jan Feb Mar Apr Mei Juni Juli Agts Sept Okt Nop Des 2009 Jan Feb Mar Apr Mei Juni Juli Total N
AALI 0.0064 0.0177 0.0243 0.02 0.0412 0.0199 0.0447 0.0463 0.0503 0.0747 0.0593 0.0169 0.0561 0.0582 0.0563 0.0599 0.0342 0.0348 0.0314 0.0583 0.0589 0.0626 0.0635 0.0353 0.0582 0.0636 0.0302 0.0595 0.0558 0.0593 0.0277 0.0307 0.0286 0.0569 0.0245 0.0573 0.0657 0.065 0.0676 0.0696 0.0741 0.0866 0.0509 43
ANTM -0.154 -0.0782 -0.0336 -0.0628 -0.0049 -0.066 0.0121 0.0157 0.0287 0.1961 0.08 -0.1193 0.045 0.0539 0.037 0.0598 -0.0161 -0.0151 -0.0407 0.0363 0.039 0.0638 0.0689 -0.0176 0.0289 0.064 -0.0538 0.036 0.0143 0.0411 -0.0569 -0.0334 -0.0448 0.0499 -0.0517 0.0549 0.1006 0.0799 0.0905 0.0963 0.1265 0.2025 0.0708 43
BLTA -0.0043 -0.015 -0.0214 -0.0173 0.0055 -0.0157 0.0055 0.0077 0.0107 -0.0139 0.0071 0.0038 0.0169 0.0174 0.0214 0.0186 -0.006 -0.005 -0.0003 0.0267 0.0266 0.0234 0.0229 -0.0025 0.0302 0.0256 0.0032 0.0298 0.0317 0.0266 -0.0012 -0.0057 -0.0051 0.0163 -0.0118 0.0146 0.0122 0.021 0.0219 0.024 0.0198 0.0121 -0.0091 43
BUMI -0.0713 -0.0759 -0.0786 -0.0768 0.0382 -0.0725 0.0463 0.0565 0.0743 0.0609 0.0851 -0.0236 0.1057 0.1121 0.1192 0.1194 -0.0111 -0.007 -0.0013 0.1391 0.14 0.1396 0.1402 0.0014 0.1486 0.1483 0.0057 0.1506 0.1476 0.1409 -0.0128 -0.0184 -0.0219 0.1056 -0.0505 0.1019 0.1147 0.1384 0.147 0.1576 0.156 0.1633 0.0189 43
TLKM 0.0197 0.0515 0.0702 0.058 0.0171 0.0544 0.0192 0.015 0.0102 0.0823 0.0241 0.0069 -0.0007 -0.0008 -0.0113 -0.0026 0.0399 0.0381 0.025 -0.0225 -0.0219 -0.0121 -0.0105 0.0324 -0.0306 -0.0168 0.0161 -0.0289 -0.0357 -0.0216 0.0251 0.0372 0.0347 0.0012 0.0478 0.0052 0.0158 -0.0053 -0.0059 -0.0095 0.0031 0.0284 0.0569 43
88
Perubahan faktor makro ekonomi baik naik ataupun turun akan mempengaruhi nilai expected return APT. Cara mengukurnya adalah dengan metode ARIMA. Maka perubahan nilai inflasi adalah nilai inflasi yang sebenarnya pada waktu t dikurangi nilai inflasi yang diperkirakan dengan ARIMA pada waktu t, perubahan nilai SBI adalah nilai SBI yang sebenarnya pada waktu t dikurangi nilai SBI yang diperkirakan dengan ARIMA pada waktu t, dan perubahan nilai Pertumbuhan Pendapatan Nasional adalah nilai Pertumbuhan Pendapatan Nasional yang sebenarnya pada waktu t dikurangi nilai Pertumbuhan Pendapatan Nasional yang diperkirakan dengan ARIMA pada waktu t. Setelah mengolah data yang ada maka didapat nilai return saham LQ45 menurut model APT ditunjukkan pada tabel 4.18 (selengkapnya dapat dilihat di lampiran): K. Uji Normalitas Data dan Uji Asumsi Klasik 1. Uji Normalitas Data Uji normalitas bertujuan menguji apakah dalam model regresi, variable 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 4.19.
89
Tabel 4.19 Return Perusahaan LQ-45 Dengan Kolmogorov-Smirnov Tahun 2006 – 2009 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 27
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Central Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indal 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 Bank Negara Indonesia Tbk Bank Rakyat Indonesia Tbk Berlian Laju Tanker Tbk Bank Mandiri Tbk Bakrie & Brothers Tbk Bank Internasional Indonesia Bumi Resources Tbk Bakrieland Development Tbk Kawasan industri Jababeka Tbk Perusahaan Gas Negara Tbk Semen Gresik Tbk Timah Tbk Aqua Misissi Tbk
Kode AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN SMCB TLKM PTBA UNTR BBNI BBRI BLTA BMRI BNBR BNII BUMI ELTY KIJA PGAS SMGR TINS AQUA
CAPM 0.304 0.037 0.147 0.018 0.174 0.414 0.173 0.738 0.349 0.466 0.194 0.725 0.121 0.238 0.003 0.476 0.021 0.265 0.414 0.217 0.157 0.816 0.129 0.021 0.290 0.165 0.013
APT 0.459 0.896 0.897 0.515 0.699 0.732 0.082 0.875 0.325 0.700 0.433 0.952 0.571 0.189 0.242 0.947 0.772 0.750 0.260 0.243 0.842 0.098 0.701 0.374 0.823 0.153 0.023
Berdasarkan tabel 4.19. dapat dilihat bahwa secara keseluruhan nilai Prob Kolmogorv-Smirnov pada model CAPM dan APT terhadap return perusahaan LQ-45 yang dijadikan sampel pada penelitian ini bernilai > 0.05 yang berarti data normal.
90
2. 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: a. Uji Multikolenieritas 1) Uji Multikolinearitas APT 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. 2) Uji Multikolinearitas CAPM Berdasarkan lampiran model CAPM saham LQ-45 dapat dilihat bahwa semua variabel tidak terjadi multikolinearitas, karena nilai tolerance > 0.10 dan nilai VIF <10. sehingga variable-variabel independent pada model CAPM terhindar dari multikolinearitas.
91
b. 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 < 4du. Tabel 4.20 Pengujian Durbin Watson (D-W) Pada Market Model CAPM Saham LQ-45 2006-2009 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 27
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Central Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indal 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 Bank Negara Indonesia Tbk Bank Rakyat Indonesia Tbk Berlian Laju Tanker Tbk Bank Mandiri Tbk Bakrie & Brothers Tbk Bank Internasional Indonesia Bumi Resources Tbk Bakrieland Development Tbk Kawasan industri Jababeka Tbk Perusahaan Gas Negara Tbk Semen Gresik Tbk Timah Tbk Aqua Misissi Tbk
Kode AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN SMCB TLKM PTBA UNTR BBNI BBRI BLTA BMRI BNBR BNII BUMI ELTY KIJA PGAS SMGR TINS AQUA
du 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100
D-W 1.884 1.703 2.413 2.323 2.071 2.315 2.057 2.069 2.382 2.236 2.447 1.884 2.573 2.396 1.727 2.644 2.310 1.869 2.018 2.301 1.172 2.219 2.097 2.256 2.150 1.541 2.424
4-du 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900
92
Pada tabel 4.20 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 variable independen (k) adalah 5 yaitu return saham masingmasing 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 27 return saham LQ-45 dengan pada market model. Tabel 4.21 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 15 16 17 18 19 20 21 22 23 24 25 26 27
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Central Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indal 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 Bank Negara Indonesia Tbk Bank Rakyat Indonesia Tbk Berlian Laju Tanker Tbk Bank Mandiri Tbk Bakrie & Brothers Tbk Bank Internasional Indonesia Bumi Resources Tbk Bakrieland Development Tbk Kawasan industri Jababeka Tbk Perusahaan Gas Negara Tbk Semen Gresik Tbk Timah Tbk Aqua Misissi Tbk
Kode AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF PNBN SMCB TLKM PTBA UNTR BBNI BBRI BLTA BMRI BNBR BNII BUMI ELTY KIJA PGAS SMGR TINS AQUA
du 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100 1.100
D-W 1.710 1.553 1.910 2.188 1.844 1.694 1.936 2.054 1.754 1.847 1.485 1.962 1.628 2.018 1.713 1.993 1.548 1.915 1.354 2.214 1.478 1.586 1.771 1.707 1.815 1.230 2.114
4-du 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900 2.900
93
Pada tabel 4.21 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) 43 dan jumlah variabel independen (k) adalah 2 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 27 return saham LQ-45 dengan model APT.
c. Uji Heterokedastisitas 1) 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. 2) Uji Heterokedastisitas APT Sama seperti pengujian heteroskedastisitas yang dilakukan pada model CAPM, pada model APT juga dapat dilihat dari pola scatter plot diagram. Pada lampiran market model saham LQ-45 terlihat bahwa titik-titik 94
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.
L. Nilai MAD, MSE, & MAPE Expected Return CAPM & APT terhadap Actual Return 1. Mean Absolute Deviation (MAD) Mean Absolute Deviation (MAD) adalah alat ukur rata-rata dari suatu penyimpangan. Model yang mempunyai MAD yang lebih kecil berarti lebih akurat dibandingkan model yang mempunyai MAD yang lebih besar. Pada uji keakuratan menggunakan MAD, model APT ternyata lebih akurat daripada model CAPM pada seluruh saham LQ45 pada penelitian ini. Nilai MAD APT terendah adalah 0.067288 pada return saham Telekomunikasi Indonesia dan tertinggi 0,1539 pada return saham Bumi Resource. Sedangkan pada CAPM nilai MAD terendah adalah 0.090511 pada return saham Telekomunikasi Indonesia dan tertinggi 0.292242 pada return Bumi resource. Dapat ditarik kesimpulan bahwa kedua Model baik CAPM maupun APT memiliki tingkat akurasi yang cukup baik dalam mengestimasi return saham LQ 45. Hal ini dibuktikan dari rata-rata nilai MAD yang tidak mencapai 0,2 pada CAPM dan APT, terlebih lagi pada APT yang rata-rata nilai MAD di bawah 0,11. Nilai MAD dari hasil penelitian dapat di lihat pada tabel 4.22.
