PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE...

208
i PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE INDEX MODEL DAN MENGANALISIS PENGARUH FAMA- FRENCH THREE FACTOR MODEL TERHADAP RETURN SAHAM (Studi pada Indeks SRI-KEHATI Periode 2013-2017) Skripsi Diajukan untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Ekonomi (S.E) Oleh Intan Rachmasari Rahardja NIM 11140810000074 JURUSAN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1439 H / 2018 M

Transcript of PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE...

Page 1: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

i

PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE

INDEX MODEL DAN MENGANALISIS PENGARUH FAMA-

FRENCH THREE FACTOR MODEL TERHADAP RETURN

SAHAM

(Studi pada Indeks SRI-KEHATI Periode 2013-2017)

Skripsi

Diajukan untuk Memenuhi Persyaratan Memperoleh

Gelar Sarjana Ekonomi (S.E)

Oleh

Intan Rachmasari Rahardja

NIM 11140810000074

JURUSAN MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA 1439 H / 2018 M

Page 2: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

ii

PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE

INDEX MODEL DAN MENGANALISIS PENGARUH FAMA-

FRENCH THREE FACTOR MODEL TERHADAP RETURN

SAHAM

(Studi pada Indeks SRI-KEHATI Periode 2013-2017)

Skripsi

Diajukan untuk Memenuhi Persyaratan Memperoleh

Gelar Sarjana Ekonomi (S.E)

Oleh

Intan Rachmasari Rahardja

NIM 11140810000074

Pembimbing

JURUSAN MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA 1439 H / 2018 M

Page 3: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

iii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

Hari ini, Senin, 9 April 2018 telah dilakukan Ujian Komprehensif atas

mahasiswa:

1. Nama : Intan Rachmasari Rahardja

2. NIM : 11140810000074

3. Jurusan : Manajemen (Keuangan)

4. Judul Skripsi : Pembentukan Portofolio Optimal dengan Single Index

Model dan Analisis Pengaruh Fama-French Three Factor

Model terhadap Return Saham (Studi Kasus pada Indeks

SRI-KEHATI Tahun 2013-2017)

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa mahasiswa

tersebut di atas dinyatakan LULUS dan diberi kesempatan untuk melanjutkan ke

tahap Ujian Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana

Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif

Hidayatullah Jakarta.

Jakarta, 09 April 2018

1. Titi Dewi Warninda, SE., M.Si

NIP. 197312212005012002

2. Umiyati, SE.I., M.Si

NUPN. 9920100301

Page 4: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

iv

LEMBAR PENGESAHAN UJIAN SKRIPSI

Hari ini Rabu 6 Juni 2018 telah dilakukan Ujian Skripsi atas mahasiswa:

1. Nama : Intan Rachmasari Rahardja

2. NIM : 11140810000074

3. Jurusan : Manajemen Keuangan

4. Judul Skripsi : Pembentukan Portofolio Optimal dengan Single Index Model dan

Menganalisis Pengaruh Fama-French Three Factor Model

terhadap Return saham. (Studi pada Indeks SRI-KEHATI tahun

2013-3017)

Setelah mencermati dan memperhatikan penampilan dan kemampuan yang

bersangkutan selama ujian Skripsi, maka diputuskan bahwa mahasiswa tersebut di

atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu syartat untuk

memperoleh gelar Sarjana ekonomi pada Fakultas Ekonomi dan Bisnis Universitas

Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 6 Juni 2018

1. Titi Dewi Warninda, SE., M.Si

NIP. 197312212005012002

Ketua

2. Dr. Pudji Astuti, SE., MM

NIDN. 0311065804

3. Dr. Indoyama Nasaruddin, SE., MAB

NIP. 19741127 200112 1 002

4. Dr. Pudji Astuti, SE., MM

NIDN. 0311065804

Page 5: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

v

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini

Nama : Intan Rachmasari Rahardja

NIM : 11140810000074

Jurusan : Manajemen Keuangan

Fakultas : Ekonomi dan Bisnis

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan

mempertanggungjawabkan.

2. Tidak melakukan plagiasi terhadap naskah karya orang lain.

3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli

atau tanpa izin pemilik karya.

4. Tidak melakukan pemanipulasian dan pemalsuan data.

5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya

ini.

Jikalau di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah

melalui pembuktian yang dapat dipertanggung jawabkan, ternyata memang

ditemukan bukti bahwa saya telah melanggar pernyataan ini, maka saya siap dikenai

sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarif

Hidayatullah Jakarta.

Demikian pernyataan ini saya buat dengan sesungguhnya.

Jakarta, 23 Mei 2018

Yang Menyatakan

Intan Rachmasari

Page 6: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

vi

DAFTAR RIWAYAT HIDUP

I. Identitas Diri

1. Nama : Intan Rachmasari Rahardja

2. Tempat, tanggal lahir : Jakarta, 18 Oktober 1996

3. Alamat : Jalan Jati Kavling 1112 Bukit Nusa Indah

RT05/RW16 Kel. Sarua, Kec. Ciputat, Kota

Tangerang Selatan

4. Telepon : 021-7412247

5. Email : [email protected]

II. Pendidikan

1. Uin Syarif Hidayatullah Jakarta : 2014-2018

2. Madrasah Aliyah Pembangunan : 2012-2014

3. Madrasah Tsanawiyah Pembangunan : 2010-2012

4. SD Taruna Bangsa : 2005-2010

III. Pengalaman Organisasi

1. Anggota OSIS Madrasah Aliyah Pembangunan UIN JKT periode 2012-

2013

2. Panitia Pelaksana Pentas Seni (Pensi) di Madrasah Aliyah Pembangunan

tahun 2013

3. Anggota remaja Karang Taruna Komplek Bukit Nusa Indah RW16

Page 7: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

vii

CONSTRUCTING OPTIMAL PORTOFOLIO USING SINGLE INDEX

MODEL AND ANALYZING THE INFLUENCE OF FAMA-FRENCH THREE

FACTOR MODEL TO STOCK RETURN

(Study in SRI-KEHATI Index period 2013-2017)

ABSTRACT

This study aims to analyze the optimal portfolio formation with Single Index

Model and perform the measurement of portfolio performance with Sharpe Index,

Jensen Index, and Treynor Index. And analyze the influence of Fama-French Three

Factor Model that consist of Risk Premium (Beta), Size, and Book to Equity Market

to Stock Return. The object of study includes stocks listed on the SRI-KEHATI Index

of 2013-2017 in a row.

The research results show that from 18 companies listed in SRI-KEHATI

Index in 2013-207, there are only 9 companies that eligible to be a candidate of

optimal portfolio, they are; UNVR (PT Unilever Indonesia, Tbk), BDMN (PT Bank

Danamon, Tbk), BBNI (PT Bank Negara Indonesia Tbk), UNTR (PT United Tractors

Indonesia, Tbk), BBCA (PT Bank Central Asia Tbk), TLKM (PT Telekomunikasi

Indonesia, Tbk), KLBF (PT Kalbe Farma, Tbk ), INDF (PT Indofood Sukses Makmur,

Tbk), and ADHI (PT Adhi Karya, Tbk).

Thus, the result of analysis Fama-French Three Factor Model shows that

Risk Premium have a positive and significant influence to Stock Return. Size also

have a positive influence but not significant to Stock Return, while Book to Equity

Market have negative influence and not significant to Stock Return. Risk Premium,

Size, and Book to Equity Market have a simultaneous influence on stock Return.

Keywords: SRI-KEHATI Index, Optimal Portfolio, Single Index Model, Sharpe Index,

Jensen Index, Treynor Index, Stock Return, Risk Premium, Size, Book to Equity

Market

Page 8: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

viii

PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE INDEX

MODEL DAN MENGANALISIS PENGARUH FAMA-FRENCH THREE

FACTOR MODEL TERHADAP RETURN SAHAM

(Studi pada Indeks SRI-KEHATI Periode 2013-2017)

ABSTRAK

Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal

dengan Single Index Model dan melakukan pengukuran kinerja portofolio dengan

Indeks Sharpe, Indeks Jensen, dan Indeks Treynor. Serta menganalisis pengaruh dari

Fama-French Three Factor Model yaitu yang terdiri dari Premi Risiko (Beta), Size,

dan Book to Equity Market terhadap Return saham. Objek penelitian meliputi saham

yang terdaftar pada Indeks SRI-KEHATI tahun 2013-2017 secara berturut-turut.

Hasil penelitian menunjukanan dari 18 perusahaan yang terdafatar dalam

Indeks SRI-KEHATI tahun 2013-207, hanya terdapat 9 perusahaan yang layak

menjadi kandidat portofolio optimal yaitu UNVR (PT. Unilever Indonesia, Tbk),

BDMN (PT. Bank Danamon, Tbk), BBNI (PT. Bank Negara Indonesia, Tbk), UNTR

(PT. United Tractors Indonesia, Tbk), BBCA (PT. Bank Central Asia, Tbk), TLKM

(PT. Telekomunikasi Indonesia, Tbk), KLBF (PT. Kalbe Farma, Tbk), INDF (PT.

Indofood Sukses Makmur, Tbk), dan ADHI (PT. Adhi Karya, Tbk).

Sedangkan hasil analisis pengaruh Fama-French Three Factor Model

menunjukan bahwa Premi Risiko memiliki pengaruh positif dan signifikan terhadap

Return saham. Size Book to Equity Market memiliki pengaruh positif namun tidak

signifikan terhadap Return saham, sedangkan Book to Equity Market memiliki

pengaruh yang negatif dan tidak signifikan terhadap Return saham. Premi Risiko,

Size, dan Book to Equity Market memiliki pengaruh simultan terhadap Return saham.

Kata Kunci: Indeks SRI-KEHATI, Portofolio Optimal, Single Index Model, Indeks

Sharpe, Indeks Jensen, Indeks Treynor, Return saham, Premi Risiko, Size, Book to

Equity Market

Page 9: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

ix

KATA PENGANTAR

Assalamu’alaikum Wr. Wb

Alhamdulillahirrabil’alamin. Puji dan syukur penulis ucapkan atas rahmat

dan hidayah yang telah diberikan Allah SWT kepada penulis selama proses

penyusunan Skripsi ini yang berjudul “Pembentukan Portofolio Optimal Dengan

Single Index Model Dan Menganalisis Pengaruh Fama-French Three Factor Model

Terhadap Return Saham”. Shalawat serta salam semoga senantiasa selalu tercurah

kepada junjungan Nabi Muhammad SAW, keluarga beserta para sahabat yang telah

memberikan pencerahan dimuka bumi ini.

Skripsi ini ditunjukan sebagai salah satu syarat dalam memperoleh gelar

Sarjana Ekonomi di UIN Syarif Hidayatullah Jakarta, dan sebagai media pengamalan

ilmu yang telah diterima penulis semasa kuliah.

Penulis menyadari, Skripsi ini masih jauh dari kata sempurna dan masih

banyak kekurangan yang terkandung didalamnya, oleh karena itu penulis

mengharapkan segala saran dan kritik dari pembaca sekalian demi kesempurnaan

karya ilmiah ini.

Penyelesaian Skripsi ini dapat terselesaikan dengan baik tentunya karena

bantuan dan dukungan dari berbagai pihak. Oleh karena itu, pada kesempatan kali ini

penulis ingin menyampaikan rasa terimakasih kepada seluruh pihak yang telah

membantu, antara lain:

1. Allah Subhanahu Wa Ta’ala, yang telah mencurahkan segala Rahmat dan

RidhoNya sehingga penulis dapat menyelesaikan Skripsi ini dengan sebaik-

baiknya.

2. Orang-tuaku, Mama dan Babe, terimakasih atas segala Doa, usaha, dan

kebaikannya untuk penulis hingga saat ini. Serta untuk Kakakku satu-satunya,

Mba Desi.

3. Bapak Dr. M. Arief Mufraini, Lc, M.Si, selaku Dekan Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

4. Ibu Titi Dewi Warninda. S.E., M.Si, selaku Ketua Jurusan Manajemen Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

Page 10: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

x

5. Ibu Dr. Pudji Astuty, S.E., MM, selaku Dosen Pembimbing I yang telah

memberikan arahan dan bimbingannya kepada penulis

6. Seluruh Dosen Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta

yang telah memberikan ilmu yang sangat bermanfaat kepada penulis.

7. Teman-teman seperjuangan di Manajemen Keuangan angkatan 2014, yang telah

bersedia membantu penulis semasa kuliah.

8. Teman-teman senasib sepernanggungan, Permak (Avi, Tsizy, Kayu, Thia, Pipiw)

yang senantiasa menghibur penulis semasa kuliah, semoga kesuksesan

mengiringi kita terus. Amin.

9. Sahabat-sahabatku, My Second Family, My Unbiological Sister, Pinpin, Tica,

Mbadit, Abuy, Pipiw, Ceceu, terimakasih atas Limitless Jokes, canda tawa, Doa,

Support, dan kasih sayang kalian yang terus mengiringi penulis hingga saat ini.

10. At last but not least, for my partner in crime, for my forever buddy, Muhammad

Rizky Fazar Hidayat.

Demikian beberapa pihak yang berperan penting dalam penyelesaian Skripsi

ini, sekali lagi penulis mengucapkan terimakasih sebanyak-banyaknya, semoga

segala kebaikan kalian dapat dibalas oleh Allah Subhanahu Wa Ta’ala. Semoga

Skripsi ini dapat bermanfaat bagi para pembaca sekalian.