95
Tabel 4.22 Nilai MAD 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 27
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Central Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indal 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 Bank Negara Indonesia Tbk Bank Rakyat Indonesia Tbk Berlian Laju Tanker Tbk Bank Mandiri Tbk Bakrie & Brothers Tbk Bank Internasional Indonesia Bumi Resources Tbk Bakrieland Development Tbk Kawasan industri Jababeka Tbk Perusahaan Gas Negara Tbk Semen Gresik Tbk Timah Tbk Aqua Misissi Tbk Rata-rata MAD
MAD CAPM 0.161747674 0.198995581 0.097425116 0.105566744 0.133500233 0.114662093 0.141064419 0.095851163 0.135947674 0.114003023 0.14106814 0.090551163 0.203770698 0.121906512 0.172117209 0.092016047 0.124067884 0.116607442 0.222132791 0.12669814 0.292242093 0.18415093 0.168416977 0.177393023 0.102643953 0.221898605 0.130961395 0.147682
MAD APT 0.118232 0.152967 0.106006 0.081757 0.125944 0.106085 0.146006 0.080966 0.10371 0.091251 0.125896 0.067288 0.132567 0.101099 0.136621 0.098145 0.11384 0.102995 0.135426 0.097528 0.180883 0.17261 0.144297 0.126719 0.076238 0.164905 0.080079 0.1174
2. Mean Square Error (MSE) Mean square error (MSE) merupakan rata-rata selisih kuadrat antara return saham yang diramalkan dan return yang terjadi. Pada uji keakuratan menggunakan MSE, model APT lebih akurat daripada model CAPM pada penelitian ini secara rata-rata. Model CAPM lebih akurat pada return saham Indal Kiat Pulp & Paper dan Bakrieland Development. Berikut adalah nilai MSE dari hasil penelitian:
96
Tabel 4.23 Nilai MSE 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 27
Nama Perusahaan Astra Agro Lestari Tbk Aneka Tambang (Persero) Tbk Astra Internasional Tbk Bank Central Asia Tbk International Nickel Ind. Tbk Indofood Sukses Makmur Tbk Indal 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 Bank Negara Indonesia Tbk Bank Rakyat Indonesia Tbk Berlian Laju Tanker Tbk Bank Mandiri Tbk Bakrie & Brothers Tbk Bank Internasional Indonesia Bumi Resources Tbk Bakrieland Development Tbk Kawasan industri Jababeka Tbk Perusahaan Gas Negara Tbk Semen Gresik Tbk Timah Tbk Aqua Misissi Tbk Rata-rata MSE
MSE CAPM 0.064322
MSE APT 0.026909
0.094458
0.042173
0.021617
0.018846
0.03202
0.015047
0.037923
0.029812
0.024781
0.021102
0.041609
0.062401
0.016893
0.010117
0.038481
0.022402
0.026374
0.014463
0.041885
0.029788
0.016099
0.007575
0.102668
0.032692
0.03373
0.025046
0.09632
0.044338
0.01841
0.01713
0.045608
0.024123
0.028655
0.017896
0.113301
0.042357
0.035948
0.021696
0.198376
0.056744
0.060584
0.069842
0.067766
0.035009
0.102855
0.032897
0.025308
0.010046
0.106088
0.055668
0.042703
0.01587
0.056844
0.029703
Hasil ini menunjukkan bahwa faktor-faktor makro ekonomi pada model APT berpengaruh signifikan pada saham Indal Kiat Pulp & Paper dan Bakrieland Development. Nilai MSE APT terendah adalah 0,007575 pada return
saham Telekomunikasi Indonesia dan tertinggi 0,069842 pada return saham Bakrieland Development. Sedangkan pada CAPM nilai MSE nya terendah adalah 0,016099 pada return saham Telekomunikasi Indonesia dan tertinggi
97
0,198376 pada return saham Bumi Resource. CAPM dan APT memiliki kesamaan yaitu tingkat keakuratan yang tinggi pada saham Telekomunikasi Indonesia dan tingkat keakuratan yang rendah pada saham Bakrieland Development dan Bumi Resource. Rata-rata MSE CAPM dan APT tidak terlalu berbeda jauh yaitu sebesar 0.029703 dan 0.056844. Kekurangan penggunaan MSE adalah MSE cenderung menonjolkan deviasi yang besar karena adanya pengkuadratan.
3. Mean Absolute Percent Error (MAPE) MAPE adalah rata-rata diferensiasi absolut antara nilai yang diramal dan aktual yang dinyatakan sebagai persentase nilai aktual. Pada uji keakuratan menggunakan MAPE, model APT lebih akurat daripada model CAPM pada penelitian ini secara rata-rata. Model CAPM lebih akurat pada return saham Astra Agro Lestari, Aneka Tambang, Astra Internasional, Indal Kiat Pulp & Paper, Tambang Batubara Bkt. Asam, United Tractors BNI, BRI, Semen Gresik, Timah. Nilai MAPE CAPM terendah adalah 70.331% pada return saham
semen
gresik
dan
tertinggi
563.159%
pada
return
saham
Telekomunikasi Indonesi. Sedangkan pada APT nilai MAPE nya terendah adalah 72.863% pada return saham Bakrie & Brothers dan tertinggi 251.492% pada return saham Timah. Berikut adalah nilai MAPE dari hasil penelitian yang sudah dilakukan dengan menggunakan metode yang ada:
98
Tabel 4.24 Nilai MAPE No
Nama Perusahaan
MAPE CAPM
MAPE APT
1
Astra Agro Lestari Tbk
117.49%
129.53%
2
Aneka Tambang (Persero) Tbk
120.92%
124.96%
3
Astra Internasional Tbk
71.16%
136.12%
4
Bank Central Asia Tbk
186.26%
132.77%
5
International Nickel Ind. Tbk
147.22%
122.88%
6
Indofood Sukses Makmur Tbk
244.08%
94.75%
7
Indal Kiat Pulp & Paper Tbk
115.30%
165.46%
8
Indosat Tbk
229.46%
105.02%
9
Kalbe Farma Tbk
142.38%
105.99%
10
Bank Pan Indonesia Tbk
100.23%
92.81%
11
Semen Cibinong Tbk
156.88%
116.49%
12
Telekomunikasi Indonesia Tbk
563.16%
128.39%
13
Tambang Batubara Bukit Asam Tbk
169.81%
169.89%
14
United Tractors Tbk
89.08%
148.09%
15
Bank Negara Indonesia Tbk
103.79%
135.58%
16
Bank Rakyat Indonesia Tbk
94.10%
132.45%
17
Berlian Laju Tanker Tbk
321.53%
96.24%
18
Bank Mandiri Tbk
214.50%
120.36%
19
Bakrie & Brothers Tbk
192.79%
72.86%
20
Bank Internasional Indonesia
358.21%
120.19%
21
Bumi Resources Tbk
200.88%
159.50%
22
Bakrieland Development Tbk
184.32%
90.36%
23
Kawasan industri Jababeka Tbk
113.24%
84.24%
24
Perusahaan Gas Negara Tbk
167.43%
98.28%
25
Semen Gresik Tbk
70.33%
115.71%
26
Timah Tbk
197.51%
251.49%
27
Aqua Misissi Tbk
146.88%
88.48%
Rata-rata MAPE
178.48%
123.66%
99
DAFTAR PUSTAKA
Ahmad,
Komarudin, “Dasar – Dasar Portofolio”,Rineka Cipta, Jakarta, 2004.
Manajemen
Aliansyah, M.Noor, “Pengaruh Struktur Modal Jurnalusahawan No. 01 Hal 8-16, Januari 2001.
Terhadap
Investasi
Nilai
dan
Saham”,
Arianto, Efendi, “Pengujian Empiris CAPM Di Bursa Efek Jakarta Menggunakan Pendekatan Lintner/Douglas”, Manajemen, Januari 2008. --------.“Pengujian Standard CAPM Di Bursa Efek Jakarta Pengamatan Selama Periode 1994-1995”, Majalah Manajemen, Juli 2007. Bodie,
Kane, Marcus, “Investments”, Empat,Jakarta, 2005.
Edisi
5
Bahasa
Indonesia,
Salemba
---------- “Investments”, Edisi 6 Bahasa Indonesia, Salemba Empat,Jakarta, 2006. Corrado, Charles J. and Jordan, Bradford D, “Fundamental of Investment Analisis”, Fourth Edition.Mc Graw-Hill, Singapore, 2000. Darmadji, Tjiptono, dan Hendy M.Fakhruddin, “Pasar Modal Di Indonesia Pendekatan Tanya Jawab”, Edisi Kedua, Salemba Empat, Jakarta, 2006. Fauzan, “Analisis Pengaruh Variabel Makroekonomi Terhadap Indeks Harga Saham Sektoral Di Bursa Efek Jakarta”, Skripsi FEIS UIN SyarifHidayatullah Jakarta, 2007. Fitriana, P, “Pembentukan Portofolio Saham Yang Optimal Dengan Menggunakan Beberapa Metode”, Jurnal Ekonomi, 2009. 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. Home, James C. V. and Wachoviz Jr, Jhon M. “Fundamental of Financial Management”, 8th ed, Prentice Hall International, New Jersey, 1998. Husnan, Suad, “Dasar – Dasar Teori Portofolio Dan Analisis Sekuritas”, Edisi Ketiga, UPP AMPYKPN, Yogyakarta, 2001 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, 102 Yogyakarta, 2001.
102
102
Jogiyanto, HM. “Teori Portofolio Dalam Analisis Investasi”, Edisi Ketiga, BPFE, Yogyakarta, 2003. Jones, Chaeles P. “Investment: Analisis and Management”, 7th edition John Willey and Sons.Inc, New York, 2000. Madyan, Muhammad, Premananto, dan Gancar Candra, “Perbandingan CAPM Dan APT Dalam Memprediksi Tingkat Pendapatan Industri Perbankan Dan Lembaga Keuangan Selain Bank Baik Sebelum Dan Semasa Krisis Ekonomi Di Bursa Efek Jakarta”, Laporan Penelitian Hal 11-15.2004. 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. Putong, Iskandar, “Pengantar Ekonomi Mikro & Makro”,
GI, Jakarta, 2003.
Reilly, Frank K. “investment”, Sixt Edition, New York: The Dryden Press, 2000. Rodoni, Ahmad, dan Othman Yong, “Analisis Investasi Dan Teori Portofolio”, PT. Raja Grafindo Persada, Jakarta, 2002. Sartono, Agus R, “Manajemen Keuangan”, BPFE Edisi 4, Yogyakarta, 2005 Suharli, M, “Studi Empiris Terhadap Dua Faktor Yang Mempengaruhi Return Saham Pada Industri Food & Beverage Di Bursa Efek Jakarta”, Jurnal Akuntansi & Keuangan Vol 7 99-116, 2005. ------- “Studi Empiris Terhadap Faktor Penentu Kebijakan Jumlah Dividen”, Tesis Magister Manajemen (Tidak Dipublikasikan), 2004. Tandelilin, Eduardus, “Analisis Investasi Manajemen Portofolio”, Cetakan Pertama, Yogyakarta, BPFE 2001. Widayanti, Rieka Purwaningsih, “Pengaruh Variabel Makroekonomi Terhadap Return Saham (Studi Pada Perusahaan Yang Sahamnya Diminati Oleh Investo r Asing Di Bursa Efek Jakarta)”, Skripsi FEIS UIN Syarif Hidayatullah Jakarta, 2007. Widiatmodjo, S, “Cara Sehat Investasi Manajemen Portofolio”, Cetakan Pertama, Yogyakarta BPFE, 2000.