Wassalamu’alaikum. Wr. Wb

Jakarta, 16 Mei 2018

Intan Rachmasari Rahardja

Page 11: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

xi

DAFTAR ISI

LEMBAR PENGASAHAN PEMBIMBING SKRIPSI .......................................................... ii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ......................................................... iii

LEMBAR PENGESAHAN UJIAN SKRIPSI ......................................................................... iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH .................................................v

DAFTAR RIWAYAT HIDUP................................................................................................... vi

ABSTRACT ................................................................................................................................ vii

ABSTRAK ................................................................................................................................ viii

KATA PENGANTAR ................................................................................................................ ix

BAB I: PENDAHULUAN .......................................................................................................... 1

A. Latar Belakang Penelitian ................................................................................................... 1

B. Identifikasi Masalah .......................................................................................................... 11

C. Pembatasan Masalah ......................................................................................................... 12

D. Perumusan Masalah .......................................................................................................... 12

E. Tujuan Penelitian ............................................................................................................... 13

F. Manfaat Penelitian ............................................................................................................. 13

BAB II: TINJAUAN PUSTAKA ............................................................................................ 14

A. Investasi ............................................................................................................................ 14

B. Saham ................................................................................................................................ 15

C. Konsep Tingkat Pengembalian (Return) dan Risiko (Risk) Investasi ............................... 18

D. Teori Portofolio ................................................................................................................. 23

E. Capital Asset Pricing Model (CAPM) ............................................................................... 27

F. Arbitrage Pricing Theory (APT) ....................................................................................... 30

G. Single Index Model ............................................................................................................ 31

H. Pengukuran Kinerja Portofolio.......................................................................................... 34

I. Fama-French Three Factor Model ...................................................................................... 36

J. Penelitian Terdahulu ........................................................................................................... 42

K. Kerangka Pemikiran .......................................................................................................... 47

L. Hipotesis Penelitian ........................................................................................................... 47

BAB III: METODOLOGI PENELITIAN ............................................................................. 49

Page 12: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

xii

A. Ruang Lingkup Penelitian ................................................................................................. 49

B. Model Penentuan Sampel .................................................................................................. 50

C. Metode Pengumpulan Data ............................................................................................... 51

D. Metode Analisis Data ........................................................................................................ 52

E. Operasional Variabel Penelitian ........................................................................................ 75

BAB IV: ANALISIS DAN PEMBAHASAN .......................................................................... 77

A. Gambaran Umum Objek Penelitian .................................................................................. 77

B. Analisis Deskriptif ............................................................................................................. 77

C. Pembentukan Portofolio Optimal dengan Single Index Model .......................................... 87

D. Menganalisis Pengaruh Model Tiga Faktor terhadap Return Saham .............................. 101

BAB V: KESIMPULAN DAN SARAN ................................................................................ 119

A. Kesimpulan ..................................................................................................................... 119

B. Saran ................................................................................................................................ 120

DAFTAR PUSTAKA ............................................................................................................. 122

LAMPIRAN ............................................................................................................................ 126

Page 13: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

xiii

DAFTAR TABEL

Tabel 2.1: Penelitian Terdahulu................................................................................42

Tabel 3.1: Daftar Saham SRI-KEHATI Tahun 2013-2017.......................................51

Tabel 3.2: Operasional Variabel Penelitian...............................................................75

Tabel 4.1: Pergerakan IHSG 2013-2017...................................................................78

Tabel 4.2: Pergerakan Indeks SRI-KEHATI 2013-2017...........................................81

Tabel 4.3: Expected Return dan Standar Deviasi Individual......................................88

Tabel 4.4: Expected Return dan Standar Deviasi Pasar.............................................91

Tabel 4.5: Alpha, Beta, dan Variance Error Saham Individual.................................91

Tabel 4.6: Excess Return to Beta (ERB)....................................................................94

Tabel 4.7: ERB Terbesar Hingga Terkecil................................................................95

Tabel 4.8: Cut Off Point............................................................................................96

Tabel 4.9: Proporsi Masing-masing Saham...............................................................98

Tabel 4.10: Expected Return dan Standar Deviasi Portofolio....................................99

Tabel 4.11: Penilaian Kinerja Portofolio.................................................................100

Tabel 4.12: Perusahaan dalam Indeks SRI-KEHATI Sept 2010-Des 2017.............102

Tabel 4.13: Statistik Deskriptif...............................................................................103

Tabel 4.14: Uji Stasioneritas...................................................................................107

Tabel 4.15: Uji Normalitas......................................................................................108

Tabel 4.16: Uji Autokorelasi...................................................................................109

Tabel 4.17: Uji Multikolonearitas...........................................................................110

Tabel 4.18: Uji Heterokedastisitas..........................................................................111

Tabel 4.19: Analisis Regresi Linear Berganda........................................................112

Tabel 4.20: Uji T.....................................................................................................113

Tabel 4.21: Uji F.....................................................................................................115

Page 14: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

xiv

DAFTAR GAMBAR

Gambar 1.1: Perkembangan Investasi Langsung&Portofolio di Indonesia.................3

Gambar 2.1: Kerangka Pemikiran.............................................................................47

Gambar 4.1: Pergerakan IHSG 2013-2017................................................................79

Gambar 4.2: Kriteria Indeks SRI-KEHATI...............................................................81

Gambar 4.3: Pergerakan SRI-KEHATI 2013-2017..................................................82

Gambar 4.4: Premi Risiko Periode September 2010-Desember 2017.......................83

Gambar 4.5: Size Periode September 2010-Desember 2017.....................................84

Gambar 4.6: Book to Market Equity Periode September 2010-Desember 2017........85

Gambar 4.7: Return Saham Periode September 2010-Desember 2017.....................86

Gambar 4.8: Proporsi Masing-masing Saham...........................................................99

Page 15: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

xv

DAFTAR LAMPIRAN

Lampiran 1: Risk Free Rate.....................................................................................124

Lampiran 2: Rekapitulasi Data Fama-French Three Factor Model.........................125

Lampiran 3: Premi Risiko (Variabel X1)................................................................126

Lampiran 4: Size......................................................................................................127

Lampiran 5: Book to Equity Market........................................................................128

Lampiran 6: Portofolio S/L, S/M, S/H, B/L, B/M, B/H...........................................129

Lampiran 7: Return Saham (Excess Return) (Y).....................................................163

Lampiran 8: Statistik Deskriptif..............................................................................174

Lampiran 9: Hasil Uji Stasioneritas.........................................................................175

Lampiran 10: Hasil Uji Normalitas.........................................................................178

Lampiran 11: Hasil Uji Autokorelasi......................................................................180

Lampiran 12: Hasil Uji Multikolonearitas...............................................................181

Lampiran 13: Hasil Uji Heterokedastisitas..............................................................183

Lampiran 14: Hasil Uji Regresi Linear Berganda...................................................185

Page 16: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

1

BAB I

PENDAHULUAN

A. Latar Belakang Penelitian

Dalam investasi sering terdengar istilah “Don’t put all your eggs in one

basket”, atau yang berarti jangan tempatkan semua telur anda dalam satu

keranjang. Jika keranjangnya jatuh maka semua telur yang ada di dalamnya akan

pecah, untuk menghindari kerugian tersebut, sebaiknya telur-telur tadi di

tempatkan pada beberapa wadah yang berbeda. Demikian pula halnya dengan

investasi. Dalam investasi, pemodal atau investor bisa menanamkan dananya

dalam berbagai instrumen investasi seperti saham, obligasi, deposito, properti, dan

lain-lain.

Investasi secara garis besar dapat diartikan sebagai komitmen saat ini atas

uang atau sumber daya lain dengan harapan untuk mendapatkan keuntungan

dimasa depan. Investasi merupakan suatu bentuk pengorbanan kekayaan di masa

sekarang untuk mendapatkan keuntungan di masa depan dengan tingkat risiko

tertentu. Saat ini, terdapat banyak pilihan instrumen investasi yang ditawarkan

seperti investasi aset riil (properti, emas, benda seni, dll) maupun investasi dalam

hal finansial (saham, obligasi, derivatif, dll). Tentunya setiap pilihan investasi

tersebut memiliki risiko dan tingkat keuntungan (return) masing-masing.

Hubungan antara risiko dan return yang diharapkan dari investasi merupakan

hubungan yang searah. Artinya semakin besar risiko yang harus ditanggung,

semakin besar juga tingkat return yang diharapkan, atau dapat dikatakan sebagai

Page 17: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

2

high risk, high return (Susanti dkk, 2012). Menurut Fawziah, (2016:1), dalam

melakukan investasi finansial, risiko yang akan diterima oleh investor lebih tinggi

dibandingkan melakukan investasi di sektor riil, sehingga investor akan sangat

berhati-hati dalam memilih saham atau surat berharga yang akan dibeli. Mayoritas

investor akan berinvestasi pada instrumen investasi yang berupa saham, karena

saham dapat memberikan return yang lebih besar dibanding instrumen investasi

lainnya (Indi, 2017). Saham adalah tanda kepemilikan atau tanda penyertaan

modal seseorang atau suatu pihak pada sebuah perusahaan.

Di Indonesia, saham-saham diperjual-belikan di pasar modal atau capital

market. Pasar modal menurut Undang-undang Pasar Modal no. 8 tahun 1995

adalah sebagai berikut: “Pasar Modal yaitu sebagai suatu kegiatan yang

bersangkutan dengan penawaran umum dan perdagangan efek, perusahaan publik

yang berkaitan dengan efek yang diterbitkannya, serta lembaga dan profesi yang

berkaitan dengan efek”. Secara formal pasar modal dapat didefinisikan sebagai

pasar untuk berbagai instrumen keuangan (atau sekuritas) jangka panjang yang

bisa diperjualbelikan, baik dalam bentuk hutang ataupun modal sendiri, baik yang

diterbitkan oleh pemerintah, public authorities, maupun perusahaan swasta

(Husnan, 2005:3).

Menurut Salim dan Sutrisno (2008), investasi jika ditinjau dari bentuknya

terbagi atas dua jenis; investasi langsung dan investasi portofolio. Investasi

langsung adalah investasi dalam bentuk membangun, membeli, atau mengakuisisi

perusahaan. Sedangkan investasi portofolio adalah investasi yang dilakukan di

Pasar Modal dengan instrumen surat berharga.

Page 18: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

3

Perkembangan investasi langsung dan investasi portofolio di Indonesia dapat

dilihat pada grafik berikut:

GAMBAR 1.1

PERKEMBANGAN INVESTASI LANGSUNG DAN INVESTASI PORTOFOLIO DI

INDONESIA

Sumber: www.bappenas.go.id, Bank Indonesia

Menurut Badan Perencanaan Pembangunan Nasional (Bappenas), investasi

portofolio pada triwulan I tahun 2017 surplus sebesar USD6,5 miliar, meningkat

signifikan dari triwulan sebelumnya yang defisit sebesar USD0,3 miliar dan

triwulan I tahun 2016 yang surplus sebesar USD4,4 miliar. Kinerja tersebut

didorong oleh meningkatnya aliran masuk modal asing karena investor asing

menambah kepemilikannya terhadap instrumen portofolio dalam denominasi

Rupiah. Selain itu juga didukung oleh penerbitan sukuk global pemerintah dalam

jumlah besar yaitu sebesar USD3,0 miliar.

Fenomena diatas menunjukan bahwa dibutuhkan penelitian yang dapat

meningkatkan pengetahuan investor domestik terhadap investasi di Indonesia

sehingga perkembangan investasi portofolio dapat terus konsisten tiap tahunnya,

tanpa bergantung pada modal asing. Ketidakpastian atas tingkat pengembalian

saham pada saat investor melakukan investasi di pasar modal menunjukkan risiko

Page 19: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

4

yang tinggi bagi investor untuk menanamkan modalnya di sektor tersebut. Pada

dasarnya investor yang rasional akan mempertimbangkan hasil yang didapat

(return) dengan tingkat risiko investasi yang dihadapi.

Risiko adalah tingkat potensi kerugian yang timbul karena perolehan hasil

investasi yang diharapkan tidak sesuai dengan harapan. Menurut Jorion, (2000),

risiko adalah sebagai volatility dari suatu hasil yang tidak diekspektasi, secara

general nilai dari aset atau kewajiban dari bunga. Oleh karena itu, para investor

dipasar modal harus dapat menyadari sungguh-sungguh bahwa secara teoritis

setiap investasi yang dilakukan disamping mengharapkan keuntungan, investor

juga harus sadar terdapat kemungkinan risiko atau kerugian yang harus dihadapi.

Risiko pasar juga harus dihadapi oleh para pemodal atau para investor jika

berinvestasi pada instrumen investasi berupa saham. Di Indonesia, tolak ukur

untuk risiko pasar atau biasa dikenal dengan market risk adalah IHSG atau Indeks

Harga Saham Gabungan.

Karena pemodal atau investor menghadapi kesempatan investasi yang

berisiko, pilihan investasi tidak hanya mengandalkan pada tingkat keuntungan

yang diharapkan (expected return). Apabila pemodal mengharapkan untuk

memperoleh tingkat keuntungan tinggi, maka ia harus bersedia menanggung

risiko yang tinggi pula. Salah satu karakteristik investasi pada sekuritas adalah

kemudahan untuk membentuk portofolio investasi. Artinya, pemodal dapat

dengan mudah menyebar (melakukan diversifikasi) investasinya pada berbagai

kesempatan investasi (Husnan, 2005:47).

Page 20: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

5

Harry Markowitz memubliskan artikel yang berjudul “Portfolio Selection”

pada tahun 1952. Artikel tersebut membuka pintu dimulainya teori portofolio

modern. Markowitz mengatakan bahwa proses pemilihan portofolio dibagi atas

dua tahap. Tahap pertama adalah mengobservasi sekuritas yang akan dipilih.

Tahap kedua adalah memilih sekuritas yang akan dimasukkan dalam portofolio

yang dilandasi oleh keyakinan terhadap kinerja sekuritas tersebut dimasa yang

akan datang. Markowitz menekankan bahwa investor menganalisis dan memilih

suatu sekuritas berdasarkan expected return dan variance return sekuritas tersebut.

Portofolio pilihan investor adalah yang memberikan expected return maksimum

pada varians tertentu, atau portofolio dengan varians terkecil pada expected return

tertentu.

Teori portofolio Markowitz mengimplikasikan bahwa untuk dapat menerima

risiko yang lebih besar, investor harus dikompensasi dengan kesempatan untuk

mendapatkan returnyang besar pula. Portofolio saham adalah investasi yang

terdiri dari berbagai saham perusahaan yang berbeda dengan harapan bila harga

salah satu saham menurun, sementara yang lain meningkat, maka investasi

tersebut tidak mengalami kerugian (Zubir, 2010:2). Selain itu, korelasi antara

return satu saham dan saham lain juga akan memperkecil varians return portofolio

tersebut.

Dalam mengalokasikan dana untuk setiap saham dalam portofolio, Warrent

Buffet seorang investor terkenal mengatakan bahwa: “Jika Anda telah

menemukan saham yang tepat, mengapa harus membeli sedikit? Investasikanlah

uang Anda sebanyak-banyaknya dalam saham tersebut.” Saham yang tepat adalah

Page 21: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

6

saham perusahaan yang diperkirakan mempunyai prospek yang baik di masa

mendatang. Warrent Buffet memilih saham-saham perusahaan dengan kriteria

sebagai berikut. Pertama, bisnis perusahaan tersebut dapat dimengerti. Kedua,

prospek jangka panjang yang menguntungkan. Ketiga, dijalankan oleh orang-

orang jujur dan kompeten. Keempat, bisnis yang harganya sangat menarik.