Wijaya, Liliana Inggrit, “Model Pasar Persus Model Harga Aset Kapital (CAPM) Dalam Pasar Yang Efisien”, Jurnal Ekonomi dan Bisnis Vol. 3 No.1 Hal 55-63, 2000. www.duniainvestasi.com www.bi.co.id
103
LAMPIRAN
Actual Return AALI
ANTM
ASII
BBCA
INCO
INDF
INKP
ISAT
KLBF
0.03061
0.19580
0.01961
0.06618
0.10646
-0.03297
0.00000
0.04505
0.31313
0.16832
-0.05848
-0.05769
-0.00690
0.07216
-0.04545
-0.06481
-0.09483
0.04615
0.05085
0.08075
0.14796
0.15972
0.09936
0.05952
0.04950
-0.01905
0.00000
0.06452
0.32184
0.06222
0.04790
0.16618
0.26966
0.07547
0.04854
0.11765
-0.01515
-0.22609
-0.17992
-0.06286
-0.01250
-0.16814
-0.14035
-0.07407
-0.13816
0.00000
0.03933
-0.00510
0.00000
-0.01013
-0.06383
-0.10204
-0.14500
-0.04580
0.28462
0.12432
-0.01538
0.01829
0.02046
0.19318
0.01136
0.00000
-0.04000
0.10180
0.03846
0.15625
0.08982
0.10276
0.13333
0.03371
0.02924
-0.06667
-0.01087
0.01852
0.12162
0.06044
0.04545
0.05042
-0.02174
0.17045
0.17857
0.07143
0.26364
0.07631
-0.03627
0.14348
0.06400
0.04444
0.00971
0.03030
0.09231
0.08633
0.19030
0.13978
0.04563
0.05263
0.00000
0.10577
-0.13235
0.18310
0.05960
-0.01567
-0.01887
0.12727
-0.03571
0.00000
0.17391
0.00847
0.04762
-0.02500
-0.05414
-0.01923
0.06452
0.25185
-0.07447
-0.11111
0.09244
-0.04924
0.16667
-0.05387
-0.03431
0.17576
-0.07692
0.02299
-0.01667
-0.06154
0.00398
0.30220
-0.06050
0.03553
0.40077
-0.02564
-0.02247
0.05932
-0.00820
0.25000
0.31646
0.09091
0.03922
0.11868
0.07895
0.22989
0.08800
0.04132
-0.04127
-0.10256
0.13889
-0.00943
-0.09539
0.05488
0.06542
-0.00735
-0.01587
-0.08940
-0.10357
0.03049
0.03810
0.00909
0.17052
-0.00877
-0.03704
0.12097
0.11636
-0.78486
0.10947
0.15596
0.03063
-0.01235
0.00000
0.11538
0.07194
-0.06840
-0.16667
-0.04800
-0.04762
-0.05769
-0.07000
-0.17699
-0.00690
-0.08725
0.17483
0.23333
0.07843
0.02500
0.17811
0.03763
0.01075
0.06944
-0.02206
0.33929
0.20721
0.32987
0.18699
0.42047
0.13990
-0.02128
0.12987
0.02256
0.13111
0.39552
-0.02344
-0.02740
0.04490
0.14773
-0.08696
-0.04598
-0.10294
0.10020
-0.04278
0.09200
0.02817
0.02122
0.01980
0.00000
0.04217
0.03279
0.07857
-0.20112
-0.00183
-0.51370
-0.17403
0.09709
0.09524
-0.17919
-0.04762
0.04636
0.14685
0.02202
0.00704
0.18868
0.03540
0.00000
-0.03521
-0.12500
-0.18196
-0.18293
-0.12926
-0.09091
-0.25926
-0.20513
0.01087
0.03650
-0.06667
-0.08317
0.04478
-0.17526
-0.07692
-0.05000
-0.02151
0.25806
-0.14789
-0.07143
0.11603
-0.07143
0.05000
-0.07500
-0.08271
0.23077
1.39316
-0.04959
-0.03297
0.11720
-0.02308
-0.08333
-0.10811
-0.00820
-0.14286
-0.09821
0.17391
-0.03409
-0.25888
-0.22047
0.17143
0.22222
-0.23967
-0.05208
0.21782
-0.03704
-0.05882
-0.18037
-0.23636
-0.07761
0.04959
-0.19022
-0.01099
-0.23577
-0.05385
-0.06250
-0.27855
-0.22751
-0.17788
-0.00787
-0.17450
-0.12889
-0.32340
-0.00813
-0.13333
-0.53282
-0.28767
-0.45322
-0.14286
-0.45041
-0.44388
-0.48428
-0.13115
-0.43846
0.39669
-0.01923
0.09091
0.00000
0.16568
-0.11009
-0.02439
-0.03774
0.12329
0.15976
0.06863
0.03431
0.20370
-0.02030
-0.04124
-0.07500
0.12745
-0.02439
0.11224
0.01835
0.23223
-0.15385
0.28238
0.05376
0.18919
-0.01739
0.16250
0.17890
0.08108
-0.13077
-0.14545
-0.12121
-0.10204
0.03409
-0.25664
0.39785
0.09728
-0.09167
0.26106
0.31915
0.02299
0.06818
-0.02198
0.12500
-0.04615
0.12057
0.31193
0.26316
0.08065
0.53933
0.36170
0.26966
0.18519
0.45161
0.12658
0.38462
0.15556
0.00746
0.05109
0.39063
0.46903
-0.05357
-0.02222
-0.05337
0.02273
0.14423
0.04444
0.15278
0.06180
0.04819
-0.06132
0.14773
0.14540
0.08642
0.23109
0.07092
0.03614
0.20370
0.04023
0.09548
0.29703
104
104
Actual Return PNBN
SMCB
TLKM
PTBA
UNTR
BBNI
BBRI
BLTA
BMRI
0.14286
0.20000
0.06780
0.08889
0.04082
0.01563
0.12397
0.09615
0.08537
-0.09375
0.08772
-0.01587
0.04592
0.03922
-0.05385
-0.04412
0.21930
-0.08989
0.14943
0.03226
0.11290
0.00000
0.13208
0.04065
0.20000
0.02158
0.04321
0.04000
0.06250
0.09420
0.46341
0.21111
0.06250
0.18590
0.15493
0.13609
-0.17308
-0.19118
-0.06623
0.11667
-0.00917
-0.10294
-0.14595
0.11585
-0.11979
-0.10465
0.01818
0.04255
-0.05970
0.00000
-0.07377
0.03797
-0.05464
0.01775
0.11688
0.00000
0.01361
0.03968
0.03704
-0.02655
0.04268
0.02890
0.02326
0.06977
-0.05357
0.06040
0.03817
0.02679
0.19091
0.01754
0.11798
0.19318
0.03261
0.07547
0.06962
-0.00735
0.05217
0.81298
0.12644
0.06784
0.10714
0.05263
0.01754
-0.00592
0.02222
0.08264
0.00000
0.00000
-0.12000
0.17204
0.08000
-0.06897
0.17857
-0.05797
-0.01527
-0.16632
0.09184
-0.06952
0.01835
0.07407
0.24074
0.02020
0.08462
0.01550
-0.05556
-0.03738
0.00000
0.04505
0.01724
-0.02985
-0.06436
-0.11348
0.03053
-0.02674
0.02913
-0.04598
-0.11207
-0.03390
0.01538
-0.05820
0.05600
0.02963
-0.03846
-0.10377
0.05422
-0.09709
-0.03509
0.00000
0.10674
0.04545
0.06475
0.00571
0.06316
0.07429
0.07527
0.14545
0.09091
0.06599
0.13043
0.06757
0.25000
0.03960
0.07713
0.23000
-0.03175
0.05556
-0.09048
0.34615
-0.04430
0.13636
0.16190
-0.03704
0.05691
0.04918
0.25000
0.03141
0.24762
0.09272
-0.01000
-0.05738
0.05128
-0.03846
0.15625
0.06316
0.13706
0.01527
0.04242
0.00000
0.09565
-0.07805
0.12800
-0.09459
0.01980
-0.03125
-0.13534
-0.05814
-0.21212
-0.00794
-0.17989
-0.07801
0.04478
0.10680
0.01382
0.13913
0.01235
0.02564
0.05600
0.25806
0.08462
0.04286
0.22807
-0.02273
0.38168
0.33537
-0.00500
0.17424
0.11538
0.07092
-0.09589
0.17857
-0.05581
0.33702
0.02740
-0.07538
0.00645
-0.01149
-0.05960
0.03030
0.06061
0.00000
-0.00826
-0.03111
0.07065
-0.05128
0.23256
-0.01408
-0.10294
-0.10857
-0.08867
-0.05000
0.22018
-0.11675
-0.05405
-0.12264
-0.05000
0.06557
-0.11538
0.05946
0.00439
-0.00376
-0.04598
0.02857
0.04301
-0.01504
-0.01538
-0.13043
-0.01531
-0.12227
-0.05283
-0.16265
-0.12500
-0.15464
-0.03817
-0.07813
-0.24167
-0.08290
0.05473
-0.03984
-0.13669
-0.05556
0.00000
-0.08730
0.05085
0.21978
-0.08475
0.37736
0.19917
0.04167
-0.02521
0.01220
0.00870
0.35484
0.00901
-0.09877
0.12329
-0.15917
-0.03200
-0.12069
-0.07470
-0.10345
0.05952
0.03571
0.05479
-0.16768
-0.06173
0.20661
0.19608
-0.02083
0.14423
0.04494
-0.00862
0.03896
0.06227
-0.09211
-0.13014
-0.04098
-0.06383
-0.05042
-0.18280
-0.26087
-0.10625
-0.35517
-0.08696
-0.23622
-0.07692
-0.24432
-0.06195
-0.30921
-0.47647
-0.24476
-0.41444
-0.66667
-0.47423
-0.36111
-0.51128
-0.41132
-0.00952
-0.02247
0.08333
0.26027
0.26190
0.09804
-0.01449
-0.30769
-0.04487
0.11538
0.44828
0.17949
0.00000
0.10692
0.21429
0.34559
0.28889
0.35906
-0.08621
-0.07937
-0.08696
0.07246
0.14773
0.13235
-0.00546
-0.18103
-0.10123
-0.18868
-0.05172
0.00000
-0.02703
0.05941
-0.09091
-0.18132
0.05263
-0.04396
0.25581
0.00000
0.19841
-0.06250
0.26168
0.02857
0.12752
0.04000
0.25000
0.12963
0.27273
0.03974
0.40741
0.33333
0.73611
0.38095
0.25000
0.27586
0.00000
0.42857
-0.05096
0.18421
0.12778
0.25600
0.07759
0.26154
0.07207
0.08197
0.10000
0.00671
0.03111
-0.01970
0.09554
0.00800
0.03659
0.06723
0.09091
0.31818
0.19333
0.17241
0.30151
0.09884
0.15873
-0.02353
0.31496
105
Actual Return BNBR
BNII
BUMI
ELTY
KIJA
PGAS
SMGR
TINS
AQUA
0.08333
0.03226
0.11842
-0.03030
0.00000
0.20290
0.09551
0.05495
0.38095
0.00000
-0.06250
-0.01176
-0.03125
0.22222
0.16265
0.19231
0.06771
-0.19540
0.30769
0.06667
0.07143
0.09677
0.27273
0.03627
0.09677
-0.01220
0.14286
0.00000
0.15625
0.01111
0.05882
0.10714
0.24000
0.07451
0.19753
0.00000
0.00000
-0.02703
-0.08791
0.02778
-0.22581
-0.01210
-0.19343
-0.20412
0.12500
-0.11765
0.02778
-0.07229
-0.16216
0.08333
-0.08163
0.07692
-0.09845
0.00000
0.13333
-0.02703
0.07792
0.06452
0.00000
0.04889
0.06933
0.00000
0.00000
-0.02941
0.02778
-0.09639
0.00000
-0.03846
0.07203
-0.00393
0.00000
0.00000
-0.09091
0.05405
-0.01333
-0.09091
0.00000
-0.04743
0.06903
0.01724
0.00000
0.03333
0.05128
0.04054
0.00000
-0.04000
-0.05394
0.07380
0.35593
0.00000
-0.16129
0.14634
0.05195
-0.10000
0.04167
-0.04386
0.09966
-0.04167
0.10000
0.19231
0.02128
0.11111
0.44444
0.24000
0.06422
0.13438
0.92391
0.11111
0.10968
-0.06250
0.20000
0.05128
0.07097
-0.18966
0.04683
0.77401
0.09091
0.05814
-0.13333
0.12037
0.14634
0.07831
-0.04787
0.01579
0.22293
0.07500
0.02747
-0.01026
0.09917
-0.02128
0.22905
0.04469
0.03109
0.23438
0.00000
0.28342
-0.02591
0.03759
0.04348
-0.11364
0.12299
-0.03518
0.00844
0.00000
0.25000
0.02128
0.26812
0.31250
0.15385
-0.02381
0.12630
-0.02510
0.00000
-0.01667
-0.06771
0.30000
0.04762
-0.04444
-0.07805
0.19306
0.04292
0.00000
0.03390
0.06704
0.18681
0.48485
0.23256
-0.02116
0.01744
0.16049
0.00000
-0.11475
0.05759
-0.05556
-0.19388
-0.16981
0.10811
-0.05714
-0.12766
0.00000
0.11111
0.16337
0.40196
0.34177
0.29545
0.17561
0.07071
0.07724
-0.14729
0.05000
0.10638
0.34266
0.11321
-0.15789
0.16183
0.16981
0.47170
0.00000
-0.06349
0.03846
0.17708
0.03390
-0.19167
0.20714
-0.04032
0.28205
0.17727
-0.01695
0.05556
0.06195
0.01639
0.18557
-0.09172
-0.05882
0.14800
0.00000
0.05172
0.05263
0.06667
0.00000
-0.21304
-0.12704
-0.00893
0.00348
0.00000
0.13115
0.13333
0.20313
0.08065
-0.03867
0.02985
-0.04505
0.13021
0.00000
0.47826
0.36765
-0.19481
-0.22388
-0.21839
0.02536
-0.05660
-0.11060
-0.22780
0.00000
-0.01075
0.07258
-0.24038
-0.21324
-0.14488
-0.15500
0.11054
0.25000
0.03922
0.01087
0.21053
0.05063
0.33645
0.15702
0.04142
0.05599
0.00000
0.00000
0.00000
0.01863
-0.14458
-0.10490
-0.07143
-0.09091
0.10309
0.00800
-0.24528
-0.01075
-0.17683
0.07042
0.04688
-0.06154
0.02500
-0.14686
0.01190
-0.13750
0.00000
-0.18519
-0.07895
-0.11194
-0.79098
-0.01220
-0.19405
0.00000
-0.28986
-0.32609
-0.41818
-0.32857
-0.22689
-0.14706
-0.15432
-0.35534
0.00000
-0.40816
0.50000
-0.32031
-0.67234
-0.42391
-0.35632
-0.12409
-0.30120
-0.00392
-0.59310
0.05376
-0.53563
-0.02597
-0.05660
0.31429
0.08333
-0.09483
0.00000
-0.15254
-0.24490
-0.09901
-0.04000
0.00000
0.01087
0.28462
0.02857
0.00000
0.00000
-0.08108
-0.43956
-0.16667
0.00000
0.18280
-0.16766
0.00926
-0.01181
0.00000
-0.11765
0.50980
0.30000
0.00000
-0.13636
0.00719
-0.02752
0.07570
0.00000
0.06667
0.06494
0.08974
0.00000
0.13158
0.06429
0.00000
0.00000
0.70000
0.45313
0.80488
0.92941
0.52000
0.20930
0.10067
0.33962
0.02222
0.03529
-0.13978
0.32432
0.79878
0.31579
0.10577
0.14024
0.38732
0.12319
0.02273
-0.05000
-0.05102
0.00000
0.06000
0.09565
0.04813
0.02792
0.57935
0.16667
0.13158
0.50538
0.20339
0.23585
0.11111
0.21429
0.03704
0.00000
106
Beta Model CAPM AALI
ANTM
ASII
BBCA
INCO
INDF
INKP
ISAT
KLBF
-0.4361
4.3584
-0.4261
1.3879
1.6056
-1.7029
-0.9461
1.0338
7.5710
-5.6479
3.7746
4.2280
0.8536
-1.2740
3.5513
4.5787
4.4825
-1.2698
0.0516
1.0829
2.0930
2.7658
1.0394
0.4888
0.2363
-0.4455
-0.3362
0.1881
3.4196
0.2996
0.4130
1.4094
2.7220
0.4446
0.5048
1.1488
0.5653
2.2182
1.9176
0.6647
0.5001
1.7883
1.5725
0.6992
1.3850
1.3793
-0.5000
1.1571
0.3378
1.5119
2.7233
3.8902
4.1929
1.7851
20.5793
8.9043
-4.8738
0.5883
-2.2106
15.0884
-2.4107
-0.4474
-5.4731
1.3795
0.4256
3.1514
2.0415
1.5462
2.6231
-0.0835
0.6433
-2.2216
-1.1284
-0.0651
1.6651
0.9432
0.0310
0.3313
-1.1431
3.2311
3.1318
2.0708
21.2894
3.8589
-4.6528
9.5892
2.9432
0.7275
0.4786
1.1893
0.6702
0.9743
2.3636
1.9593
0.0270
0.2946
-0.5659
1.5499
-2.3057
4.4441
1.2401
-1.7598
-1.0489
2.8285
-2.3447
-1.2509
5.7371
-0.3213
0.0086
1.0043
1.8978
0.6573
-0.4337
-4.5876
2.3388
2.4332
-1.5645
3.3174
-4.9420
2.9820
1.5351
-4.3655
3.6525
0.4601
0.7085
2.6310
-1.3880
8.8423
-3.1414
0.7623
11.5924
-1.9185
-1.9280
1.7729
-0.8492
2.8095
4.0974
0.7704
0.3825
1.0538
0.6413
2.7187
1.1729
0.3293
-3.9513
-5.5088
4.7339
-0.9912
-6.4211
0.9891
1.3156
-0.5575
-1.5595
-21.4688
-19.6094
-1.0444
4.7434
-6.3365
24.9807
-8.3199
-7.6119
18.7716
0.8780
-10.3569
0.9514
1.8691
-0.1719
-0.5945
-0.4791
1.4372
0.7013
1.3582
2.2007
0.9724
0.6891
1.1726
1.1941
2.4694
0.1343
1.2146
2.3013
3.8367
0.7790
0.2387
2.4773
0.0777
-0.4823
1.1941
-0.7383
2.8985
1.8438
2.9487
1.7565
3.7816
1.0691
-0.5840
1.2565
0.0463
-27.7000
-124.5330
15.2497
10.0871
-0.2644
-29.2181
31.6575
12.9638
30.9024
37.2857
-46.2143
114.3044
33.0031
-46.4050
-27.9183
-75.5895
76.7037
30.4054
-0.4842
3.5285
0.5935
8.2007
3.3986
-0.9930
-0.9101
2.8689
1.0227
-0.1000
7.8125
-0.9412
-0.3328
9.5979
0.1307
-2.4448
-2.6477
-9.4744
1.9024
1.6940
1.3585
0.8453
2.4885
1.9584
0.2136
-0.2607
0.6946
1.6756
-0.2925
2.6698
1.1234
1.1850
0.6935
-2.7922
1.9268
1.1283
1.6708
-2.2924
0.3463
-2.1882
-3.1812
4.9599
34.0875
-1.3653
-1.2797
-0.1729
0.7627
1.9955
2.0058
0.8690
2.9424
2.2550
-2.8237
0.8686
7.8692
6.2154
-3.3877
-5.2656
7.1040
2.1425
-4.5333
1.0467
1.9235
2.8514
3.2247
1.4050
-0.4632
2.8895
0.5483
3.3657
0.7231
0.9931
1.8781
1.4342
1.2248
0.1141
1.2491
0.9285
2.0610
0.0736
0.8654
1.7379
0.9264
1.4605
0.4623
1.4749
1.4243
1.5552
0.4055
1.3620
-10.863
1.2804
-1.6567
0.3654
-3.6900
4.3474
1.8562
1.2866
-3.1909
1.5593
0.6513
-0.0269
2.7072
-0.9065
-1.0547
-1.5806
1.7335
-0.5981
1.9050
-0.1068
5.9780
-5.0601
7.2745
0.6203
4.6450
-0.6749
4.4087
-2.3375
-1.0571
2.9342
2.7677
2.9006
2.3803
0.0491
4.5926
-6.6752
0.6847
-1.5778
3.1629
4.3198
-0.2937
0.4889
-0.8281
1.6917
-0.9017
0.4745
1.8954
1.4922
0.4509
3.2577
2.1585
1.5305
1.1865
2.8514
0.5384
2.4842
0.8225
-0.0317
0.0498
2.4619
2.9785
-0.4019
-0.2769
-1.2014
0.0095
1.2937
0.3879
1.3045
0.3398
0.1354
-0.7912
1.5545
3.1318
2.0740
6.4553
1.9497
-0.2558
5.6406
0.1107
3.0058
9.2448
107
Beta Model CAPM PNBN
SMCB
TLKM
PTBA
UNTR
BBNI
BBRI
BLTA
BMRI
3.1522
4.0582
1.3509
0.6294
-0.1574
-0.3429
2.4239
2.1930
1.3768
5.1192
-2.0684
1.3991
0.8298
0.3483
3.7296
3.3126
-9.8873
5.4734
2.4250
-0.1783
1.8232
-1.2053
1.5944
0.2183
3.1943
0.2376
0.2158
0.2309
0.2388
0.9156
4.5982
1.8915
0.3860
1.8025
1.7184
1.2030
1.7126
2.0668
0.7165
-0.4642
0.4980
1.1706
1.5563
-0.9589
1.3439
3.4893
0.6607
-0.8247
3.4737
1.3147
2.8776
-0.2384
1.8190
0.3902
9.1543
-3.9456
-0.2610
-2.3298
-0.9365
-5.2460
1.2486
1.7565
-0.7963
1.3078
-2.5034
1.1923
-0.6874
-0.5295
4.2510
-0.3129
2.8026
4.2400
0.2467
0.6570
1.0670
-1.3980
0.1018
15.2859
1.8908
1.1322
1.4712
3.1454
-2.3327
-1.7522
-4.0554
3.4359
-2.7913
-2.8362
-11.3894
13.5113
0.9211
-1.6988
2.4917
-1.8764
-0.9545
-2.9961
0.9568
-1.1831
-0.2046
1.8352
6.7473
0.2072
0.6872
-1.0665
-2.8673
-2.2669
-0.2862
0.4530
0.0571
1.5044
1.6767
3.7349
0.3448
1.1706
0.0071
1.1713
3.0193
1.7826
0.8736
2.4608
0.2764
0.5734
2.2328
4.4100
-1.5529
4.2624
-1.7879
-1.3569
2.9274
-0.6137
0.5780
-0.7562
1.0944
2.0694
1.4155
1.7679
0.6921
0.7246
0.9309
0.2904
3.1133
0.1429
0.9513
2.7936
-2.3840
0.6353
-4.6195
12.9935
-4.2077
4.9506
6.1067
-2.0221
1.1630
5.3248
37.9416
2.7344
33.3945
8.3387
-7.1056
-15.8235
6.6563
-12.7822
1.7703
0.2777
1.5815
-0.6375
-0.0588
-0.3766
0.8597
-1.1130
1.2510
1.3226
0.2537
0.5274
2.3055
1.2134
2.7839
0.4318
2.2007
1.2666
0.4580
1.1999
-0.0018
1.3800
-0.6386
-0.0619
0.4897
4.5245
0.9767
0.2299
1.8706
3.1864
2.8961
-0.3414
1.4538
1.0617
0.3940
29.6135
-34.9681
-0.3642 23.233 3
-69.7001
4.9987
26.6801
5.8821
23.3359
21.1995
38.5854
-9.9286
-148.8000
-159.9658
85.3618
-165.4599
6.7330 159.928 6
1.9169
2.3451
1.6234
1.7836
-2.7020
2.2733
1.3027
2.0775
1.2741
3.0233
-10.4163
2.8500
-3.9743
-3.3611
-4.9690
-0.0591
2.1438
-3.0968
0.2901
1.4137
0.2415
1.5320
0.8192
1.5733
1.2680
1.3507
0.5735
1.2382
3.5783
1.2363
0.1215
1.0957
2.0917
1.0733
0.1111
1.5022