Teori portofolio menjelaskan bahwa risiko portofolio lebih rendah daripada

risiko saham individu dalam portofolio tersebut karena varians return saham

sebagai ukuran risiko investasi tersebut saling meredam. Oleh karena itu untuk

menurunkan risiko, yang sebaiknya dilakukan adalah mengkombinasi berbagai

jenis instrumen investasi. Pembentukan portofolio investasi merupakan salah satu

cara bagi investor untuk mengantisipasi ketidakpastian hasil (return) dari investasi

yang dilakukan.

Penentuan alokasi dana pada aset-aset tertentu sangat tergantung kepada

preferensi dari setiap investor atas tingkat risiko yang dihadapi. Sharpe dan

kawan-kawan pada tahun 1997, mengatakan bahwa dalam teori portofolio ada tiga

jenis preferensi investor apabila dihadapkan oleh risiko, antara lain: Investor

menyenangi risiko (risk seeking), investor yang menghindari risiko (risk aversion),

dan investor yang netral atau acuh terhadap risiko (risk neutral). Namun dalam

menentukan portofolio yang efisien, semua jenis investor dapat memilih

alternative investasi pada portofolio-portofolio yang terletak pada suatu daerah

yang disebut dengan efficient frontier (Elton & Gruber, 1995).

Portofolio efisien diartikan sebagai portofolio dengan return tertinggi pada

risiko tertentu, atau portofolio dengan risiko terendah pada return tertentu.

Page 22: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

7

Investor perlu mempertimbangkan dan menentukan sekuritas apa saja yang

membentuk portofolio dan dapat mencapai efisiensi maksimal. Indikator

portofolio efisien adalah mampu memberikan expected return terbesar dengan

risiko yang sama, dan mampu memberi risiko terkecil dengan expected return

yang sama. Portofolio efisien merupakan portofolio yang baik, tetapi bukan yang

terbaik. Portofolio yang terbaik adalah portofolio yang optimal. Portofolio efisien

hanya mempunyai satu dari faktor terbaik, yaitu faktor expected return atau faktor

risikonya. Sementara, portofolio yang optimal adalah portofolio yang memiliki

kombinasi expected return dan risiko yang terbaik. Maka itu untuk membentuk

suatu portofolio optimal seorang investor haruslah memperhatikan metode yang

akan digunakan untuk menghitung return secara akurat. Hal ini juga harus

didukung oleh ketepatan analisis teknikal dan fundamental dari saham yang dibeli.

Pemilihan model untuk menghitung return tertentu harus menjelaskan

fenomena yang ada. Di pasar modal sendiri perkembangan metode penghitungan

return dimulai sejak lima abad yang lalu di mana William Sharpe (1964) dan John

Lintner (1965) merumuskan suatu model yang diberi nama Capital Asset Pricing

Model (CAPM). Secara spesifik, tujuan dari CAPM menurut Hanafi (2004) adalah

menjelaskan hubungan antara risiko dengan return dan menjelaskan kondisi

keseimbangan dalam pasar keuangan. Model ini menjelaskan bagaimana

hubungan antara rata-rata return saham dengan faktor risiko pasar (market risk).

Menurut konsep dari Capital Asset Pricing Model (CAPM), satu-satunya faktor

yang mempengaruhi return saham adalah risiko pasar atau market risk (Sudiyatno

dan Irsad, 2011).

Page 23: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

8

Beberapa peneliti meragukan model CAPM yang hanya menggunakan beta

sebagai satu-satunya indikator penilaian return. Mereka beranggapan bahwa

terdapat variabel lain selain beta yang mampu memengaruhi return. Penelitian

pertama dan paling popular adalah efek size (ukuran perusahaan). Penelitian yang

dilakukan oleh Banz (1981) dalam Hanafi (2004) yang menunjukkan bahwa

return (baik yang disesuaikan maupun tidak dengan risiko) berhubungan terbalik

dengan size (ukuran perusahaan). Beliau menemukan bahwa return rata-rata

tahunan kelompok paling kecil dari saham New York Stock Exchange (NYSE)

19,8% lebih besar dibandingkan dengan return rata-rata kelompok paling besar

size nya pada sampel saham perusahaan tersebut.

Penolakan lain ditunjukkan oleh Basu (1977, 1983) dalam Hanafi (2004)

bahwa variabel Price Earning Ratio (PER) juga memengaruhi return.

Menurutnya, saham dengan rasio P/E rendah mempunyai return yang lebih tinggi

dibandingkan saham dengan P/E tinggi. Selanjutnya Ross (1976) meluncurkan

metode baru yang dikenal sebagai Arbitrage Pricing Theory (APT). Pada model

ini berlaku konsep hukum satu harga (The Law of One Prices). Hukum tersebut

pada dasarnya mengatakan bahwa aset dengan karakterisitik yang sama akan

terjual dengan harga yang sama di manapun didunia ini. Tingkat return atas

berbagai aset dipengaruhi oleh berbagai faktor dalam industri dan perekonomian

(Hanafi, 2004). Model ini dianggap lebih efisien dari CAPM karena terdiri dari

berbagai faktor sehingga perhitungan tingkat keuntungan diharapkan lebih akurat.

Selanjutnya pada 1992, Fama dan French mengembangkan model penentuan

harga saham dengan mengkombinasikan CAPM dan APT. Menurut Fama dan

Page 24: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

9

French (1992), bahwa beta saham sebagai indikator risiko pasar tidak mampu

menjelaskan return saham, sedangkan size dan book-to-market ratio (BE/ME

ratio) mampu. Selanjutnya Fama dan French (1993, 1996) menggunakan tiga

faktor yang menjelaskan return portofolio saham, yaitu; market (beta) size, dan

book to market ratio.

Penelitian yang dikembangkan oleh Fama dan French ini dimotivasi oleh

penelitian sebelumnya tentang model CAPM yang menghasilkan temuan berbeda-

beda, antara lain dilakukan oleh Black, Jensen dan Scholes (1972), dan Fama dan

MacBeth (1973) yang menemukan bahwa beta berpengaruh positif dan signifikan

terhadap excess return (Yuningsih dan Yudaruddin, 2007). Sementara temuan

yang berbeda ditemukan dari hasil penelitian Fama dan French (1992, Hossein

Asgharian dan Bjorn Hansson (1998), Hodoshima, Gomez, dan Kunimura (2000),

Eduardo Sandoval A dan Rodigro Saenss, N (2004), dan Grigoris Michailidis,

Stavros Tsopoglou dan Demetrios Papanastasiou (2007), mereka menemukan

tidak ada pengaruh signifikan antara beta pasar dengan return saham.

Pengujian yang membandingkan model CAPM dan model tiga faktor dari

Fama dan French sudah banyak dilakukan. Belen Blanco pada 2012 melakukan

penelitian terhadap penggunaan CAPM dan Fama-French Three Factor Model.

Blanco menguji pemilihan portofolio pada New York Stock Exchange (NYSE) dari

tahun 1926 sampai 2006. Hasil pengujian Blanco adalah model tiga faktor dari

Fama dan French lebih baik dari pada model CAPM dalam menjelaskan expected

return dari portofolio. Walaupun, hasil dari perbandingan dua model ini

bergantung dengan bagaimana portofolio dibentuk.

Page 25: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

10

Namun pada tahun 2011, terdapat penelitian yang berlawanan dengan

penelitian yang dilakukan oleh Blanco. Tijmen Kampman melakukan penelitian

yang berjudul “Explaining Stock Returns: the CAPM, Fama-French Three Factor

Model and Carhart’s Four Factor Model”. Menurut Kampman CAPM masih

merupakan teori yang layak dibandingkan dengan model tiga faktor dari Fama dan

French. Selama 20 tahun terakhir, model tiga faktor dari Fama dan French

membuktikan secara empiris bahwa modelnya telah digunakan secara luas dan

menjelaskan lebih banyak dibanding model CAPM. Namun dengan begitu

Kampman berpendapat bahwa CAPM tidak seharusnya menjadi tidak berguna

karena dibandingkan dengan model tiga faktor. Menurut Kampman model CAPM

dan model tiga faktor seharusnya bisa eksis bersama-sama dengan

memperhitungkan faktor beta. Penelitian lebih lanjut disarankan oleh Kampman

sebelum memutuskan bahwa model CAPM dinyatakan sudah tidak lagi layak

untuk digunakan.

Penelitian selanjutnya dilakukan oleh Prakarsa Panji Negara pada tahun 2012.

Panji melakukan pengujian terhadap Model Tiga Faktor dari Fama dan French

terhadap pembentukan portofolio efisien. Studi dilakukan pada Indeks saham

LQ45 dari tahun 2007 sampai tahun 2011. Hasil penelitian yang dilakukan oleh

Panji membuahkan hasil bahwa faktor size dan value dari model tiga faktor Fama

dan French memiliki hubungan yang signifikan terhadap return. Penelitian ini

juga menegaskan bahwa model Fama dan French lebih baik daripada model

CAPM.

Page 26: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

11

Penelitian berlawanan selanjutnya dilakukan oleh Sudiyatno dan Irsad pada

tahun 2011. Penelitian yang bertujuan untuk menguji peranan Model Tiga Faktor

dari Fama dan French tersebut membuahkan hasil bahwa faktor premi risiko (beta)

berpengaruh signifikan positif terhadap return saham. Sedangkan dua faktor lain

yaitu size dan book to market ratio berpengaruh negatif, tetapi tidak signifikan

terhadap return saham. Artinya, dua faktor dari model tiga faktor Fama dan

French tidak terbukti berpengaruh terhadap return saham.

Berdasarkan latar belakang di atas, penelitian akan dilakukan dengan

judul, ”Pembentukan Portofolio Optimal dengan Single Index Model dan

Menganalisis Pengaruh Fama-French Three Factor Model terhadap Return

Saham”

B. Identifikasi Masalah

Berdasarkan latar belakang masalah diatas, maka dapat diidentifikasi

beberapa masalah berikut:

1. Menentukan portofolio optimal pada Indeks SRI-KEHATI dengan Model

Indeks Tunggal (Single Index Model)

2. Menganalisis pengaruh Fama-French Three Factor Model yang terdiri dari

Beta, Size, dan Book to Market Equity terhadap Return saham.

Page 27: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

12

C. Pembatasan Masalah

Untuk membatasi masalah agar tidak terlalu luas dan pembahasannya lebih

mengarah pada permasalahan yang akan diteliti, maka penulis memberikan

batasan-batasan yang sudah ditentukan. Peneliti dalam hal ini membatasi masalah

sebagai berikut:

A. Periode waktu penelitian untuk Pembuatan Portofolio Optimal adalah dari

tahun 2013 – 2017, sedangkan periode waktu untuk Analisis Pengaruh Fama-

French Three Factor Model terhadap Return saham adalah dari September

2010 – Desember 2017.

B. Saham yang menjadi bahan penelitian adalah saham-saham yang selalu

masuk secara konsisten dan berturut-turut pada Indeks SRI-KEHATI selama

periode penelitian.

C. Peneliti menggunakan Model Indeks Tunggal sebagai metode pembuatan

portofolio optimal, dan Model Tiga Faktor dari Fama-French yang terdiri dari

Beta, Size, dan Book to Market Equity sebagai faktor-faktor yang

mempengaruhi Return saham.

D. Perumusan Masalah

Berdasarkan latar belakang yang telah dipaparkan sebelumnya, maka

rumusan masalah dalam penelitian ini sebagai berikut:

1. Saham apa saja yang membentuk portofolio optimal dengan Single Index

Model pada Indeks SRI-KEHATI tahun 2013-2017?

2. Apa hasil analisis dari pengaruh Fama-French Three Factor Model yaitu

Premi Risiko (Beta), Size, dan Book to Market Equity Ratio terhadap Return

Page 28: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

13

saham pada perusahaan yang terdaftar di Indeks SRI-KEHATI pada periode

September 2010-Desember 2017?

E. Tujuan Penelitian

Berdasarkan perumusan masalah diatas, tujuan penelitian ini adalah sebagai

berikut:

1. Untuk mengetahui saham apa saja yang membentuk portofolio optimal

dengan Single Index Model pada Indeks SRI-KEHATI tahun 2013-2017

2. Untuk mengetahui hasil analisis dari pengaruh Fama-French Three Factor

Model yaitu Premi Risiko (Beta), Size, dan Book to Market Equity Ratio

terhadap Return saham pada perusahaan yang terdaftar di Indeks SRI-

KEHATI pada periode September 2010-Desember 2017

F. Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat bagi pihak-pihak

yang membutuhkan. Berikut ini beberapa manfaat penelitian ini adalah sebagai

berikut:

1. Bagi perusahaan dan calon investor

Dapat membantu perusahaan sebagai referensi saham-saham yang dapat

dibentuk sebagai portofolio optimal dan memban calon investor dalam

mengambil keputusan investasi di pasar modal.

2. Bagi kalangan akademisi atau peneliti

Dapat menambah bahan kajian dan pustaka, serta bahan acuan untuk

mahasiswa yang ingin melakukan pengembangan penelitian berikutnya.

Page 29: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

14

BAB II

TINJAUAN PUSTAKA

A. Investasi

Investasi merupakan salah satu cara perusahaan dalam mengoptimalkan

penggunaan kas jika terjadi surplus. Dengan berinvestasi maka dana yang terdapat

dalam kas perusahaan tidak menganggur. Investasi dapat dimaksudkan sebagai

akumulasi dari suatu bentuk aktiva untuk memperoleh manfaat dimasa yang akan

datang. Dengan adanya investasi maka perusahaan mengharapkan beberapa

keuntungan yakni terjaminnya manajemen kas, terciptanya hubungan yang erat

dan memperkuat posisi keuangan suatu perusahaan. Investasi merupakan unsur

yang sangat penting dalam perusahaan. Aktivitas investasi yang dilakukan oleh

perusahaan akan dijadikan sebagai dasar penilaian manajemen kas perusahaan.

Penilaian kinerja perusahaan ini sebagian atau seluruhnya dapat dinilai dari

penggunaan kas untuk investasi. Bagi perusahaan investasi adalah cara untuk

menempatkan kelebihan dana sedangkan untuk perusahaan lainnya investasi

merupakan sarana untuk mempererat hubungan bisnis atau memperoleh suatu

keuntungan perdagangan. Apapun motivasi perusahaan dalam melakukan

investasi, investasi tetap merupakan sarana dalam menentukan posisi keuangan

perusahaan.

Menurut Jack Clark Francis (1991), Investasi adalah penanaman modal

yang diharapkan dapat menghasilkan tambahan dana pada masa yang akan datang.

Maka itu investasi merupakan suatu bentuk pengorbanan kekayaan di masa

sekarang untuk mendapatkan keuntungan di masa depan dengan tingkat resiko

Page 30: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

15

tertentu. Investasi dapat dibedakan menjadi dua jenis, yaitu investasi dalam

bentuk aset riil dan investasi dalam bentuk surat berharga atau sekuritas

(Bodie,dkk, 1995). Investasi dalam bentuk aset riil atau real assets adalah

investasi yang berupa aktiva berwujud fisik, seperti emas, batu mulia dan

sebagainya. Sedangkan investasi dalam bentuk surat berharga atau sekuritas

adalah investasi yang berbentuk surat-surat berharga yang pada dasarnya

merupakan klaim atas aktiva riil yang diawasi oleh suatu lembaga atau perorangan

tertentu.

Untuk mencapai suatu efektivitas dan efisiensi dalam keputusan investasi

terdapat beberapa tujuan dalam melakukan investasi (Tandelilin, 2010), yaitu:

1. Mendapat kesejahteraan atau kehidupan yang lebih baik dimasa yang akan

datang. Seseorang akan berfikir bagaimana untuk dapat meningkatkan taraf

hidupnya untuk memperoleh kehidupan yang lebih layak di masa depan.

2. Membantu mengurangi tekanan inflasi.

3. Terciptanya keuntungan dalam investasi yang berkesinambungan

(continuity).

4. Penghematan pajak.

B. Saham

Saham merupakan salah satu instrumen pasar modal yang paling diminati

investor karena dianggap dapat memberikan tingkat keuntungan yang

menjanjikan. Secara umum saham dapat diartikan sebagai surat berharga yang

diperjual-belikan di pasar modal, yang dikeluarkan oleh perusahaan berbentuk PT

Page 31: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

16

(Perseroan Terbatas), di mana pihak yang memiliki saham tersebut berarti juga

memiliki sebagian kekayaan perusahaan tersebut.

Menurut Suad Husnan (2008:29), Saham adalah secarik kertas yang

menunjukkan hak pemodal yaitu pihak yang memiliki kertas tersebut untuk

memperoleh bagian dari prospek atau kekayaan organisasi yang menerbitkan

sekuritas tersebut, dan berbagai kondisi yang memungkinkan pemodal tersebut

menjalankan haknya.

Saham merupakan surat berharga yang paling populer dan dikenal luas di

masyarakat. Menurut Darmadji dan Fakhruddin, (2012:6), ada beberapa jenis

saham jika ditinjau dari segi kemampuan dalam hak tagih atau klaim, yaitu:

1. Saham biasa (Common Stock), yaitu merupakan saham yang menempatkan

pemiliknya paling junior terhadap pembagian dividen, dan hak atas harta

kekayaan perusahaan apabila perusahaan tersebut dilikuidasi.

2. Saham preferen (Preferred Stock), merupakan saham yang memiliki

karakteristik gabungan antara obligasi dan saham biasa, karena bisa

menghasilkan pendapatan tetap (seperti bunga obligasi), tetapi juga bisa tidak

mendatangkan hasil seperti ini dikehendaki oleh investor.

1. Indeks Harga Saham

Indeks harga saham merupakan indikator utama yang menggambarkan

pergerakan harga saham. Di Pasar Modal sebuah Indeks saham diharapkan

berfungsi sebagai indikator tren pasar, indikator tingkat keuntungan, tolak ukur

(Benchmark) suatu kinerja portofolio, memfasilitasi pembentukan portofolio

Page 32: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

17

dengan strategi pasif, dan memfasilitasi berkembangnya produk derivatif

(Darmadji dan Fakhruddin, 2001)

Di Indonesia, terdapat beberapa Indeks saham yang terdaftar di Bursa

Efek Indonesia, antara lain Indeks LQ45, Indeks SRI-KEHATI, Indeks

KOMPAS100, Indeks PEFINDO25, Jakarta Islamic Index (JII), Indeks Bisnis-

27, Indeks Saham Syariah Indonesia (ISSI), Indeks Infobank15, Indeks Papan

Utama, dan Indeks Papan Pengembangan.

2. Indeks Harga Saham Gabungan

Indeks Harga Saham Gabungan atau IHSG digunakan untuk

mengukur nilai kinerja seluruh saham yang tercatat di suatu Bursa Efek dengan

menggunakan semua saham yang tercatat di Bursa Efek sebagai komponen

penghitungan indeks. IHSG digunakan untuk mengetahui perkembangan dan

situasi umum Pasar Modal, bukan situasi perusahaan tertentu. Indeks ini

mencakup pergerakan harga seluruh saham biasa dan saham preferen yang

tercatat di BEI.

3. Indeks SRI-KEHATI

Sustainable and Responsible Investment (SRI-KEHATI) merupakan

salah satu indeks yang menjadi indikator pergerakan harga saham di Bursa

Efek Indonesia (BEI). Indeks ini menggunakan prinsip keberlanjutan,

keuangan, dan tata kelola yang baik, serta kepedulian terhadap lingkungan

hidup sebagai tolok ukurnya. Indeks yang diluncurkan pada 8 Juni 2009 oleh

Yayasan Keanekaragaman Hayati Indonesia (KEHATI) bekerja sama dengan

PT BEI, dapat menjadi benchmark bagi investor ataupun manajer investasi

Page 33: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

18

dalam menentukan perusahaan publik mana yang memiliki kinerja baik dalam

menjalankan usahanya dari sisi tata kelola finansial, sosial, sekaligus

lingkungan secara berkelanjutan.

Ada 25 emiten yang menjadi konstituen indeks SRI-KEHATI, yang

diseleksi setiap dua periode dalam setahun, yaitu pada bulan April dan Oktober.

Setelah terpilih, nama-nama dari 25 emiten tersebut akan dipublikasikan oleh

BEI.

C. Konsep Tingkat Pengembalian (Return) dan Risiko (Risk) Investasi

1. Tingkat Pengembalian atau Return

Tujuan investor dalam berinvestasi adalah memaksimalkan return,

tanpa melupakan faktor risiko investasi yang harus dihadapinya. Return

merupakan salah satu faktor yang memotivasi investor untuk berinvestasi dan

juga merupakan imbalan atas keberanian investor menanggung risiko atas

investasi yang dilakukannya. Menurut Jogiyanto (2009: 199), return

merupakan hasil yang diperoleh dari investasi. Sedangkan menurut Brigham

dan Houston (2006: 215), return atau tingkat pengembalian adalah selisih

antara jumlah yang diterima dan jumlah yang diinvestasikan, dibagi dengan

jumlah yang diinvestasikan.

Menurut Tandelilin (2001: 48), return saham terdiri dari dua komponen,

yaitu:

a. Capital gain (loss), yaitu kenaikan (penurunan) harga suatu saham yang

bisa memberikan keuntungan (kerugian) bagi investor.

Page 34: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

19

b. Yield, merupakan komponen return yang mencerminkan aliran kas atau

pendapatan yang diperoleh secara periodik dari suatu investasi saham.

Menurut Jogiyanto (2009: 199), return saham dapat dibagi menjadi

dua yaitu return realisasian dan return ekspektasian. Return realisasian

merupakan return yang telah terjadi yang dihitung berdasarkan data historis.

Return realisasian atau yang bisa disebut sebagai return aktual penting karena

digunakan sebagai salah satu pengukur kinerja dari perusahaan. Return

realisasian atau return histori ini juga berguna sebagai dasar penentuan return

ekspektasian (expected return) dan risiko di masa datang. Sedangkan return

ekspektasian adalah return yang diharapkan akan diperoleh oleh investor

dimasa mendatang.

Menurut Brigham dan Houston (2006: 410), perhitungan return

realisasi atau return aktual adalah sebagai berikut:

Return (R) = P1 − P0

𝑃0 (2.1)

Keterangan:

P1 = Price atau harga untuk waktu t

P0 = Price atau harga untuk waktu t-1

Sedangkan menurut Suad Husnan (2005:50), tingkat keuntungan

yang diharapkan atau expected return bisa dihitung dengan cara sebagai berikut:

𝐸(𝑅𝑖) = ∑ 𝑃𝑀𝐽=1 𝑖𝑗 𝑥 𝑅𝑖𝑗 (2.2)

Page 35: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

20

Keterangan:

E(Ri) = Tingkat keuntungan yang diharapkan dari investasi i

Pij = Probabilitas memperoleh tingkat keuntungan pada investasi i

Rij = Tingkat keuntungan pada investasi i

M = Banyaknya peristiwa yang mungkin terjadi

2. Risiko atau Risk

Menurut Francis (1991), risiko didefinisikan sebagai kesempatan atau

kemungkinan timbulnya kerugian (risk is the chance or probability of loss).

Dalam arti lain dapat dikatakan bahwa resiko investasi merupakan suatu

kemungkinan yang terdiri dari berbagai faktor yang dapat menyebabkan tidak

kembalinya dana yang diinvestasikan pada suatu instrumen investasi tertentu

atau dengan kata lain, merupakan faktor-faktor yang dapat menyebabkan

terjadinya kerugian dalam suatu investasi.

Semua jenis investasi selalu punya resiko, tidak ada investasi yang

bebas resiko, resiko selalu melekat pada tiap investasi besar atau kecil dan juga

dapat dikatakan bahwa hasil yang tinggi resikonya juga tinggi sehingga

diperlukan pemahaman atas resiko yang berkaitan dengan alternatif sarana

investasi yang dapat terdiri dari resiko likuiditas, ketidakpastian hasil,

kehilangan hasil, penurunan nilai investasi sampai resiko hilangnya modal

investasi tersebut.

Didalam Peraturan Bank Indonesia No.11/25/PBI/2009 Pasal 4 Ayat

(1), yang berbunyi: Risiko sebagaimana dimaksud dalam pasal 2 mencakup:

Page 36: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

21

a. Risiko Kredit, adalah risiko akibat kegagalan debitur dan atau pihak lain

di dalam memenuhi kewajibannya kepada bank. Risiko kredit dapat

bersumber dari berbagai aktivitas fungsional bank seperti perkreditan

(penyediaan dana), treasury dan investasi, serta pembiayaan perdagangan,

yang tercatat dalam trading book maupun dalam banking book. Contohnya

timbulnya kredit macet dan persentase piutang meningkat.

b. Risiko Pasar, adalah risiko-risiko pada posisi neraca dan rekening

administratif termasuk transaksi deviratif, akibat perubahan secara

keseluruhan dari kondisi pasar, termasuk risiko perubahan harga Option.

c. Risiko Likuiditas, adalah risiko akibat ketidakmampuan bank untuk

memenuhi kewajiban yang jatuh tempo dari sumber pendanaan arus kas

dan/ atau dari aset likuid berkualitas tinggi yang dapat diagunkan, tanpa

mengganggu aktifitas dan kondisi keuangan bank. Menurut Irham Fahmi

(2011:6): “Risiko Likuiditas merupakan risiko karena ketidakmampuan

memenuhi kebutuhan kas”. Contohnya kepemilikan kas menurun,

sehingga tidak mampu membayar hutang secara tepat, menyebabkan

perusahaan harus menjual aset yang dimilikinya.

d. Risiko Operasional, adalah risiko akibat ketidakcukupan dan/atau tidak

berfungsinya proses internal, kesalahan manusia, kegagalan sistem,

dan/atau adanya kejadian-kejadian eksternal yang mempengaruhi

operasional bank. Contohnya terjadi kerusakan pada komputer karena

berbagai hal termasuk terkena virus.

Page 37: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

22

e. Risiko Hukum, adalah risiko akibat tuntutan hukum dan/atau kelemahan

aspek yuridis. Kelemahan aspek yuridis antara lain disebabkan oleh

adanya tuntutan hukum, ketiadaan peraturan perundang-undangan yang

mendukung atau kelemahan perikatan seperti tidak dipenuhinya syarat

sahnya kontrak dan pengikatan agunan tidak sempurna.

f. Risiko Reputasi, adalah risiko akibat menurunnya tingkat kepercayaan

stakeholder yang bersumber dari persepsi negatif terhadap bank.

g. Risiko Stratejik, adalah risiko akibat ketidaktepatan dalam pengambilan

dan/atau pelaksanaan suatu keputusan stratejik serta kegagalan dalam

mengantisipasi perubahan lingkungan bisnis.

h. Risiko Kepatuhan, adalah risiko akibat bank tidak mematuhi dan/atau

adanya tidak melaksanakan peraturan perundang-undangan dan ketentuan

yang berlaku. Pengelolaan risiko kepatuhan dilakukan melalui penerapan

sistem pengendalian intern secara konsisten.

Van Horne dan Wachowics, Jr (1992) dalam Jogiyanto (2012)

mendefinisikan risiko sebagai variabilitas return terhadap return yang

diharapkan. Maka risiko suatu investasi dapat diukur dengan variance atau akar

dari variance yaitu Standar Deviasi. Secara matematis Standar Deviasi dapat

dirumuskan sebagai berikut (Husnan, 2005:53):

σi2 = ∑

[(𝑅𝑖𝑗−𝐸(𝑅𝑖)]2

𝑁

𝑀𝑗=1 (2.3)

σ = √𝜎2

Page 38: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

23

Keterangan:

Rij = Tingkat keuntungan aktual pada investasi i

E(Ri) = Tingkat keuntungan yang diharapkan pada investasi i

N = Jumlah peristiwa yang mungkin terjadi

D. Teori Portofolio

Salah satu metode yang menjadi perhatian terhadap strategi investasi

portofolio diperkenalkan oleh Markowitz (1952) dengan teorinya tentang

portofolio. Strategi tersebut menjelaskan bagaimana menghasilkan return

maksimal dengan risiko minimal. Portofolio investasi berarti investasi yang

melibatkan banyak sekuritas dalam satu keputusan investasi dengan harapan dapat

mengeliminasi risiko (Hadi, 2013). Menurut Markowitz, teori portofolio

didasarkan pada kenyataan bahwa investor akan menginvestasikan uang dalam

berbagai jenis surat berharga dengan tujuan mengurangi risiko yang harus

ditanggung atau dengan melakukan diversifikasi (membentuk portofolio).

Menurut Husnan (2003), langkah-langkah dalam menentukan investasi

portofolio adalah sebagai berikut:

a. Menentukan Kebijakan Investasi

Pada tahap awal pengambilan keputusan, investor perlu menetapkan

tujuannya berinvestasi dan menentukan besarnya investasi yang akan ditanam.