-93.7950
0.7764
4.4738
-2.4226
7.8669
3.8257
0.3185
-1.3741
0.0860
-0.5779
-5.5895
0.5469
1.9102
-0.9837
3.4404
1.0181
2.5062
1.4136
2.2556
-0.9913
0.1519
-1.0487
5.8136
2.7230
-4.4502
-4.1746
0.7564
-2.8198
-0.3084
0.6221
-0.3134
0.0257
1.7165
1.9643
0.8696
0.9051
1.0135
1.1598
1.7313
0.6912
2.3998
0.7660
1.5172
0.6086
1.4549
0.5356
0.9823
1.5465
0.7741
1.4287
2.1295
1.5017
1.1655
1.5560
1.3220
0.8931
1.9462
-2.1620
-5.9349
-6.5113
-2.0915
1.3315
9.8567
2.3191
1.3481
5.7425
2.3096
-0.9091
0.8471
2.6175
4.4658
3.9079
4.6247
-3.2379
-3.6947
-2.9941
0.2475
3.0735
3.1523
-1.0652
-5.6291
-4.0540
3.6660
1.6429
0.2482
1.6056
-0.2188
2.1068
3.7036
-0.7839
1.3291
3.3178
-0.5877
2.5625
-1.7844
3.0206
-0.0060
1.3793
0.4347
3.0710
0.7211
1.5185
0.1686
2.2557
1.8830
4.6494
2.3111
1.5771
1.6055
-0.1376
2.6659
-0.4445
0.8261
0.5571
1.5646
0.3317
1.7315
0.2783
0.7427
0.6974
-0.0853
-0.3981
-0.7984
0.7971
-0.2571
0.3306
0.4257
2.3503
9.1561
5.7685
3.5797
8.4323
2.3136
4.2821
-1.0354
9.3836
108
Beta Model CAPM BNII
BUMI
ELTY
KIJA
PGAS
SMGR
TINS
AQUA
-0.0469
1.9123
-2.1226
-0.6791
4.9094
1.5794
-0.6980
8.7645
4.3484
2.5305
3.7685
-8.8126
-6.8053
-7.1304
0.6506
10.5637
0.6103
0.5396
0.8301
4.6125
0.4641
1.1772
-1.7673
1.9409
1.4076
-0.3535
0.0734
0.9295
2.6330
0.4676
1.3293
-0.4521
0.5422
1.1628
0.2189
2.2383
0.2093
2.0172
2.5400
-0.7609
0.1767
3.2874
6.0097
-1.5921
2.6076
-1.2040
5.0573
1.0987
-5.7719
3.1130
1.1391
-2.5006
3.5321
3.3435
-7.7597
-3.7059
-0.1656
-3.5513
-1.3772
-1.7050
1.5896
-0.9939
-2.1571
-1.0302
0.3893
-1.0613
-2.7953
-0.5162
-1.1488
0.6845
-1.2658
-0.7651
1.6553
-0.1416
-5.0496
-6.3994
-6.2989
3.8385
26.3547
-3.7773
1.7220
0.1483
-2.3387
0.2330
-0.8491
1.0083
-1.8995
0.9321
-0.4344
2.2697
13.2932
7.2410
1.7882
3.4064
28.5456
2.4374
2.0286
-3.3812
0.0246
-0.9344
4.2247
-0.2711
-14.5310
-1.0852
5.5415
-2.6724
-3.1076
-1.7158
1.9649
0.6003
-4.6594
-1.1837
-1.4403
1.8013
-2.3948
6.5796
1.0784
-0.0922
4.9440
-1.2745
-0.8451
-0.0626
-0.1265
-1.9738
1.5707
-0.9734
-1.0385
-0.5527
-0.5906
10.0000
11.9903
5.8728
-1.6276
4.2593
-4.9458
-1.8092
-18.5486
40.2969
-0.8813
-12.9230
-16.3155
28.9972
-7.1503
-7.1498
0.4280
1.8575
5.6164
2.6768
-0.4242
-0.2141
1.0175
-0.5097
-0.2714
1.1400
2.8441
2.2663
-1.1155
1.0515
2.4225
0.4530
2.3858
6.5318
5.3391
4.9638
3.0287
0.6788
-0.0909
-3.4422
0.7260
2.9910
0.6100
-1.8513
1.5096
1.3645
3.9115
-0.3940
-1.1184
-45.000
4.7436
55.7627
-50.0133
18.9799
-51.0971
-35.2849
43.9943
14.1429
-73.8974
326.0045
-211.4892
-190.0619
134.9190
-80.4065
-0.2893
-0.3892
0.8182
3.7360
2.1607
0.6684
1.2272
0.6120 -2.6006
6.5779
10.0625
1.8684
-4.3181
1.2169
-5.2341
3.1846
-2.7383
1.9595
2.2685
2.0102
-0.1139
0.7432
1.5824
2.1922
0.5661
-0.3895
3.6969
3.0262
1.9740
2.3851
-0.3582
-2.6607
-0.5835
4.1376
-0.0458
7.7906
3.6577
0.1883
-0.6578
-0.9862
0.5689
0.3983
3.2887
2.1927
1.3840
2.0837
-0.3494
0.5214
1.1234
5.6128
-0.4502
-0.5111
1.8298
0.2237
5.7382
0.6848
0.4208
2.8377
1.6220
1.7086
9.9056
0.5693
3.4095
0.4844 0.2245
2.0603
2.6469
2.1796
1.4494
0.9070
1.0769
2.5027
-1.3903
1.0844
2.1628
1.3440
1.0976
0.4715
1.1440
0.1288
-0.5961
17.9969
2.3758
2.5167
-9.1723
-1.4966
5.3613
1.1886
-3.9411
-14.395
-1.3061
-0.3740
-0.0088
3.5414
-0.7570
-0.5543
-3.5125
-14.294
-6.6830
-0.8075
5.2246
-6.1483
-2.2234
-1.5570
2.6661
-8.3518
-4.3496
0.4652
2.5979
0.4697
1.9272
-0.6406
0.4583
0.3167
0.5245
-0.3725
1.6893
0.4271
-1.1557
-0.5520
2.7552
4.9856
5.7661
3.2450
1.3006
0.4389
1.6929
-0.1119
-1.1984
1.9329
5.1439
1.9940
0.6498
0.7328
2.1033
0.5786
-1.0072
-1.1031
-0.6283
0.4015
1.0081
0.1701
-0.6497
6.4694
3.2295
14.8971
4.9998
6.9356
3.3000
5.9745
-1.4947
-1.2998
109
Expected Return Model CAPM AALI
ANTM
ASII
BBCA
INCO
INDF
INKP
ISAT
KLBF
-0.0261
0.2611
-0.0255
0.0831
0.0962
-0.1020
-0.0567
0.0619
0.4535
0.0020
-0.0027
-0.0029
-0.0012
-0.0002
-0.0026
-0.0031
-0.0030
-0.0002
0.0031
0.0805
0.1564
0.2069
0.0773
0.0359
0.0169
-0.0343
-0.0260
0.0209
0.3664
0.0328
0.0449
0.1515
0.2918
0.0483
0.0548
0.1236
-0.0584
-0.1855
-0.1624
-0.0660
-0.0534
-0.1524
-0.1358
-0.0687
-0.1214
-0.0189
0.0014
-0.0165
-0.0076
-0.0203
-0.0334
-0.0460
-0.0493
-0.0233
0.9459
0.4006
-0.2428
0.0123
-0.1184
0.6894
-0.1278
-0.0361
-0.2708
0.0956
0.0036
0.2664
0.1594
0.1117
0.2155
-0.0454
0.0246
-0.2516
-0.2485
-0.0883
0.1724
0.0636
-0.0738
-0.0286
-0.2508
0.4084
0.3935
0.0325
0.0536
0.0344
0.0251
0.0407
0.0334
0.0310
0.0307
0.0315
0.0322
0.0819
0.3089
0.2428
-0.0729
-0.0292
-0.1698
0.1759
-0.4540
0.3900
0.0741
-0.2217
-0.1516
0.2307
-0.2794
-0.1715
0.5175
-0.0799
-0.0333
-0.0267
-0.0207
-0.0290
-0.0363
-0.0641
-0.0177
-0.0171
-0.0439
0.0419
-0.1406
0.0345
0.0025
-0.1279
0.0493
-0.0212
-0.0157
0.0267
-0.1362
0.6689
-0.2742
0.0330
0.8853
-0.1780
-0.1787
0.1125
-0.0938
0.2582
0.3766
0.0708
0.0352
0.0968
0.0589
0.2499
0.1078
0.0303
-0.2782
-0.3792
0.2846
-0.0864
-0.4383
0.0419
0.0631
-0.0583
-0.1233
-1.1802
-1.0803
-0.0834
0.2274
-0.3676
1.3142
-0.4741
-0.4361
0.9807
0.0824
-1.3456
0.0917
0.2084
-0.0510
-0.1048
-0.0901
0.1535
0.0599
-0.0867
-0.1359
-0.0641
-0.0475
-0.0758
-0.0771
-0.1517
-0.0151
-0.0783
0.1728
0.2881
0.0585
0.0179
0.1860
0.0058
-0.0362
0.0897
-0.0554
0.3493
0.2222
0.3553
0.2117
0.4557
0.1288
-0.0704
0.1514
0.0056
-0.4709
-2.1171
0.2592
0.1715
-0.0045
-0.4967
0.5382
0.2204
0.5253
1.5454
-1.9616
4.7802
1.3655
-1.9696
-1.1932
-3.1954
3.2010
1.2564
0.0062
-0.1274
-0.0297
-0.2830
-0.1231
0.0232
0.0204
-0.1054
-0.0440
-0.0119
0.3323
-0.0484
-0.0220
0.4100
-0.0018
-0.1139
-0.1227
-0.4196
-0.1931
-0.1718
-0.1375
-0.0851
-0.2530
-0.1988
-0.0205
0.0279
-0.0697
-0.1003
0.0220
-0.1620
-0.0660
-0.0698
-0.0393
0.1772
-0.1159
-0.0663
0.0779
-0.0236
0.0440
-0.0209
-0.0463
0.1621
0.9077
0.0001
0.0023
0.0537
-0.0203
-0.1176
-0.1185
-0.0286
-0.1924
-0.1381
0.2631
-0.0286
-0.5012
-0.3851
0.2890
0.4208
-0.4475
-0.0992
0.3694
-0.0223
-0.0838
-0.2206
-0.2530
-0.0952
0.0668
-0.2239
-0.0209
-0.2652
-0.0361
-0.0595
-0.3136
-0.2329
-0.1948
0.0073
-0.1992
-0.1409
-0.3469
0.0146
-0.1294
-0.6367
-0.2820
-0.5154
-0.0792
-0.5218
-0.4996
-0.5568
-0.0544
-0.4724
0.6973
-0.0289
0.1468
0.0258
0.2684
-0.2123
-0.0633
-0.0292
0.2385
0.1565
0.0513
-0.0272
0.2894
-0.1291
-0.1462
-0.2071
0.1766
-0.0934
0.1751
-0.0947
0.7213
-0.7590
0.8951
0.0028
0.5425
-0.1709
0.5108
-0.3404
-0.2236
0.1404
0.1252
0.1373
0.0899
-0.1227
0.2916
-0.7360
0.0443
-0.2978
0.4190
0.5940
-0.1036
0.0147
-0.1844
0.1966
-0.1955
0.0426
0.3951
0.2951
0.0368
0.7331
0.4604
0.3046
0.2193
0.6323
0.0894
0.4124
0.1365
-0.0053
0.0083
0.4087
0.4944
-0.0667
-0.0460
-0.3185
-0.0859
0.1608
-0.0132
0.1629
-0.0224
-0.0617
-0.2397
0.2109
0.2242
0.1383
0.4941
0.1282
-0.0509
0.4279
-0.0211
0.2140
0.7206
110
Expected Return Model CAPM PNBN 0.1888 -0.0034 0.1813 0.0255 -0.1466 -0.0417 0.4123 0.0887 -0.0413 0.0337 0.0732 0.1328 -0.0330 0.0080 -0.1677 0.1625 -0.1767 0.2586 0.1958 -0.0846 0.0344 0.0277 0.5034 0.8698 -0.0737 0.1240 -0.0284 -0.0731 0.0550 0.4816 0.1208 0.0533 -0.1830 -0.3064 -0.0057 0.1320 -0.5146 0.2071 0.4425 0.1038 -0.0228 0.0550 0.1607
SMCB 0.2431 0.0002 -0.0142 0.0263 -0.1738 -0.0111 -0.1995 -0.2787 0.0205 0.0276 -0.3549 0.6171 -0.0233 -0.0121 -0.1338 0.0636 0.0190 2.0102 0.0061 -0.0220 0.0901 0.2254 -0.5945 1.6000 -0.0880 -0.4606 -0.1432 -0.2184 0.1496 -0.0032 0.0405 -0.0273 -0.2869 -0.5530 -0.0687 0.6409 -0.5759 0.0226 -0.1481 0.3016 0.4425 0.0463 0.7134
TLKM 0.0809 -0.0015 0.1361 0.0987 -0.0700 0.0049 -0.0274 0.0775 0.0823 0.0283 0.3298 -0.0278 -0.0222 0.0230 0.2034 0.0666 -0.3215 0.1195 0.1718 -0.0381 -0.0001 -0.0439 0.3950 -0.4376 -0.0640 0.1165 -0.0234 -0.0730 -0.0269 -0.1109 0.1248 0.0538 -0.0977 -0.2155 0.1770 0.2434 -0.4819 -0.1046 0.3283 -0.0333 -0.0738 -0.1041 0.4383