Mengingat adanya korelasi antara risiko dan keuntungan (return) yang

diperoleh, maka investor tidak dapat mengatakan bahwa tujuan investasinya

adalah mencari keuntungan yang sebesar-besarnya karena akan ada kerugian

Page 39: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

24

yang harus dihadapinya. Jadi, tujuan investasi harus dinyatakan, baik dalam

keuntungan maupun risiko.

b. Analisis Sekuritas

Pada tahap ini akan diadakan analisis terhadap individual (sekelompok)

sekuritas. Ada dua filosofi dalam melakukan analisis sekuritas, yaitu sebagai

berikut:

1) Pendapat pertama menyatakan bahwa sekuritas mispriced (harganya

salah, mungkin terlalu tinggi, mungkin terlalu rendah) Dengan analisis

ini akan dapat dideteksi sekuritas-sekuritas tersebut. Ada berbagai cara

untuk melakukan analisis ini. Cara tersebut dikelompokkan menjadi dua,

yaitu analisis teknikal dan analisis fundamental. Analisis teknikal

menggunakan data (perubahan) harga pada masa yang lalu sebagai upaya

memperkirakan harga sekuritas di masa yang akan datang dengan

melihat nilai transaksi yang terjadi. Sedangkan analisis fundamental

didasarkan pada informasi-informasi yang diterbitkan oleh emiten

maupun oleh administratur bursa efek.

2) Pendapat kedua menyatakan bahwa pasar modal adalah efisien. Dengan

demikian, peralihan sekuritas tidak didasarkan atas frekuensi risiko para

pemodal (pemodal yang bersedia menanggung risiko tinggi akan

memilih sekuritas yang berisiko tinggi), pola kebutuhan kas, dan

sebagainya. Jadi, menurut pendapat ini keuntungan yang diperoleh

pemodal sesuai dengan risiko yang ditanggung.

Page 40: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

25

c. Pembentukan Portofolio

Tahap ini menyangkut identifikasi sekuritas mana saja yang akan dipilih

untuk membentuk portofolio dan berapa proporsi dana yang akan ditanam

pada tiap-tiap sekuritas tersebut. Adanya pemilihan sekuritas ini (dengan kata

lain pemodal melakukan diversifikasi) dimaksudkan untuk meminimalkan

risiko yang ditanggung. Pemilihan sekuritas ini akan dipengaruhi oleh

preferensi risiko, pola kebutuhan kas, dan status pajak.

d. Melakukan Revisi Portofolio

Tahap ini merupakan pengurangan terhadap ketiga tahap sebelumnya dengan

maksud jika diperlukan akan diadakan perubahan terhadap portofolio yang

telah dimiliki. Jika portofolio yang dimiliki sekarang dirasakan tidak lagi

optimal atau tidak sesuai dengan prefensi risiko pemodal, maka pemodal

dapat melakukan perubahan terhadap sekuritas-sekuritas yang membentuk

portofolio tersebut.

e. Evaluasi Kinerja Portofolio

Dalam tahap ini pemodal mengadakan penilaian terhadap kinerja

portofolionya, baik dalam aspek tingkat keuntungan yang diperoleh maupun

risiko yang ditanggung. Tidak benar bahwa suatu portofolio yang

memberikan keuntungan yang lebih tinggi mesti lebih baik daripada

portofolio lainnya karena adanya faktor risiko yang perlu dimasukkan juga.

1. Return Portofolio

Pada praktiknya para pemodal pada sekuritas sering melakukan

diversifikasi dalam investasi mereka. Mereka mengkombinasikan berbagai

Page 41: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

26

sekuritas dalam investasi mereka. Dengan kata lain, mereka membentuk

portofolio. Jadi portofolio tidak lain adalah sekumpulan kesempatan investasi.

Mengapa mereka melakukan diversifikasi? Ada pepatah mengatakan bahwa

“Wise investors do not put all their eggs into just one basket”. Mereka

melakukan diversifikasi untuk mengurangi risiko.

Karena itu perlu dipahami bagaimana menghitung tingkat keuntungan

yang diharapkan dan standar deviasi kalau kita mengkombinasikan beberapa

investasi, atau membentuk portofolio. Perhitungan tingkat keuntungan yang

diharapkan dari suatu portofolio relatif sangat mudah, karena tidak lain

merupakan rata-rata tertimbang dari tingkat keuntungan yang diharapkan dari

masing-masing sekuritas yang membentuk portofolio tersebut (Suad Husnan,

2005:60), dinyatakan dalam rumus:

E(Rp) = ∑ Xi E(Ri) (2.4)

Keterangan:

E(Rp) = Tingkat keuntungan yang diharapkan dari portofolio

Xi = proporsi dana yang diinvestasikan pada saham i

E(Ri) = Tingkat keuntungan yang diharapkan dari saham i

2. Risiko Portofolio

Risiko pada umumnya dibagi menjadi dua yaitu, risiko sistematis atau

systematic risk dan risiko tidak sistematis atau unsystematic risk. Menurut

Tandelilin (2010: 104), risiko sistematis dapat didefinisikan sebagai "risiko

yang berkaitan dengan perubahan yang terjadi di pasar secara keseluruhan.

Page 42: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

27

Perubahan pasar tersebut akan mempengaruhi variabilitas return suatu

investasi.Risiko sistematis merupakanrisiko yang tidak dapat didiversifikasi”.

Untuk mengukur risiko sistematis, digunakan cara yang disebut dengan Beta

(ᵦ). Sedangkan unsystematic risk risiko yang dapat dihilangkan dengan

melakukan diversifikasi, karena risiko ini hanya ada dalam satu perusahaan

atau industry tertentu. Misalnya faktor struktur modal, struktur aset, tingkat

likuiditas, tingkat keuntungan, dan lain sebagainya.

Menurut Suad Husnan (2005:54), perhitungan risiko portofolio atau

deviasi standar tingkat keuntungan portofolio agak rumit karena adanya unsur

korelasi antar tingkat keuntungan dari sekuritas-sekuritas yang membentuk

portofolio tersebut. Standar deviasi adalah akar dari varians, untuk varians

portofolio rumus umumnya adalah:

σp2 = ∑ 𝑋𝑁

𝑖=1 i2 σi

2 + ∑ ∑ 𝑋𝑁𝑗=1

𝑁𝑖=1 i Xj σij (2.5)

Keterangan:

σp2 = variance portofolio

σi2 = variance saham i

σij = covariance saham i dan saham j (σij = ρ ij σ i σ j)

E. Capital Asset Pricing Model (CAPM)

Kemampuan untuk mengestimasi return suatu individual suatu sekuritas

merupakan hal yang penting dan diperlukan oleh investor. Oleh karena itu, model

keseimbangan hadir untuk dapat mengestimasikan return suatu sekuritas dengan

Page 43: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

28

baik dan mudah. Model yang digunakan dalam mensestimasi return dan risiko

yaitu Capital Assets Pricing Model (CAPM) (Tandelilin, 2010).

CAPM dikembangkan oleh William Sharpe, John Lintner, dan Jan Mossin

dua belas tahun setelah Harry Markowitz mengemukakan teori portofolio modern

pada tahun 1952. CAPM adalah sebuah model hubungan antara risiko dan

expected return suatu sekuritas atau portofolio. Model tersebut dapat digunakan

untuk menentukan harga aset berisiko (Zubir, 2010:197). Sedangkan menurut

Bodie dkk (2005) 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).

CAPM merupakan bagian penting dalam bidang keuangan yang digunakan

untuk memprediksi hubungan antara expected return dan risiko suatu aset. CAPM

memiliki dua fungsi utama, yakni;

a. Sebagai tolak ukur (benchmark) dalam mengevaluasi tingkat pengembalian

(rate of return) suatu investasi.

b. Membantu dalam menduga atau memprediksi expected return suatu aset yang

tidak atau belum diperdagangkan di pasar.

Model CAPM menggambarkan tingkah laku (behaviour) investor secara

bersama-sama dalam melakukan investasi. Dengan memahami tingkah laku

investor keseluruhan dalam berinvestasi, kita dapat memahami proses pemilihan

dan pembentukan portofolio investasi yang dilakukan oleh investor (Zubir,

2010:198).

Page 44: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

29

Husnan (2005:160) memaparkan beberapa asumsi-asumsi yang digunakan

dalam model CAPM adalah sebagai berikut:

a. Diasumsikan tidak ada biaya transaksi, dengan demikian pemodal bisa

membeli atau menjual sekuritas tanpa menanggung biaya transaksi.

b. Diasumsikan bahwa investasi sepenuhnya bisa dipecah-pecah (fully divisible),

artinya pemodal bisa melakukan investasi sekecil apapun setiap jenis

sekuritas.

c. Diasumsikan tidak ada pajak penghasilan bagi para pemodal.

d. Diasumsikan pemodal tidak bisa mempengaruhi harga saham dengan

tindakan membeli atau menjual saham.

e. Para pemodal di asumsikan akan bertindak semata-mata atas pertimbangan

expected value dengan deviasi standar tingkat keuntungan portofolio.

f. Diasumsikan bahwa para pemodal bisa melakukan short sales.

g. Terdapat riskless lending and borrowing rate, sehingga pemodal bisa

menyimpan dan meminjam dengan tingkat bunga yang sama.

h. Pemodal diasumsikan mempunyai pengharapan yang homogen. Ini berarti

bahwa para pemodal sepakat tentang expected returns, deviasi standar, dan

koefisien korelasi antar tingkat keuntungan.

i. Diasumsikan bahwa semua aktiva bisa diperjual belikan.

Asumsi-asumsi diatas tidak terlihat realitis. Jika asumsi-asumsi pada model

CAPM dibuat realistis, maka kerangka analisis dan alternatif pertimbangan yang

melandasi keputusan investasi oleh investor akan makin luas dan model tersebut

akan sangat kompleks dan tidak mudah untuk digunakan. CAPM berfokus pada

Page 45: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

30

perubahan faktor lain (selain yang diasumsikan diatas) yang mempengaruhi

investor dalam melakukan investasi. CAPM hanya menggambarkan tingkah laku

investor secara bersama-sama (kolektif) dalam melakukan investasi. Pilihan

investasi hanya disasarkan pada pertimbangan return dan risiko suatu sekuritas

(Zubir, 2010:200).

Menurut Gitman dan Zutter (2012), menjelaskan rumus CAPM sebagai

berikut:

E(Ri) = Rf + βi (Rm – Rf) (2.6)

Keterangan:

E(Ri) = Tingkat keuntungan yang diharapkan untuk saham i

Rf = Tingkat bunga bebas risiko

βi = Koefisien beta atau risiko sistematis untuk saham i

Rm = Tingkat pengembalian pasar

F. Arbitrage Pricing Theory (APT)

Ross pada tahun 1976 merumuskan suatu teori yang disebut sebagai

Arbitrage Pricing Theory (APT). Pada model CAPM, analisis dimulai dari

bagaimana pemodal membentuk portofolio yang efisien, APT mendasarkan diri

atas pemikiran yang berlainan. APT pada dasarnya menggunakan pemikiran yang

menyatakan bahwa dua kesempatan investasi mempunyai karakteristik yang

identik sama tidak bisa dijual dengan harga yang berbeda. Konsep yang digunakan

pada model APT ialah hukum satu harga (the law of one price).

Page 46: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

31

APT mengasumisikain bahwa tingkat keuntungan dipengaruhi oleh berbagai

faktor dalam perekonomian dan industri. Korelasi antara tingkat keuntungan dua

sekuritas terjadi karena sekuritas-sekuritas tersebut dipengaruhi oleh faktor atau

korelasi antar tingkat keuntungan, model tersebut tidak menjelaskan faktor-faktor

yang mempengaruhi korelasi tersebut. Baik CAPM maupun APT berpendapat

bahwa ada hubungan yang positif antara tingkat keuntungan yang diharapkan

dengan risiko (Husnan, 2005:198).

Model APT memiliki asumsi bahwa tingkat pengembalian acak atas sekuritas

𝑖 dipengaruhi oleh beberapa faktor. Asumsi tersebut dapat dinyatakan dalam

persamaan sebagai berikut (Vian Riska Ayuning Tyas, dkk, 2014):

Ri = Ṝi + bi1Fi1 + bi2Fi2 + ... + bijFj + ei (2.7)

Keterangan:

Ri = Tingkat return sekuritas i

Ṝi = Konstanta

bi,j= Sensitivitas pendapatan sekuritas i terhadap faktor j

Fi,j = Faktor j yang mempengaruhi pendapatan

ei = random error

G. Single Index Model

Konsep Single Index Model menurut Zubir (2011:97), adalah sebuah teknik

untuk mengukur return dan risiko sebuah saham atau portofolio. Model tersebut

mengasumsikan bahwa pergerakan return saham hanya berhubungan dengan

pergerakan pasar. Single Index Model membagi return dari sekuritas ke dalam dua

bagian, yaitu komponen return yang unik diwakili oleh αi yang independen

Page 47: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

32

terhadap return pasar, dan komponen return yang berhubungan dengan return

pasar yang diwakili oleh βi . RM. Single Index Model dapat dinyatakan dalam

bentuk return ekspektasi (expected return) (Jogiyanto, 2012:371)

1. Analisis Portofolio Menggunakan Single Index Model

Hasil perhitungan berdasarkan Single Index Model selain dapat

digunakan sebagi input analisis portofolio, tetapi juga dapat digunakan secara

langsung untuk analisis portofolio. Analisis tersebut berhubungan dengan

return ekspektasi portofolio dan risiko portofolio (Jogiyanto, 2013:385).

a. Expected Return portofolio bersadarkan Single Index Model

Return ekspektasi portofolio merupakan rata-rata tertimbang dari return

ekspektasi individual sekuritas.

b. Risiko Portofolio

Risiko yang dihitung berdasarkan Single Index Model terdiri dari dua

bagian, yaitu risiko yang berhubungan dengan pasar (market related risk)

yaitu βi2.σ2M dan risiko unik masing–masing perusahaan (unique risk)

yaitu σ2ei.

2. Portofolio Optimal Berdasarkan Model Indeks Tunggal

Perhitungan untuk menentukan portofolio optimal akan sangat

dimudahkan jika hanya didasarkan pada sebuah angka yang dapat menentukan

apakah suatu sekuritas dapat dimasukkan ke dalam portofolio optimal tersebut.

Angka tersebut adalah rasio antara ekses return dengan beta (Excess Return to

Beta) (Jogiyanto, 2015:430).

Page 48: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

33

Excess Return to Beta (ERB) didefinisikan sebagai selisih return

ekspektasi dengan return aktiva bebas risiko. Excess Return to Beta (ERB)

berarti mengukur kelebihan return relatif terhadap satu unit risiko yang tidak

dapat didiversifikasikan yang diukur dengan beta. Rasio beta ini juga

menunjukkan hubungan antara dua faktor penentu investasi, yaitu risiko dan

return.