PTBA 0.0377 -0.0012 -0.0913 0.4923 0.0208 -0.0415 -0.1240 -0.1037 -0.2892 0.0257 -0.3839 0.0196 -0.0084 -0.0253 -0.0753 0.0856 0.8198 1.7660 -0.1102 -0.1421 0.1036 0.3840 -1.1849 -6.2702 -0.0693 -0.1804 -0.1553 -0.0037 0.2365 0.1177 -0.3569 0.0244 -0.4085 -0.5016 0.4026 -0.1294 -0.0472 0.0192 -0.3290 0.4845 0.1371 -0.1642 0.2606
UNTR -0.0094 -0.0010 0.1189 0.2030 -0.0532 -0.0182 -0.0589 -0.0884 -0.0632 0.0340 -0.2333 -0.1534 -0.0311 -0.0187 0.0185 0.0267 -0.2949 0.4205 -0.0367 -0.0782 -0.0480 0.3490 0.0850 -6.7392 0.0801 -0.1537 -0.0824 -0.0642 0.1330 -0.2318 -0.1400 -0.1222 -0.1113 -0.8078 0.4371 0.0740 0.3318 -0.1472 0.3975 0.3921 0.0925 -0.2411 0.6546
BBNI
BBRI
BLTA
BMRI
-0.0205 -0.0027 0.0156 0.0421 -0.1049 -0.0351 -0.2602 0.3724 2.2251 0.0271 -0.5669 -0.3309 -0.0256 0.0179 -0.0865 0.2861 0.2986 -0.4089 -0.0771 -0.1701 -0.0046 -0.0411 0.4536 3.5646 -0.0856 -0.2237 -0.1595 -0.1261 0.0433 -0.0404 0.3636 -0.1437 -0.2480 -0.5334 0.1728 0.2790 0.3423 0.0649 -0.0601 1.0784 0.2597 0.0654 0.1578
0.1452 -0.0025 0.2391 0.1935 -0.1346 -0.0014 0.0431 -0.0676 0.2064 0.0271 0.0790 -0.2717 -0.0334 0.0661 0.0591 0.0131 0.3735 -0.8770 0.0801 -0.0325 0.0368 0.1752 0.1000 -6.9699 -0.0533 -0.0101 -0.1283 -0.0629 -0.0001 -0.1580 0.3443 -0.0488 -0.0827 -0.3865 -0.0319 0.4930 -0.2232 0.2106 0.1494 0.4983 0.0551 -0.1371 0.3176
0.1314 0.0041 0.0170 0.1845 0.0588 -0.024 0.0668 0.2328 0.0921 0.0177 -0.271 -0.0764 -0.0256 -0.0657 0.1359 0.0874 -0.1532 0.3301 -0.1707 -0.1359 0.3398 0.1279 0.1145 6.6964 -0.0791 0.0858 -0.1367 -0.0031 0.0373 -0.0717 -0.0019 -0.0519 -0.2366 -0.5572 -0.5417 0.4284 -0.8353 -0.1987 0.0065 0.3162 0.2874 -0.0242 -0.1142
0.0825 -0.0035 0.0154 0.1294 -0.1182 -0.0082 -0.0524 0.3713 0.1432 0.0451 -0.1107 -0.0035 -0.0132 0.0628 0.0844 0.2567 0.0532 -0.7137 0.1298 -0.0813 0.0734 0.0475 0.3967 -3.9600 -0.0523 -0.1422 -0.0573 -0.0895 0.0203 -0.1382 0.2491 -0.0613 -0.0694 -0.4549 -0.0910 0.5114 -0.6240 -0.0060 0.4051 0.3232 0.0462 -0.0059 0.7319
111
Expected Return Model CAPM BNBR
0.0973 -0.0013 0.4039 -0.0239 -0.0286 -0.0456 0.4846 -0.1625 -0.4045 0.0316 -0.5318 0.5279 -0.0460 -0.0593 -0.0080 0.3410 0.6649 -0.3864 -0.0063 -0.0982 0.1262 0.0363 0.3629 -3.2030 0.0066 0.3129 0.3858 -0.0119 0.0474 0.0136 -0.4154 -0.1420 -0.2944 -0.4356 -1.0630 -0.3064 -0.1623 -0.0951 -0.1018 1.0341 0.0175 -0.0815 0.3643
BNII
-0.0028 -0.0030 0.0450 0.1513 -0.0566 -0.0059 -0.2847 -0.0534 -0.0198 0.0320 0.2041 -0.0910 -0.0198 0.0911 -0.1403 -0.0777 -0.0605 -1.0234 0.0252 0.0087 0.1792 0.0875 -0.0190 1.8272 -0.0003 0.2786 0.2812 -0.0314 0.0202 -0.0049 -0.0277 -0.0099 -0.3468 0.7304 0.0833 -0.4805 -0.5514 0.1159 0.0101 0.6085 -0.1989 -0.2812 0.2321
BUMI 0.1145 -0.0021 0.0397 -0.0370 -0.1043 -0.0395 0.1302 -0.3797 -0.2384 0.0300 -0.0531 0.1756 -0.0561 -0.0905 0.1148 -0.0058 0.6258 2.1366 0.2069 -0.0739 0.4905 0.3604 -0.7650 0.5734 0.0031 0.4302 -0.1990 0.0280 0.1410 0.0085 -0.3428 -0.2194 -0.4535 -0.3511 -1.0285 -1.6910 -1.9972 -0.8889 -0.0113 1.1618 0.3209 -0.2996 1.1795
ELTY
KIJA
PGAS
SMGR
TINS
AQUA
-0.1271 -0.0407 0.2941 0.0946 -0.0418 0.5250 -0.0027 0.0036 0.0026 0.0028 -0.0011 -0.0061 0.0615 0.3456 0.0341 0.0876 -0.1335 0.1450 0.0086 0.1002 0.2823 0.0508 0.1429 -0.0475 -0.0317 -0.1870 -0.0310 -0.1700 -0.2102 0.0436 -0.0689 0.0132 -0.0322 0.0090 -0.0586 -0.0159 0.0380 -0.1320 0.1498 0.1409 -0.3776 -0.1883 -0.1702 -0.2018 0.1158 -0.1332 -0.2453 -0.1367 -0.4997 -0.1563 -0.2516 0.0247 -0.2692 -0.1938 0.0246 0.0232 0.0233 0.0344 0.0592 0.0260 -0.4594 -0.0392 -0.2160 0.0875 -0.3877 0.0750 1.2625 0.6658 0.1281 0.2877 2.7664 0.1921 -0.0332 -0.0397 -0.0051 -0.0352 -0.1308 -0.0407 -0.1001 -0.0693 0.0120 -0.0181 -0.1344 -0.0576 -0.2155 0.4908 0.0579 -0.0343 0.3621 -0.1273 -0.0116 -0.1814 0.1444 -0.0895 -0.0954 -0.0508 0.7548 0.3584 -0.1277 0.2538 -0.3427 -0.1394 -0.0746 -0.7213 -0.9034 1.5299 -0.4113 -0.4112 0.6846 0.3110 -0.0831 -0.0564 0.1001 -0.0940 -0.1736 -0.1398 0.0581 -0.0687 -0.1489 -0.0337 0.4010 0.3728 0.2275 0.0510 -0.0068 -0.2585 0.0735 -0.2231 0.1819 0.1644 0.4713 -0.0475 0.0806 0.9480 -0.8502 0.3227 -0.8687 -0.5998 -3.1243 13.6716 -8.9031 -8.0032 5.6460 -3.3977 -0.0371 -0.1343 -0.0819 -0.0322 -0.0508 -0.0303 0.0738 -0.1953 0.0454 -0.2352 0.1310 -0.1206 -0.2305 -0.2041 0.0129 -0.0747 -0.1604 -0.2227 -0.2258 -0.1841 -0.1188 -0.1443 0.0260 0.1690 0.0339 0.2345 0.1287 0.0399 0.0183 0.0099 -0.2198 -0.1332 -0.0693 -0.1246 0.0676 -0.0012 0.0828 0.0871 -0.0772 0.0355 -0.3516 0.0031 -0.1140 -0.1215 -0.8322 -0.0228 -0.2690 -0.0154 -0.3685 -0.2356 -0.1370 -0.1679 -0.4272 -0.0128 -0.8224 -0.4645 -0.3568 -0.0833 -0.3771 0.0665 -0.0944 -0.1028 0.5962 0.1372 -0.2729 -0.0234 -0.1753 -0.0674 -0.0251 0.3860 -0.1118 -0.0883 -0.9766 -0.1887 0.6202 -0.9049 -0.3786 -0.2892 -0.5239 -0.0848 0.1097 -0.0844 0.0486 -0.1856 0.0201 -0.1155 0.1962 0.0054 -0.2339 -0.1427 1.3555 0.7300 0.2476 0.0338 0.3449 -0.1029 0.8539 0.3310 0.1079 0.1216 0.3491 0.0961 -0.2084 -0.0106 0.1059 -0.0550 -0.2125 1.1551 0.3759 0.5331 0.2379 0.4550 -0.1515 -0.1356
112
Expected Return Model APT AALI
ANTM
ASII
BBCA
INCO
INDF
INKP
ISAT
KLBF
0.0064
-0.1540
-0.0613
0.0145
-0.0663
-0.0744
-0.0223
0.0088
-0.0082
0.0177
-0.0782
0.0214
0.0574
-0.0127
-0.0174
-0.0745
0.0046
0.0365
0.0243
-0.0336
0.0702
0.0826
0.0190
0.0161
-0.1053
0.0021
0.0629
0.0200
-0.0628
0.0383
0.0661
-0.0017
-0.0058
-0.0852
0.0038
0.0457
0.0412
-0.0049
0.0241
0.0154
0.0275
0.0177
0.0227
0.0052
0.0162
0.0199
-0.0660
0.0321
0.0614
-0.0044
-0.0089
-0.0778
0.0041
0.0415
0.0447
0.0121
0.0367
0.0186
0.0386
0.0289
0.0223
0.0046
0.0214
0.0463
0.0157
0.0338
0.0133
0.0401
0.0299
0.0328
0.0048
0.0179
0.0503
0.0287
0.0359
0.0075
0.0475
0.0365
0.0470
0.0048
0.0156
0.0747
0.1961
0.2207
0.1045
0.1663
0.1629
-0.0725
-0.0046
0.1163
0.0593
0.0800
0.0827
0.0267
0.0824
0.0727
0.0291
0.0025
0.0384
0.0169
-0.1193
-0.0560
-0.0009
-0.0467
-0.0567
0.0159
0.0088
-0.0145
0.0561
0.0450
0.0325
-0.0061
0.0558
0.0433
0.0761
0.0052
0.0078
0.0582
0.0539
0.0376
-0.0060
0.0614
0.0488
0.0787
0.0050
0.0093
0.0563
0.0370
0.0152
-0.0198
0.0488
0.0351
0.0979
0.0062
-0.0040
0.0599
0.0598
0.0390
-0.0080
0.0648
0.0519
0.0842
0.0050
0.0087
0.0342
-0.0161
0.0445
0.0443
0.0246
0.0177
-0.0319
0.0039
0.0365
0.0348
-0.0151
0.0429
0.0419
0.0248
0.0178
-0.0275
0.0040
0.0348
0.0314
-0.0407
0.0122
0.0245
0.0063
-0.0022
-0.0046
0.0055
0.0174
0.0583
0.0363
0.0015
-0.0342
0.0463
0.0312
0.1231
0.0070
-0.0150
0.0589
0.0390
0.0038
-0.0334
0.0482
0.0331
0.1226
0.0069
-0.0140
0.0626
0.0638
0.0301
-0.0201
0.0656
0.0515
0.1069
0.0055
0.0001
0.0635
0.0689
0.0351
-0.0179
0.0691
0.0552
0.1045
0.0053
0.0026
0.0353
-0.0176
0.0348
0.0347
0.0223
0.0145
-0.0154
0.0044
0.0289
0.0582
0.0289
-0.0125
-0.0447
0.0402
0.0241
0.1395
0.0077
-0.0243
0.0636
0.0640
0.0247
-0.0261
0.0649
0.0502
0.1175
0.0059
-0.0045
0.0302
-0.0538
-0.0062
0.0127
-0.0036
-0.0131
0.0122
0.0065
0.0063
0.0595
0.0360
-0.0063
-0.0424
0.0450
0.0290
0.1376
0.0074
-0.0214
0.0558
0.0143
-0.0272
-0.0517
0.0300
0.0134
0.1473
0.0085
-0.0319
0.0593
0.0411
0.0054
-0.0329
0.0496
0.0345
0.1224
0.0068
-0.0133
0.0277
-0.0569
0.0027
0.0241
-0.0039
-0.0122
-0.0090
0.0059
0.0146
0.0307
-0.0334
0.0310
0.0403
0.0131
0.0061
-0.0303
0.0045
0.0307
0.0286
-0.0448
0.0213
0.0368
0.0055
-0.0017
-0.0277
0.0049
0.0262
0.0569
0.0499
0.0377
-0.0035
0.0592
0.0469
0.0731
0.0049
0.0105
0.0245
-0.0517
0.0327
0.0534
0.0034
-0.0021
-0.0591
0.0042
0.0377
0.0573
0.0549