Excess Return to Beta (ERB) dapat dihitung dengan menggunakan

rumus sebagai berikut: (Jogiyanto, 2015:430).

ERB = E(Ri) – Rf (2.8)

βi

Keterangan:

ERB = Excess Return to Beta sekuritas ke-i

E(Ri) = Expected Return sekuritas i

Rf = Return aktiva bebas risiko

βi= beta sekuritas ke-i

Portofolio yang optimal akan berisi dengan aktiva-aktiva yang

mempunyai nilai rasio ERB (Excess Return to Beta) yang tinggi. Aktiva-aktiva

dengan rasio ERB (Excess Return to Beta) yang rendah tidak akan dimasukkan

ke dalam portofolio optimal.

Diperlukan sebuah titik pembatas (Cut-off point/Ci) yang menentukan

batas nilai ERB (Excess return to beta) berapa yang dikatakan tinggi atau

rendah. Besarnya Cut-off rate (C*) ditentukan oleh nilai Ci terbesar. Sekuritas-

sekuritas yang membentuk portofolio optimal adalah sekuritas-sekuritas yang

Page 49: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

34

mempunyai nilai ERB (Excess Return to Beta lebih besar atau sama dengan

nilai ERB (Excess Return to Beta) di titik C*. Sekuritas-sekuritas yang

mempunyai ERB lebih kecil dari titik C* tidak diikutsertakan dalam

pembentukan portofolio optimal (Jogiyanto, 2015:432).

Setelah menemukan sekuritas-sekuritas mana saja yang membentuk

portofolio optimal sesuai kriteria ERB > C*, maka langkah selanjutnya adalah

menghitung seberapa besar proporsi masing-masing sekuritas tersebut dalam

portofolio optimal.

H. Pengukuran Kinerja Portofolio

Perkembangan konsep pengukuran kinerja portofolio terjadi pada akhir tahun

60-an yang dipelopori oleh Wiliam Sharpe, Treynor, dan Michael Jensen.

Konsep ini berdasarkan teori Capital Market. Ketiga ukuran ini dikenal dengan

istilah Composite (risk-adjusted) Measure of Portofolio Performance (Samsul,

2006).

1. Sharpe’s Model

Menurut Sharpe, kinerja portofolio dimasa yang akan datang dapat

diprediksi dengan menggunakan dua ukuran yaitu dengan Expected Return dan

Predicted Variability of Risk yang diekspresikan sebagai Standar Deviasi dan

menghubungkan antara besarnya Return dan besarnya risiko. Dengan Rumus

sebagai berikut (Samsul, 2006):

R/Vs = E(Rp) - Rf (2.9)

σp

Page 50: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

35

Keterangan:

R/Vs = Reward To Variability Ratio Model Sharpe

E(Rp) = Average Return Portofolio

Rf = Risk Free Rate

p = Standar Deviasi portofolio sebagai tolak ukur risiko

2. Jensen’s Model

Jensen menekankan bahwa hasil Return yang dimaksud adalah Average

Return (Rp) masa lalu sedangkan Minimum Rate Of Return adalah Expected

Return E(Rp). Dimana Jensen menggunakan Rumus CAPM yang ditulis

dengan rumus sebagai berikut (Samsul, 2006):

E(Ri) = Rf + βi (Rm – Rf) (2.10)

Keterangan:

E(Ri) = Tingkat keuntungan yang diharapkan untuk saham i

Rf = Tingkat bunga bebas risiko

βi = Koefisien beta atau risiko sistematis untuk saham i

Rm = Tingkat pengembalian pasar

3. Treynor’s Model

Menurut Treynor dalam mengevaluasi kinerja dengan menggunakan

Average Return masa lalu sebagai Expected Return dan menggunakan beta

sebagai tolak ukur risiko. Model Treynor dinyatakan dengan rumus sebagai

berikut (Samsul, 2006):

R/Vs = E(Rp) – Rf (2.11)

βp

Page 51: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

36

Keterangan:

R/Vt = Reward To Variability Ratio Model Treynor

E(Rp) = Average Return Portofolio

Rf = Risk Free Rate

βp = Beta portofolio sebagai tolak ukur risiko

I. Fama-French Three Factor Model

Model penentuan harga aset merupakan sekumpulan prediksi

mengenai imbal hasil yang akan diperoleh terhadap aset berisiko yang telah

dipilih. Model lain yang dapat digunakan sebagai wadah untuk perhitungan

return adalah model yang dikembangkan oleh Eugene F. Fama dan Kenneth R.

French pada tahun 1992 yang dikenal sebagai teori Fama-French Three-Factor

Model.

Apabila pada metode Capital Asset Pricing Model (CAPM) satu-

satunya yang menjadi indikator penilaian return adalah premi risiko (Beta),

maka pada pengembangan teori yang dilakukan oleh Fama dan French

melibatkan dua variabel yang ditambahkan untuk mengukur return saham yang

dimiliki oleh investor. Kedua variabel tersebut adalah Size dan Book to Market

Equity Ratio. Penambahan dua variabel tersebut memberikan anggapan bagi

sebagian peneliti bahwa model inilah yang paling efisien untuk digunakan

dalam menghitung Return.

Fama dan French (1998) mengemukakan bahwa perusahaan dengan

high book-to-market equity (value stock) memberikan return yang lebih tinggi

dibandingkan dengan low book-to-market equity (growth stock) di 12 pasar

Page 52: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

37

modal, dan perusahaan dengan small stock memberikan return lebih tinggi

daripada large stock di 11 pasar modal (Hardianto dan Suherman , 2009).

Semua hasil studi mengkonfirmasi model Fama dan French mampu

menjelaskan average return of stock di pasar modal lebih baik dari Capital

Asset Pricing Model (CAPM). Fama dan French (2004) juga mengatakan

bahwa Capital Asset Pricing Model (CAPM) sangat manjur (powerful) sebagai

pengukur risiko dan hubungan antara keuntungan yang diharapkan dan risiko

(expected return and risk). Sayangnya, banyak hasil penelitian empiris dengan

model ini tidak ditemukan demikian

Formula yang dapat dituliskan untuk metode Fama-French Three

Factor Model adalah sebagai berikut (Hanafi, 2004):

𝑅𝑖 − 𝑅𝑓 = 𝛼 + 𝛽𝑖 (𝑅𝑚 − 𝑅𝑓) + 𝛾𝑖 (𝑆𝑀𝐵) + 𝛿𝑖 (𝐻𝑀𝐿) + 𝑒𝑖 (2.12)

Keterangan:

Ri = return saham i historis

Rf = return aset bebas risiko historis

α = intercept

βi = beta pasar atau koefisien regresi

Rm = return atau tingkat keuntungan pasar historis

γi= koefisien regresi saham i terhadap return SMB

SMB = Small Minus Big, yaitu selisih return portofolio saham kecil dengan

portofolio saham besar

δi = koefisien regresi saham i terhadap return HML

Page 53: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

38

HML = High Minus Low, yaitu selisih return portofolio saham dengan B/M

tinggi dengan portofolio saham dengan B/M rendah.

ei = error term

1. Premi Risiko

Return merupakan salah satu faktor yang paling memotivasi investor

untuk berinvestasi dan salah satu imbalan bagi investor karena telah berani

menanggung risiko tertentu sesuai dengan karakternya masing-masing.

Menurut Webster dalam Brigham dan Housto, (2012) risiko (risk)

didefinisikan sebagai suatu halangan, gangguan, eksposur terhadap kerugian

atau kecelakaan. Jadi, risiko disini diartikan sebagai adanya peluang dari

berbagai hal yang tidak dikehendaki.

Hubungan antara risiko dan return merupakan hubungan yang bersifat

searah dan linier. Oleh karena itu semakin besar risiko suatu aset, maka

semakin besar pula tingkat pengembalian yang akan diperoleh dari aset

tersebut.

Risiko sekuritas dapat ditunjukkan dengan beta, karena pada pasar yang

seimbang portofolio yang terbentuk sudah terdiversifikasi dengan baik

sehingga risiko yang relevan adalah risiko sistematis (beta). Beta merupakan

ukuran risiko sistematis suatu sekuritas yang tidak dapat dihilangkan melalui

diversifikasi. Beta menunjukkan sensitivitas return sekuritas terhadap

perubahan return pasar. Semakin tinggi beta suatu sekuritas maka semakin

sensitif sekuritas tersebut terhadap pasar. Sebagai ukuran sensitivitas return

Page 54: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

39

saham, beta juga dapat digunakan untuk membandingkan risiko sistematis

antara satu saham dengan saham yang lain (Tandelilin, 2001).

Premi risiko pasar (market risk premium/RPm) menurut Brigham dan

Houston (2012) menunjukkan premi yang diminta oleh investor untuk

menanggung risiko saham rata-rata. Besarnya premi ini akan bergantung pada

seberapa besar investor menilai pasar saham dan seberapa tinggi penghindaran

risikonya.

𝑅𝑃𝑚 = 𝑅𝑚− 𝑅𝑟𝑓 (2.13)

Keterangan:

RPm = Premi risiko “pasar” dan juga premi saham rata-rata. Ini merupakan

tambahan pengembalian di atas tingkat bebas risiko yang diminta untuk

memberikan kompensasi bagi seorang investor karena menanggung risiko

saham rata-rata.

2. Size (Ukuran Perusahaan)

Faktor kedua yang dijelaskan oleh Fama-French Three-Factor Model

adalah Size atau ukuran perusahaan. Menurut Nurafiyana (2010), ukuran suatu

perusahaan diperhitungkan karena perusahaan yang lebih kecil akan memiliki

risiko yang lebih tinggi daripada perusahaan yang lebih besar, maka dari itu

investor mengharap return yang lebih besar pada perusahaan yang ukurannya

lebih kecil.

Sedangkan menurut Ferry dan Jones dalam Sujianto (2001), ukuran

perusahaan menggambarkan besar kecilnya suatu perusahaan yang ditunjukkan

Page 55: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

40

oleh total aktiva, jumlah penjualan, rata–rata total penjualan dan rata–rata total

aktiva. Jadi, ukuran perusahaan merupakan ukuran atau besarnya asset yang

dimiliki oleh perusahaan. Pada dasarnya ukuran perusahaan hanya terbagi

dalam dua kategori yaitu perusahaan besar (large firm), dan perusahaan kecil

(small firm).

Alasan mengapa perusahaan kecil memberikan premium (return) yang

lebih besar daripada perusahaan besar adalah (Zubir, 2013):

a. Perusahaan kecil pada umumnya mempunyai risiko yang lebih besar

daripada perusahaan besar, oleh karena itu return saham yang diminta

investor terhadap perusahaan kecil lebih besar daripada perusahaan besar.

b. Adanya kesalahan dalam penetapan harga saham perusahaan kecil

(mispricing), sehingga terjadi koreksi harga.

c. Perusahaan kecil sering mempunyai tingkat pertumbuhan yang tinggi.

Pertumbuhan tersebut akan memengaruhi harga sahamnya. Semakin tinggi

tingkat pertumbuhan cash flow, semakin besar nilai perusahaan. Untuk

bertumbuh besar, dividen yang dibagikan (Dividen Payout Ratio/DPR)

cenderung kecil karena sebagian besar dari keuntungan diinvestasikan

kembali.

Menurut Paulo Alves (2013) Size dihitung dengan menggunkan

pengukuran Kapitalisasi Pasar atau Market Capitalization, yaitu dengan

persamaan sebagai berikut:

Size = Close Price x Jumlah Saham Beredar (2.14)

Page 56: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

41

3. Book to Market Equity Ratio

Book to Market Equity adalah rasio harga pasar suatu saham terhadap

nilai bukunya (Brigham dan Houston, 2012). Rasio ini memberikan gambaran

bagi para investor dalam menilai perkembangan suatu perusahaan karena

apabila perusahaan dipandang baik berarti perusahaan tersebut mengalami

pertumbuhan dilihat dari laba yang diperoleh dan arus kas nya.

Rasio book to market equity menyatakan perbandingan Book Equity

terhadap Market Equity perusahaan. Fama dan French (1995) mendefinisikan

Book to Market Equity sebagai “Book common equity for the fiscal year ending

in calendar year (t-1), divied by market equity at the end of December of the

year (t-1)”. Book to market ratio dihitung dengan membagi Equity per Share

dengan closing price bulan desember (akhir tahun), untuk membagi perusahaan

menjadi tiga kategoti yaitu perusahaan dengan Book to Market Ratio rendah,

sedang (medium), dan tinggi.

Book to Market Equity Ratio (BE/ME) = Total Ekuitas

𝐾𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑠𝑎𝑠𝑖 𝑃𝑎𝑠𝑎𝑟 (2.15)

Beberapa alasan investor menggunakan Book to Market Ratio di dalam

menganalisis investasi antara lain:

a. Book value memberikan pengukuran yang relatif stabil, untuk

dibandingkan dengan market price. Untuk investor yang tidak

mempercayai estimasi discounted cash flow, book value dapat menjadi

benchmark dalam memperbandingkan dengan market price.

b. Karena standar akuntansi yang hampir sama pada setiap perusahaan, Book

to Market Ratio bisa dikomparasikan dengan perusahaan lain yang berada

Page 57: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

42

pada satu sektor, untuk mengetahui apakah perusahaan tersebut masih

undervalue atau sudah overvalue.

c. Perusahaan dengan earnings negatif, sehingga tidak bisa dinilai dengan

menggunakan earning-price ratio, dapat dievaluasi dengan menggunakan

book to market ratio. Perusahaan yang mempunyai book value negatif,

lebih sedikit daripada perusahaan yang mempunyai earnings negatif.

Secara teoritis rasio Book to market memiliki pengaruh negatif terhadap

return saham dengan kata lain semakin tinggi rasio Book to Market suatu

perusahaan maka semakin rendah return saham yang dihasilkan, begitu pula

sebaliknya dimana perusahaan dengan Rasio Book to Market rendah memiliki

tingkat Return saham yang relatif lebih tinggi.

J. Penelitian Terdahulu

TABEL. 2.1

PENELITIAN TERDAHULU

No Nama

Peneliti

(Tahun)

Judul

Penelitian

Sampel Metode

Peneliti

an

Hasil Penelitian

1. Belen

Blanco

(2012)

“The use of

CAPM and

Fama and

French Three

Factor

Model:

portfolios

selection”

Pasar saham

Amerika dari

Juli 1926

sampai Januari

2006 (955

observasi)

Fama-

French

Three

Factor

Model

dan

CAPM

Three factor

model dari Fama-

French lebih baik

dari CAPM untuk

menjelaskan

return yang

diharapkan pada

portofolio. Tetapi

hasil tersebut

bergantung pada

bagaimana

portofolio

dibentuk.