0.0454
0.0018
0.0631
0.0513
0.0654
0.0045
0.0154
0.0657
0.1006
0.0851
0.0167
0.0940
0.0830
0.0532
0.0026
0.0340
0.0650
0.0799
0.0478
-0.0109
0.0770
0.0636
0.0955
0.0046
0.0097
0.0676
0.0905
0.0534
-0.0114
0.0836
0.0701
0.0997
0.0044
0.0110
0.0696
0.0963
0.0525
-0.0158
0.0866
0.0725
0.1094
0.0045
0.0085
0.0741
0.1265
0.0853
0.0011
0.1080
0.0952
0.0889
0.0029
0.0263
0.0866
0.2025
0.1605
0.0357
0.1606
0.1503
0.0513
-0.0009
0.0648
0.0509
0.0708
0.1163
0.0685
0.0825
0.0770
-0.0478
0.0004
0.0688
113
Expected Return Model APT PNBN
PTBA
UNTR
BBNI
BLTA
BMRI
0.0060
SMCB 0.0139
TLKM 0.0197
0.0492
-0.0014
-0.0633
BBRI 0.0118
-0.0043
-0.0275
0.0170
0.0384
0.0515
0.0538
0.0356
-0.0070
0.0458
-0.0150
0.0335
0.0235
0.0528
0.0702
0.0566
0.0574
0.0262
0.0658
-0.0214
0.0695
0.0193
0.0434
0.0580
0.0548
0.0431
0.0045
0.0527
-0.0173
0.0460
0.0182
0.0384
0.0171
0.0619
0.0406
0.0160
0.0285
0.0055
0.0250
0.0185
0.0415
0.0544
0.0547
0.0405
0.0010
0.0495
-0.0157
0.0410
0.0199
0.0420
0.0192
0.0632
0.0466
0.0262
0.0323
0.0055
0.0335
0.0196
0.0411
0.0150
0.0638
0.0457
0.0262
0.0295
0.0077
0.0305
0.0200
0.0416
0.0102
0.0651
0.0472
0.0309
0.0275
0.0107
0.0304
0.0446
0.0964
0.0823
0.0754
0.1298
0.1561
0.1039
-0.0139
0.1670
0.0263
0.0554
0.0241
0.0687
0.0686
0.0653
0.0446
0.0071
0.0637
0.0071
0.0151
0.0069
0.0528
0.0026
-0.0508
0.0063
0.0038
-0.0279
0.0198
0.0404
-0.0007
0.0671
0.0467
0.0344
0.0211
0.0169
0.0250
0.0205
0.0419
-0.0008
0.0679
0.0493
0.0391
0.0221
0.0174
0.0282
0.0175
0.0352
-0.0113
0.0670
0.0394
0.0250
0.0120
0.0214
0.0111
0.0207
0.0422
-0.0026
0.0684
0.0502
0.0415
0.0215
0.0186
0.0286
0.0206
0.0447
0.0399
0.0597
0.0482
0.0210
0.0447
-0.0060
0.0445
0.0204
0.0442
0.0381
0.0599
0.0476
0.0206
0.0433
-0.0050
0.0430
0.0163
0.0351
0.0250
0.0584
0.0340
0.0005
0.0301
-0.0003
0.0200
0.0158
0.0310
-0.0225
0.0675
0.0340
0.0192
0.0033
0.0267
-0.0007
0.0161
0.0316
-0.0219
0.0677
0.0350
0.0209
0.0040
0.0266
0.0008
0.0197
0.0394
-0.0121
0.0693
0.0468
0.0390
0.0147
0.0234
0.0202
0.0203
0.0409
-0.0105
0.0696
0.0491
0.0426
0.0166
0.0229
0.0238
0.0193
0.0418
0.0324
0.0600
0.0442
0.0166
0.0387
-0.0025
0.0362
0.0140
0.0268
-0.0306
0.0674
0.0280
0.0113
-0.0039
0.0302
-0.0119
0.0190
0.0378
-0.0168
0.0696
0.0447
0.0369
0.0111
0.0256
0.0154
0.0139
0.0296
0.0161
0.0578
0.0259
-0.0109
0.0216
0.0032
0.0059
0.0149
0.0286
-0.0289
0.0679
0.0308
0.0159
-0.0017
0.0298
-0.0075
0.0121
0.0224
-0.0357
0.0664
0.0214
0.0009
-0.0096
0.0317
-0.0225
0.0164
0.0321
-0.0216
0.0679
0.0358
0.0222
0.0046
0.0266
0.0020
0.0150
0.0324
0.0251
0.0571
0.0293
-0.0082
0.0281
-0.0012
0.0141
0.0187
0.0408
0.0372
0.0584
0.0418
0.0103
0.0404
-0.0057
0.0353
0.0174
0.0380
0.0347
0.0576
0.0374
0.0030
0.0371
-0.0051
0.0285
0.0204
0.0419
0.0012
0.0674
0.0491
0.0379
0.0232
0.0163
0.0288
0.0187
0.0415
0.0478
0.0563
0.0415
0.0055
0.0462
-0.0118
0.0395
0.0214
0.0442
0.0052
0.0676
0.0524
0.0426
0.0269
0.0146
0.0348
0.0268
0.0559
0.0158
0.0709
0.0707
0.0724
0.0408
0.0122
0.0628
0.0220
0.0447
-0.0053
0.0703
0.0547
0.0511
0.0220
0.0210
0.0333
0.0228
0.0463
-0.0059
0.0712
0.0576
0.0565
0.0229
0.0219
0.0366
0.0228
0.0459
-0.0095
0.0719
0.0575
0.0579
0.0208
0.0240
0.0349
0.0272
0.0557
0.0031
0.0738
0.0722
0.0803
0.0343
0.0198
0.0591
0.0372
0.0778
0.0284
0.0788
0.1062
0.1336
0.0633
0.0121
0.1136
0.0303
0.0658
0.0569
0.0661
0.0814
0.0761
0.0687
-0.0091
0.0943
114
Expected Return Model APT BNBR
BNII
BUMI
ELTY
TINS
AQUA
-0.0207
0.0333
-0.0713
-0.0251
KIJA 0.0261
PGAS -0.0047
SMGR 0.0337
0.0240
-0.0278
-0.0288
0.0218
-0.0759
-0.0027
0.0595
-0.0080
0.0731
0.0073
0.0046
-0.0335
0.0150
-0.0786
0.0104
0.0791
-0.0099
0.0963
-0.0025
0.0238
-0.0304
0.0195
-0.0768
0.0018
0.0663
-0.0086
0.0811
0.0039
0.0113
0.0121
0.0332
0.0382
0.0399
0.0286
0.0083
0.0365
0.0705
0.0293
-0.0284
0.0207
-0.0725
0.0016
0.0627
-0.0078
0.0769
0.0074
0.0097
0.0140
0.0323
0.0463
0.0465
0.0313
0.0091
0.0396
0.0728
0.0360
0.0179
0.0338
0.0565
0.0494
0.0273
0.0107
0.0349
0.0791
0.0370
0.0242
0.0353
0.0743
0.0566
0.0231
0.0131
0.0300
0.0886
0.0415
0.0050
0.0093
0.0609
0.1053
0.0987
0.0054
0.1191
0.0495
0.1133
0.0244
0.0302
0.0851
0.0741
0.0383
0.0132
0.0478
0.0866
0.0626
-0.0039
0.0375
-0.0236
-0.0060
0.0148
0.0020
0.0204
0.0497
-0.0158
0.0357
0.0390
0.1057
0.0671
0.0130
0.0178
0.0180
0.1067
0.0466
0.0377
0.0390
0.1121
0.0710
0.0133
0.0185
0.0182
0.1094
0.0500
0.0420
0.0427
0.1192
0.0670
0.0026
0.0202
0.0056
0.1172
0.0424
0.0402
0.0395
0.1194
0.0740
0.0118
0.0195
0.0165
0.1132
0.0521
-0.0072
0.0254
-0.0111
0.0277
0.0504
0.0006
0.0622
0.0395
0.0273
-0.0056
0.0260
-0.0070
0.0288
0.0486
0.0012
0.0601
0.0420
0.0275
-0.0012
0.0307
-0.0013
0.0219
0.0351
0.0030
0.0442
0.0505
0.0163
0.0502
0.0466
0.1391
0.0704
-0.0083
0.0235
-0.0072
0.1306
0.0410
0.0503
0.0464
0.1400
0.0714
-0.0077
0.0236
-0.0065
0.1308
0.0421
0.0481
0.0428
0.1396
0.0788
0.0027
0.0227
0.0057
0.1260
0.0526
0.0480
0.0422
0.1402
0.0805
0.0044
0.0226
0.0078
0.1255
0.0547
-0.0020
0.0280
0.0014
0.0295
0.0431
0.0027
0.0536
0.0482
0.0260
0.0547
0.0494
0.1486
0.0698
-0.0164
0.0253
-0.0168
0.1383
0.0373
0.0517
0.0444
0.1483
0.0805
-0.0019
0.0241
0.0003
0.1318
0.0522
0.0027
0.0339
0.0057
0.0192
0.0260
0.0046
0.0335
0.0575
0.0103
0.0549
0.0488
0.1506
0.0723
-0.0145
0.0254
-0.0146
0.1384
0.0402
0.0555
0.0513
0.1476
0.0652
-0.0218
0.0257
-0.0232
0.1403
0.0312
0.0505
0.0462
0.1409
0.0722
-0.0073
0.0237
-0.0060
0.1310
0.0429
-0.0046
0.0308
-0.0128
0.0150
0.0346
0.0017
0.0437
0.0457
0.0101
-0.0088
0.0264
-0.0184
0.0211
0.0471
0.0000
0.0584
0.0378
0.0204
-0.0093
0.0274
-0.0219
0.0171
0.0443
-0.0002
0.0552
0.0375
0.0158
0.0353
0.0383
0.1056
0.0686
0.0151
0.0176
0.0204
0.1058
0.0486
-0.0205
0.0229
-0.0505
0.0099
0.0568
-0.0047
0.0699
0.0196
0.0145
0.0334
0.0369
0.1019
0.0695
0.0191
0.0168
0.0252
0.1024
0.0510
0.0349
0.0329
0.1147
0.0857
0.0310
0.0174
0.0391
0.1027
0.0697
0.0463
0.0403
0.1384
0.0835
0.0099
0.0220
0.0142
0.1223
0.0595
0.0490
0.0404
0.1470
0.0883
0.0096
0.0231
0.0139
0.1262
0.0635
0.0529
0.0417
0.1576
0.0920
0.0063
0.0246
0.0100
0.1323
0.0654
0.0498
0.0371
0.1560
0.1009
0.0195
0.0234
0.0255
0.1258
0.0783
0.0466
0.0278
0.1633
0.1254
0.0467
0.0220
0.0575
0.1169
0.1101
-0.0020
0.0189
0.0189
0.0596
0.0698
0.0027
0.0851
0.0440
0.0625
115
Uji Normal Kolmogorov-Smirnov Model CAPM One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual AALI 43 -.0000002 .25661974 .148 .148 -.116
residual ANTM 43 -.0000002 .31097826 .215 .119 -.215
residual ASII 43 .0000000 .14876623 .174 .174 -.105
residual BBCA 43 .0000000 .18105791 .235 .151 -.235
residual INCO 43 .0000000 .19704264 .168 .168 -.095
.969
1.412
1.142
1.539
1.105
.304
.037
.147
.018
.174
a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model CAPM One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual INDF 43 .0000000 .1592840 .135 .135 -.062
residual INKP 43 -.0000001 .2063952 .169 .169 -.117
residual ISAT 43 .0000000 .1315089 .104 .095 -.104
residual KLBF 43 .0000001 .1984872 .142 .119 -.142
residual PNBN 43 -.0000001 .16432267 .130 .130 -.111
.885
1.106
.684
.933
.850
.414
.173
.738
.349
.466
a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model CAPM One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual BBRI 43 .0000000 .13728934 .129 .129 -.088
residuak BLTA 43 .0000000 .21608799 .230 .147 -.230
residual bmri 43 .0000000 .17127947 .153 .153 -.149
residual BNBR 43 .0000002 .34058540 .135 .126 -.135
residual BNII 43 .0000000 .1918441 .161 .161 -.106
.843
1.507
1.005
.885
1.054
.476
.021
.265
.414
.217
a. Test distribution is Normal. b. Calculated from data.