Page 58: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

43

2. Paulo

Alves

(2013)

“The Fama

French

Model Or The

Capital Asset

Pricing

Model:

International

Evidence”

Perusahaan

yang terdaftar

pada European

Monetary

Union (EMU),

yaitu Austria,

Belgia,

Finlandia,

Perancis,

Jerman,

Islandia, Italia,

Portugal, dan

Spanyol.

Fama-

French

Three

Factor

Model

dan

CAPM

Fama-French

Three Factor

Model lebih baik

dibandingkan

CAPM untuk

Perusahaan

dengan Size kecil

dan BE/ME Ratio

tinggi.

3. Valsamis

Monolakis

(2012)

“Fama and

French

Three-Factor

Model:

Application

to Greek

Stock

Market”

Pasar Saham di

Greek dari Juni

2001-Juni 2011

Fama-

French

Three

Factor

Model

Model Tiga

Faktor dari Fama

and French

menjelaskan

Return saham

lebih baik

daripada CAPM

dengan

menambahkan

variabel SMB dan

HML sebagai

variabel bebas

dan Excess

Return sebagai

variabel terikat.

4. Reni

Marlina

(2015)

“Formation

Of Stock

Portfolio

Using Single

Index Model

(Case Study

On Banking

Shares In The

Indonesia

Stock

Exchange)”

Bank Syariah

yang terdaftar

di Bursa Efek

Indonesia

Single

Index

Model

Dari 30 bank,

terdapat 5 saham

yang dapat

membentuk

portofolio

optimal yaitu;

MAYA, MCOR,

BACA, BBCA,

dan SDRA.

Page 59: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

44

5. M.

Sathyapriy

a (2016)

“Optimum

Portfolio

Construction

Using Sharpe

Index Model

With

Reference to

Infrastructue

sector and

Pharmaceuti

cal Sector”

Perusahaan

pada sektor

Infrastruktur

dan Farmasi

dari tahun

2008-2012

Model

Tunggal

Sharpe

(Sharpe

Index

Model)

Sektor Farmasi

memiliki kinerja

lebih baik dari

sektor

Infrastruktur

sebanyak 80%,

dimana dari

Sektor

Infrastruktur

hanya terdapat 1

saham yang

masuk sebagai

portofolio

optimal.

Sedangkan 4

saham lainnya

berasal dari

Sektor Farmasi.

6. Bambang

Sudiyatno,

Moch.

Irsad

(2011)

“Menguji

model tiga

faktor Fama

dan French

dalam

mempengaru

hi return

saham studi

pada saham

LQ45 di

bursa efek

Indonesia”

Saham pada

indeks saham

LQ45 periode

2007-2009

Model

Fama-

French:

Model

tiga

Faktor

Pengaruh positif

signifikan antara

premi risiko

dengan return

saham, sedangkan

ukuran

perusahaan dan

book-to-market

ratio berpengaruh

negatif, tetapi

tidak signifikan

terhadap return

saham. Oleh

karena itu, dua

faktor Fama dan

French tidak

terbukti

berpengaruh pada

return saham.

Page 60: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

45

7. Bramantio

Cahyadi

dan Adisti

Febriwanty

(2014)

“Pengaruh

variabel

makro

terhadap

pembentukan

portofolio

optimal

dengan single

index model

pada bursa

Efek

Indonesia

(BEI)”

1. IHSG

(Indeks Pasar)

2. Indeks LQ45

periode

Februari 2006

sampai July

2012

Single

Index

Model

Diperoleh 6

saham yang dapat

membentuk

portofolio

optimal,

diantaranya

adalah PTBA

dengan nilai ERB

0,023009; BBCA

dengan nilai ERB

0,021328; INDF

dengan nilai ERB

0,019752; ASII

dengan nilai ERB

0,019063; UNTR

dengan nilai ERB

0,018632; AALI

dengan nilai ERB

0,017504

8. Yolita,

Syarief

Fauzie

(2014)

“Analisis

Stock Returns

Perusahaan

Perbankan

pada Jakarta

Composite

Index (IHSG)

Menggunaka

n Fama-

French

Three-Factor

Model”

IHSG periode

Februari 2008

sampai Januari

2014

Fama-

French:

Three

Factor

Model

Signifikansi

hampir pada

setiap portofolio

menunjukkan

bahwa Fama-

French Three

Factor Model

dapat

menjelaskan

pengembalian

saham pada

Jakarta

Composite Index

dalam sektor

perbankan.

Secara empiris,

Fama-French

Three-Factor

Model dapat

menjelaskan

pengembalian

Page 61: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

46

saham di atas

pengembalian

tingkat bebas

risiko lebih baik

daripada model

CAPM.

9. Renny

Nur’ainy,

dkk (2013)

“Studi

Empiris

Pembentukan

Portofolio

Saham

Multifaktor di

Bursa Efek

Indonesia”

Perusahaan

yang terdaftar

di Bursa Efek

Indonesia

(BEI) dari

tahun 2007-

2011.

Pendekat

an multi-

faktor

untuk

model

tiga

faktor

dari

Fama

dan

French

Three Factor

Fama and French

dan Capital Asset

Pricing Model

mampu

menjelaskan

tingkat return

yang diharapkan.

Selain itu model

Three Factor

Fama and French

lebih baik dalam

menjelaskan

tingkat return

saham yang

diharapkan.

10. Richard

Irawan dan

Werner R.

Murhadi

(2012)

“Analisis

Pengaruh

Three Factor

Model dan

Persentase

Kepemilikan

Asing

terhadap

Tingkat

Return di

Bursa Efek

Indonesia”

269 perusahaan

yang terdaftar

di Bursa Efek

Indonesia pada

tahun 2008-

2011.

Fama

dan

French:

Three

Factor

Model

Faktor market,

size dan book to

market equity

berpengaruh

positif pada

return, sedangkan

faktor

kepemilikan

asing tidak

berpengaruh

secara signifikan

terhadap return

saham.

Page 62: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

47

K. Kerangka Pemikiran

GAMBAR. 2.1

Kerangka Pemikiran

L. Hipotesis Penelitian

Berdasarkan perumusan masalah dan tujuan penelitian maka hipotesis dalam

penelitian ini adalah sebagai berikut:

1. Hipotesis Pertama:

H01 : Terdapat Pembentukan Portofolio Optimal dengan Single Index Model

Ha1 : Tidak terdapat Pembentukan Portofolio Optimal dengan Single Index

Model

Daftar Saham SRI-KEHATI Tahun 2013-2017

Memilih saham yang selalu masuk SRI-KEHATI dari tahun 2013-2017 berturut-

turut

Menyeleksi saham yang memberikan Return positif

Pembuatan Portofolio Optimal dengan Single Index Model

Indeks Sharpe Indeks Jensen Indeks Treynor

Menganalisis Pengaruh Fama-French Three Factor Model terhadap Return

Saham

Variabel Independen:

Premi Risiko (Beta)

Size

Book to Market Equity

Variabel Dependen:

Return Saham

Page 63: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

48

2. Hipotesis Kedua:

H02 : Terdapat pengaruh Fama-French Three Factor Model terhadap Return

Saham

Ha2 : Tidak terdapat pengaruh Fama-French Three Factor Model terhadap

Return Saham

Page 64: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

49

BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini bertujuan untuk membentuk Portofolio Optimal dengan

menggunakan metode yang disebut dengan Single Index Model, lalu dilakukan

pengukuran kinerja terhadap portofolio optimal tersebut menggunakan Indeks

Sharpe, Indeks Jensen, dan Indeks Treynor. Kemudian, menganalisis apakah

terdapat pengaruh dari Fama-French Three Factor Model terhadap Return saham.

Adapun saham-saham yang digunakan dalam penelitian ini adalah saham

yang listed atau terdaftar dalam Bursa Efek Indonesia (BEI) dan masuk kategori

Indeks Saham SRI-KEHATI. Kriteria saham yang masuk Indeks SRI-KEHATI

(Sustainable and Responsible Invesment) adalah emiten tidak bergerak dalam

sektor pestisida, nuklir, senjata, tembakau, alkohol, pornografi,

perjudian, genetically modified organism (GMO), dan pertambangan batubara.

Selanjutnya emiten yang memiliki kapitalisasi pasar dan total aset lebih besar dari

Rp 1 triliun, free float ratio lebih besar dari 10 persen, serta rasio price

earning (PE) positif. Dan kriteria terakhir adalah menyeleksi saham-saham

dengan memperhatikan enam aspek fundamental yakni, Environmental,

Community, Corporate Governance, Human Rights, Business Behavior, dan

Labor Practices and Decent Work. Intinya, saham-saham yang masuk Indeks SRI-

KEHATI adalah saham-saham yang menggunakan prinsip keberlanjutan,

keuangan, dan tata kelola yang baik, serta kepedulian terhadap lingkungan hidup.

Page 65: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

50

Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data

harga saham penutupan (Close Price), tingkat suku bunga bebas risiko (Risk Free

Rate) yang berupa suku bunga Bank Indonesia (BI Rate) selama tahun 2013–2017,

dan harga penutupan harian IHSG. Data dikelola menggunakan bantuan program

komputer berupa SPSS, E-Views, dan Microsoft Excel.

B. Model Penentuan Sampel

Populasi yang digunakan dalam penelitian ini adalah saham-saham yang

masuk dalam kategori Indeks SRI-KEHATI selama tahun 2013-2017. Indeks SRI-

KEHATI terdiri dari 25 saham yang memiliki total aset lebih dari Rp 1 Triliun

dan memiliki free float ratio lebih dari 10%, serta memperhatikan enam aspek

fundamental yaitu, tata kelola perusahaan, lingkungan, keterlibatan masyarakat,

perilaku bisnis, sumber daya manusia, dan hak asasi manusia (HAM). Keberadaan

perusahaan terpilih akan dievaluasi setiap 2 (dua) periode dalam setahun, yaitu

pada bulan April dan Oktober, dan setelah terpilih nama-nama dari 25 (dua puluh

lima) perusahaan tersebut akan di publikasikan oleh BEI.

Teknik yang digunakan dalam penentuan sampel adalah Purposive Sampling,

dimana sampel penelitian ditentukan berdasarkan pada pertimbangan-

pertimbangan tertentu. Kriteria yang digunakan sebagai dasar pertimbangan

adalah sebagai berikut:

1. Saham-saham yang terdaftar di Indeks SRI-KEHATI selama periode 2013 –

2017

2. Saham-saham yang selalu masuk kategori SRI-KEHATI selama periode

2013–2017 berturut-turut.

Page 66: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

51

Berdasarkan hasil penyeleksian, terdapat saham yang memenuhi syarat untuk

menjadi sampel penelitian. Adapun daftar saham yang dijadikan sebagai sampel

penelitian dapat dilihat dalam tabel berikut:

Tabel. 3.1

Daftar Saham SRI-KEHATI Tahun 2013-2017

Sumber: IDX, Data Diolah

C. Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah jenis data sekunder. Data-

data yang diperlukan dalam penelitian ini adalah:

1. Daftar saham yang selalu masuk Indeks SRI-KEHATI selama tahun 2013-

2017

NO Kode Nama Saham

1 AALI Astra Agro Lestari Tbk

2 ADHI Adhi Karya (Persero) Tbk

3 ASII Astra Internasional Tbk

4 BBCA Bank Central Asia Tbk

5 BBNI Bank Negara Indonesia Tbk

6 BBRI Bank Rakyat Indonesia Tbk

7 BDMN Bank Danamon Indonesia Tbk

8 BMRI Bank Mandiri (Persero) Tbk

9 INDF Indofood Sukses Makmur Tbk

10 JSMR Jasa Marga (Persero) Tbk

11 KLBF Kalbe Farma Tbk

12 LSIP Perusahaan Perkebunan London Sumatra Indonesia Tbk

13 PGAS Perusahaan Gas Negara (Persero) Tbk

14 SMGR Semen Indonesia (Persero) Tbk

15 TINS Timah (Persero) Tbk

16 TLKM Telekomunikasi Indonesia (Persero) Tbk

17 UNTR United Tractors Tbk

18 UNVR Unilever Tbk

Page 67: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

52

2. Daftar harga penutupan saham harian dan triwulanan selama tahun 2013-

2017

3. Tingkat Suku Bunga Bank Indonesia (BI Rate) selama tahun 2013-2017

4. Harga penutupan IHSG harian dan triwulanan selama tahun 2013-2017

5. Total Ekuitas dan Total Aset triwulanan dari masing-masing emiten

6. Jumlah saham beredar dari masing-masing emiten

Data-data diatas didapatkan peneliti dari hasil pencarian pada internet. Data-

data tersebut tersedia pada link url, www.kehati.or.id, www.idx.co.id,

www.bi.go.id, dan www.finance.yahoo.com dan dari laporan keuangan serta

laporan tahunan masing-masing emiten yang masuk Indeks SRI-KEHATI dari

tahun 2013-2017.

D. Metode Analisis Data

1. Pembentukan Portofolio Optimal dengan Single Index Model

Pengukuran yang dilakukan untuk membentuk portofolio optimal

menggunakan Single Index Model dalam penelitian ini adalah sebagai berikut:

a. Menghitung Actual dan Expected Return Saham Individual

Menghitung Actual Return saham individual dilakukan dengan cara

menghitung Return saham setiap bulan selama periode penelitian dengan

menggunakan harga penutupan (Close Price) dari masing-masing emiten

indeks saham SRI-KEHATI. Metode perhitungan dilakukan dengan

formula sebagai berikut:

Page 68: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

53

Ri = Pt - Pt-1 (3.1)

Pt-1

Keterangan:

Ri = Return saham i

Pt = Harga penutupan periode t

Pt-1 = Harga penutupan periode t-1

Sedangkan menghitung expected return saham individual dilakukan

dengan cara membagi jumlah tingkat keuntungan dengan jumlah periode

(Husnan, 2005:51), yaitu sebagai berikut:

E(Ri) = ∑𝑅𝑖𝑗

𝑁

𝑁𝑖=1 (3.2)

Keterangan:

E(Ri) = Expected return saham i

Rij = Tingkat keuntungan aktual saham i

N = Banyaknya periode yang terjadi

b. Menghitung Actual dan Expected Return Pasar

Return pasar dibagi menjadi dua yaitu, return pasar aktual dan

expected return pasar. Menghitung return pasar aktual menggunakan Indeks

Harga Saham Gabungan (IHSG) harian pada saat harga penutupan (Close

Price). Formulanya sebagai berikut:

Page 69: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

54

Rm = IHSGt – IHSGt-1 (3.3)

IHSGt-1

Keterangan:

Rm = Return pasar

IHSGt = IHSG pada periode t

IHSGt-1 = IHSG pada periode t-1

Expected return pasar dihitung dengan membagi jumlah return pasar

dengan jumlah periode yang terjadi, atau sebagai berikut:

E(Rm) = ∑ 𝑛𝑗=1 Rm (3.4)

N

Keterangan:

E(Rm) = Expected return pasar

Rm = Return pasar

N = jumlah periode yang terjadi

c. Menghitung Standar Deviasi saham dan Standar Deviasi Pasar

Standar Deviasi merupakan pengukuran seberapa jauh Actiual Return

menyimpang dari Expected Return, oleh karena itu Standar Deviasi dapat

dikatakan sebagai ukuran risiko. Standar Deviasi adalah akar dari varians

atau dapat dihitung menggunakan rumus berikut (Husnan, 2005:53).