116
Uji Normal Kolmogorov-Smirnov Model CAPM One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b
Mean Std. Deviation Absolute Positive Negative
Most Extreme Differences
residual BUMI 43 .0000002 .45066545 .172 .124 -.172
residual ELTY 43 .0000000 .24905118 .097 .097 -.069
residual KIJA 43 .0000007 .26340070 .179 .080 -.179
residual PGAS 43 .0000000 .32450613 .231 .231 -.202
residual SMGR 43 .0000000 .16096732 .150 .126 -.150
1.128
.634
1.171
1.513
.982
.157
.816
.129
.021
.290
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model CAPM One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b Most Extreme Differences
residual AQUA 43 .0000000 .20909331 .243 .243 -.123 1.591 .013
residual TINS 43 .0000005 .32956566 .170 .170 -.142 1.117 .165
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model APT One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual AALI 43 .0000000 .16598126 .130 .103 -.130
residual ANTM 43 -.0000001 .20779103 .088 .066 -.088
residual ASII 43 .0000000 .13890711 .087 .073 -.087
residual BBCA 43 .0000000 .12411641 .125 .121 -.125
residual INCO 43 .0000001 .17470275 .108 .108 -.085
.854
.575
.573
.818
.708
.459
.896
.897
.515
.699
a. Test distribution is Normal. b. Calculated from data.
117
Uji Normal Kolmogorov-Smirnov Model APT One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual INDF 43 .0000000 .14698469 .105 .105 -.077
residual INKP 43 .0000002 .25275790 .193 .193 -.122
residual ISAT 43 .0000000 .10177268 .090 .079 -.090
residual KLBF 43 .0000000 .15144506 .145 .145 -.130
residual PNBN 43 .0000000 .12168394 .108 .082 -.108
.688
1.264
.592
.952
.706
.732
.082
.875
.325
.700
a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model APT One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual SMCB 43 .0000000 .17463349 .133 .133 -.087
residual TLKM 43 .0000000 .08806529 .079 .079 -.065
residual PTBA 43 .0000000 .18294914 .119 .119 -.093
residual UNTR 43 .0000000 .16013097 .166 .132 -.166
residual BBNI 43 .0000001 .21305797 .157 .157 -.139
.872
.517
.783
1.086
1.028
.433
.952
.571
.189
.242
a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model APT
118
One-Sample Kolmogorov-Smirnov Test
N Normal Parameters a,b
Mean Std. Deviation Absolute Positive Negative
Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual BBRI 43 .0000000 .13243096 .078 .074 -.078
residuak BLTA 43 .0000000 .15715434 .101 .099 -.101
residual bmri 43 .0000000 .13535790 .103 .103 -.096
residual BNBR 43 .0000000 .20824199 .154 .154 -.140
residual BNII 43 .0000000 .1490379 .156 .156 -.108
.511
.663
.677
1.010
1.026
.957
.772
.750
.260
.243
a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model APT One-Sample Kolmogorov-Smirnov Test residual residual residual residual residual BUMI ELTY KIJA PGAS SMGR N 43 43 43 43 43 a,b Normal Parameters Mean .0000000 .0000000 .0000000 -.0000001 .0000000 Std. Deviation .24102942 26740257 8931959 18352064 10141779 Most Extreme Absolute .094 .187 .108 .139 .096 Differences Positive .070 .187 .108 .087 .053 Negative -.094 -.095 -.054 -.139 -.096 Kolmogorov-Smirnov Z .616 1.229 .706 .914 .630 Asymp. Sig. (2-tailed)
.842
.098
.701
.374
.823
a. Test distribution is Normal. b. Calculated from data.
Uji Normal Kolmogorov-Smirnov Model APT
119
One-Sample Kolmogorov-Smirnov Test
N a,b Normal Parameters Mean Std. Deviation Most Extreme Absolute Differences Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
residual residual TINS AQUA 43 43 .0000001 .0000000 .23873235 12746655 .173 .228 .173 .228 -.102 -.193 1.134 1.494 .153 .023
a. Test distribution is Normal. b. Calculated from data.
Autokorelasi Model CAPM No
Nama Perusahaan
Kode
du
D-W
4-du
1
Astra Agro Lestari Tbk
AALI
1.100
1.884
2.900
2
Aneka Tambang (Persero) Tbk
ANTM
1.100
1.703
2.900
3
Astra Internasional Tbk
ASII
1.100
2.413
2.900
4
Bank Central Asia Tbk
BBCA
1.100
2.323
2.900
5
International Nickel Ind. Tbk
INCO
1.100
2.071
2.900
6
Indofood Sukses Makmur Tbk
INDF
1.100
2.315
2.900
7
Indal Kiat Pulp & Paper Tbk
INKP
1.100
2.057
2.900
8
Indosat Tbk
ISAT
1.100
2.069
2.900
9
Kalbe Farma Tbk
KLBF
1.100
2.382
2.900
10
Bank Pan Indonesia Tbk
PNBN
1.100
2.236
2.900
11
Semen Cibinong Tbk
SMCB
1.100
2.447
2.900
12
Telekomunikasi Indonesia Tbk
TLKM
1.100
1.884
2.900
120
13
Tambang Batubara Bukit Asam Tbk
PTBA
1.100
2.573
2.900
14
United Tractors Tbk
UNTR
1.100
2.396
2.900
15
Bank Negara Indonesia Tbk
BBNI
1.100
1.727
2.900
16
Bank Rakyat Indonesia Tbk
BBRI
1.100
2.644
2.900
17
Berlian Laju Tanker Tbk
BLTA
1.100
2.310
2.900
18
Bank Mandiri Tbk
BMRI
1.100
1.869
2.900
19
Bakrie & Brothers Tbk
BNBR
1.100
2.018
2.900
20
Bank Internasional Indonesia
BNII
1.100
2.301
2.900
21
Bumi Resources Tbk
BUMI
1.100
1.172
2.900
22
Bakrieland Development Tbk
ELTY
1.100
2.219
2.900
23
Kawasan industri Jababeka Tbk
KIJA
1.100
2.097
2.900
24
Perusahaan Gas Negara Tbk
PGAS
1.100
2.256
2.900
25
Semen Gresik Tbk
SMGR
1.100
2.150
2.900
26
Timah Tbk
TINS
1.100
1.541
2.900
27
Aqua Misissi Tbk
AQUA
1.100
2.424
2.900
Autokorelasi Model APT No
Nama Perusahaan
Kode
du
D-W
4-du
1
Astra Agro Lestari Tbk
AALI
1.100
1.884
2.900
2
Aneka Tambang (Persero) Tbk
ANTM
1.100
1.703
2.900
3
Astra Internasional Tbk
ASII
1.100
2.413
2.900
4
Bank Central Asia Tbk
BBCA
1.100
2.323
2.900
5
International Nickel Ind. Tbk
INCO
1.100
2.071
2.900
6
Indofood Sukses Makmur Tbk
INDF
1.100
2.315
2.900
7
Indal Kiat Pulp & Paper Tbk
INKP
1.100
2.057
2.900
8
Indosat Tbk
ISAT
1.100
2.069
2.900
9
Kalbe Farma Tbk
KLBF
1.100
2.382
2.900
10
Bank Pan Indonesia Tbk
PNBN
1.100
2.236
2.900
11
Semen Cibinong Tbk
SMCB
1.100
2.447
2.900
121
12
Telekomunikasi Indonesia Tbk
TLKM
1.100
1.884
2.900
13
Tambang Batubara Bukit Asam Tbk
PTBA
1.100
2.573
2.900
14
United Tractors Tbk
UNTR
1.100
2.396
2.900
15
Bank Negara Indonesia Tbk
BBNI
1.100
1.727
2.900
16
Bank Rakyat Indonesia Tbk
BBRI
1.100
2.644
2.900
17
Berlian Laju Tanker Tbk
BLTA
1.100
2.310
2.900
18
Bank Mandiri Tbk
BMRI
1.100
1.869
2.900
19
Bakrie & Brothers Tbk
BNBR
1.100
2.018
2.900
20
Bank Internasional Indonesia
BNII
1.100
2.301
2.900
21
Bumi Resources Tbk
BUMI
1.100
1.172
2.900
22
Bakrieland Development Tbk
ELTY
1.100
2.219
2.900
23
Kawasan industri Jababeka Tbk
KIJA
1.100
2.097
2.900
24
Perusahaan Gas Negara Tbk
PGAS
1.100
2.256
2.900
25
Semen Gresik Tbk
SMGR
1.100
2.150
2.900
26
Timah Tbk
TINS
1.100
1.541
2.900
27
Aqua Misissi Tbk
AQUA
1.100
2.424
2.900
Analisis Factor Model APT KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity
Approx. Chi-Square df Sig.
.483 90.969 6 .000
Communalities kurs inflasi sbi uang beredar
Initial 1.000 1.000 1.000 1.000
Extraction .884 .894 .934 .840
Extraction Method: Principal Component Analysis.
122
Total Variance Explained
Compo nent 1 2 3 4
Initial Eigenvalues % of Cumula Total Variance tive % 2.393 59.831 59.831 1.159 28.967 88.798 .340 8.500 97.298 .108 2.702 100.000
Extraction Sums of Squared Loadings % of Cumula Total Variance tive % 2.393 59.831 59.831 1.159 28.967 88.798
Rotation Sums of Squared Loadings % of Cumula Total Variance tive % 1.944 48.600 48.600 1.608 40.198 88.798
Extraction Method: Principal Component Analysis.
Scree Plot 3.0
2.5
Eigenvalue
2.0
1.5
1.0
.5 0.0 1
2
3
4
Component Number
Component Matrixa Component 1 2 -.554 .760 .793 .514 .884 .392 -.822 .405
kurs inflasi sbi uang beredar
Extraction Method: Principal Component Analysis. a. 2 components extracted.
Rotated Component Matrixa Component 2 .017 .940 .943 -.069 .941 -.221 -.412 .819
1 kurs inflasi sbi uang beredar
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.
123
ARIMA Model APT
124
125
126