Page 70: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

55

σi = ∑[(𝑅𝑖𝑗−𝐸(𝑅𝑖)]2

𝑁

𝑀𝑗=1 (3.5)

Keterangan:

σi = Standar Deviasi investasi i

Rij = Tingkat keuntungan aktual pada investasi i

E(Ri) = Tingkat keuntungan yang diharapkan pada investasi i

N = Jumlah peristiwa yang mungkin terjadi

Sedangkan Standar Deviasi Pasar dapat dihitung menggunakan

persamaan berikut.

σm = ∑[(𝑅𝑚−𝐸(𝑅𝑚)]2

𝑁

𝑀𝑗=1 (3.6)

Keterangan:

σm = Standar Deviasi pasar

Rij = Tingkat keuntungan aktual pasar

E(Ri) = Tingkat keuntungan yang diharapkan pasar

N = Jumlah peristiwa yang mungkin terjadi

d. Menghitung Beta Saham

Beta (βi) berfungsi sebagai pengukur volatilitas return saham, atau

portofolio terhadap return pasar. Volatilitas merupakan

fluktuasi return suatu saham atau portofolio dalam suatu periode tertentu,

jika secara statistik fluktuasi tersebut mengikuti fluktuasi dari berbagai

Page 71: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

56

tingkat pengembalian pasar, maka dikatakan beta dari sekuritas tersebut

bernilai satu (Jogiyanto, 2007). Beta bisa dihitung dengan menggunakan

rumus berikut (Husnan, 2005).

βi = 𝜎𝑖,𝑚

𝜎𝑚² (3.7)

Keterangan:

βi = beta saham

σim = kovarians return saham i dengan return pasar

σm = return pasar

e. Menghitung Alpha Saham

Alpha suatu saham (αi) menunjukan bagian return yang unik yaitu

return yang tidak dipengaruhi oleh risiko pasar. Alpha saham dapat dihitung

dengan persamaan berikut (Husnan, 2005:108):

αi = E(Rit) - βi E(Rmt) (3.8)

Keterangan:

αi = Alpha saham i

E(Rit) = Expected return saham i pada periode t

βi = beta pasar atau koefisien regresi

E(Rmt) = Expected return pasar pada periode t

f. Menghitung Varians dari kesalahan Residu

Page 72: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

57

Varians dari kesalahan residu atau Variance Error (σei²) menunjukan

risiko tidak sistematis yang unik terjadi di dalam perusahaan atau dapat

dihitung menggunakan persamaan berikut (Nalini, 2014).

σei² = σi² - βi² . σm² (3.9)

Keterangan:

σei² = Varians dari kesalahan Residu

σi² = Varians saham i

βi² = Beta saham

σm² = Varians Return saham

g. Menghitung Return Aset bebas risiko

Return Aset bebas risiko pada penelitian ini menggunakan Suku

Bunga Bank Indonesia (BI Rate) dari tahun 2013-2017 yang dirata-ratakan

dengan 360 karena menggunakan BI Rate harian.

h. Menghitung Excess Return to Beta

Excess Return to Beta (ERB) didefinisikan sebagai selisih return

ekspektasi dengan return aktiva bebas risiko. Excess Return to Beta (ERB)

berarti mengukur kelebihan return relatif terhadap satu unit risiko yang

tidak dapat didiversifikasikan yang diukur dengan beta. Rasio beta ini juga

menunjukkan hubungan antara dua faktor penentu investasi, yaitu risiko dan

return.

Page 73: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

58

Excess Return to Beta (ERB) dapat dihitung dengan menggunakan

rumus sebagai berikut: (Jogiyanto, 2015:430).

ERB = E(Ri) – Rf (3.10)

βi

Keterangan:

ERB = Excess Return to Beta sekuritas ke-i

E(Ri) = Expected Return sekuritas i

Rf = Return aktiva bebas risiko

βi= beta sekuritas ke-i

i. Menghitung Cut Off Point

Besarnya titik pembatas (Cut Off Point) dapat ditentukan dengan

langkah-langkah sebagai berikut (Jogiyanto, 2012):

1) Urutkan sekuritas-sekuritas berdasarkan nilai ERB terbesar ke nilai ERB

terkecil. Sekuritas-sekuritas dengan nilai ERB yang tinggi merupakan

kandidat yang akan dimasukkan ke portofolio optimal

2) Menghitung nilai Ai dan Bi untuk masing-masing sekuritas ke-i:

Ai = [E(Ri) – Rf]βi (3.11)

σei2

Bi = βi2 (3.12)

σei2

Page 74: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

59

Keterangan:

σei2 = varian dari kesalahan residu yang sekuritas ke-i yang juga

merupakan risiko unik atau tisiko tidak sistematis.

3) Menghitung nilai Ci

Ci = σm2 ∑ 𝐴𝑗𝑖𝑗=1 (3.13)

1 + σm2 ∑ 𝐵𝑗𝑖𝑗=1

Keterangan:

σm2 = varian dari return pasar

4) Besarnya Cut Off Point (C*) adalah nilai Ci yang terbesar.

5) Sekuritas-sekuritas yang membentuk portofolio optimal adalah

sekuritas-sekuritas yang mempunyai nilai ERB lebih besar atau sama

dengan nilai ERB di titik C*. Sekuritas-sekuritas yang memiliki ERB

lebih kecil dengan ERB titik C* tidak diikutsertakan dalam pembentukan

portofolio optimal.

j. Melakukan Pembobotan Saham

Bobot atau proporsi saham ke-i (Wi) merupakan proporsi dana

masing-masing saham dalam portofolio yang dapat dihitung dengan rumus

berikut (Utamayasa dan Wiagustini, 2016).

Wi = Zi (3.14)

∑ 𝑍𝑗𝑘𝑗=1

Zi = βi

Page 75: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

60

(ERB – C*) (3.15)

σei2

Keterangan:

Wi = Proporsi saham i

K = Jumlah saham di portofolio

Βi = Beta saham i

σei2 = Varians dari kesalahan residu sekuritas i

ERBi = Excess Return to beta saham i

C* = Nilai Cut Off Point

k. Menghitung Expected Return Portofolio

Expected Return portofolio menunjukan tingkat imbal hasil yang

diharapkan oleh para investor dalam keputusan invetasi portofolionya.

Expected Return portofolio dapat dihitung menggunakan persamaan berikut

(Husnan, 2005).

E(Rp) = XA E(RA) + XB E(RB) (3.16)

Keterangan:

E(Rp) = Expected Return portofolio

XA = Proporsi dana yang diinvestasikan pada A

XB = Proporsi dana yang diinvestasikan pada B

E(RA) = Expected Return dari investasi A

E(RB) = Expected Return dari investasi B

Page 76: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

61

l. Menghitung Standar Deviasi Portofolio

Standar Deviasi portofolio menunjukan penyimpangan yang

dihasilkan oleh Expected Return. Standar Deviasi Portofolio dapat dihitung

menggunakan persamaan berikut (Husnan, 2005).

σp = [XA2 σA

2 + (1-XA)2 σB2 + 2XA(1-XA) σAB]1/2 (3.17)

Keterangan:

Σp = Standar Deviasi Portofolio

XA = Proporsi pada Investasi A

σA = Standar Deviasi investasi A

σB = Standar Deviasi investasi B

m. Mengukur Kinerja Portofolio

Pengukuran kinerja portofolio dilakukan untuk mengetahui apakah

portofolio optimal yang telah dibentuk dapat menghasilkan kinerja yang

baik atau tidak. Pengukuran kinerja portofolio dapat dihitung sebagai

berikut.

1) Indeks Sharpe

Indeks Sharpe memiliki persamaan sebagai berikut (Samsul, 2006):

R/Vs = E(Rp) – Rf (3.18)

σp

Keterangan:

R/Vs = Reward To Variability Ratio Model Sharpe

E(Rp) = Average Return Portofolio

Page 77: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

62

Rf = Risk Free Rate

p = Standar Deviasi portofolio sebagai tolak ukur risiko

2) Indeks Jensen

Indeks Jensen memiliki persamaan sebagai berikut (Samsul, 2006):

E(Ri) = Rf + βi (Rm – Rf) (3.19)

Keterangan:

E(Ri) = Tingkat keuntungan yang diharapkan untuk saham i

Rf = Tingkat bunga bebas risiko

βi = Koefisien beta atau risiko sistematis untuk saham i

Rm = Tingkat pengembalian pasar

3) Indeks Treynor

Indeks Jensen memiliki persamaan sebagai berikut (Samsul, 2006):

R/Vs = E(Rp) – Rf (3.20)

βp

Keterangan:

R/Vt = Reward To Variability Ratio Model Treynor

E(Rp) = Average Return Portofolio

Rf = Risk Free Rate

βp = Beta portofolio sebagai tolak ukur risiko

Page 78: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

63

2. Menganalisis Pengaruh Fama-French Three Factor Model terhadap

Return Saham

Dalam menganalisis pengaruh Fama-French Three Factor Model yang

terdiri dari Premi Risiko (Beta), Size, dan Book to Market Equity Ratio terhadap

Return saham, dibutuhkan beberapa pengukuran terhadap variabel-variabel

tersebut. Pengukuran tersebut dapat dijelaskan sebagai berikut.

a. Premi Risiko (Beta/β)

Premi risiko atau Risk Premium adalah Return pasar (Return IHSG)

triwulanan dikurangi dengan Risk Free Rate triwulanan. Secara matematis,

Premi risiko dihitung dengan persamaan berikut (Sudiyatno dan Irsad, 2010):

𝑅𝑃𝑚 = 𝑅𝑚 −𝑅𝑟𝑓 (3.21)

𝑅𝑚 = 𝑃𝑡 − 𝑃𝑡−1 (3.22)

𝑃𝑡−1

Keterangan :

RPm = Premi risiko pasar

Rm = Rata-rata triwulan IHSG

Rrf = Rata-rata Risk Free Rate triwulan

Pt = Harga saham pada bulan t

Pt-1 = Harga saham pada bulan t-1

b. Size (Ukuran Perusahaan)

Size merupakan perkalian dari jumlah saham yang beredar dengan

harga saham pada setiap perusahaan yang dijadikan sampel (Sudiyatno dan

Irsad, 2010). Size dibagi kedalam dua grup berdasarkan besar-kecilnya nilai

Page 79: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

64

Size itu sendiri dengan menentukan nilai tengah (Median) maka Size dapat

diklasifikasikan sebagi Small Size (S) dan Big Size (B) (Belen Blanco,2012).

Secara matematis, Size dapat dihitung menggunakan persamaan berikut:

Size = Harga Saham Penutupan X Jumlah Saham Beredar (3.23)

c. Book to Market Equity

Book to Market Equity adalah rasio harga pasar suatu saham terhadap

nilai bukunya (Brigham dan Houston, 2012). Book to Market Equity akan

dibagi menjadi 3 grup berdasarkan 30% untuk Book to Market Equity rendah

(L), 40% untuk Book to Market Equity medium (M), dan Book to Market

Equity tinggi (H). Secara matematis, perhitungan Book to Market Equity

dapat dihitung sebagai berikut (Fawziah, 2016):

BE/ME = Total Ekuitas (3.24)

Close Price x Jumlah Saham Beredar

d. Membentuk Portofolio SMB dan HML

Setelah membentuk dua grup Ukuran Perusahaan (Size) yang terdiri

dari Small Size (S) dan Big Size (B), serta membentuk 3 grup Book to

Market Equity (BE/ME) yang terdiri BE/ME rendah atau Low (L), BE/ME

sedang atau Medium (M), dan BE/ME tinggi atau High (H), model Fama-

French selanjutnya membuat 6 portofolio yang terbagi atas S/L, S/M, S/H,

B/L, B/M, dan B/H.

S/L menunjukan portofolio perusahaan yang memiliki Small Size dan

diwaktu yang bersamaan memiliki BE/ME rendah atau Low, S/M

Page 80: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

65

menunjukan portofolio perusahaan yang memiliki Small Size dan diwaktu

yang bersamaan memiliki BE/ME sedang atau Medium, S/H menunjukan

portofolio perusahaan yang memiliki Small Size dan diwaktu yang

bersamaan memiliki BE/ME tinggi atau High, B/L menunjukan portofolio

perusahaan yang memiliki Big Size dan diwaktu yang bersamaan memiliki

BE/ME rendah atau Low, B/M menunjukan portofolio perusahaan yang

memiliki Big Size dan diwaktu yang bersamaan memiliki BE/ME sedang

atau Medium, dan B/H menunjukan portofolio perusahaan yang memiliki

Big Size dan diwaktu yang bersamaan memiliki BE/ME tinggi atau High

(Belen Blanco, 2012).

SMB (Small Minus Big) mengukur tambahan pengembalian secara

historis yang diterima investor dalam berinvestasi pada perusahaan

berukuran kecil melalui selisih dari rata-rata pengembalian saham pada tiga

portofolio dengan kapitalisasi pasar kecil dan rata-rata pengembalian saham

pada tiga portofolio dengan kapitalisasi pasar besar (Yolita dan Fauzie,

2014). Hal ini dapat dijelaskan dalam formula sebagai berikut:

SMB = (S/L + S/M + S/H) – (B/L + B/M + B/H) (3.25)

3

Keterangan:

SMB = Perbedaan setiap bulan antara rata-rata dari return pada tiga

portofolio saham kecil (S/L, S/M, S/H) dan return pada tiga

portofolio saham besar (B/L, B/M, BH)

S/L = Portofolio size kecil dibagi BE/ME low

Page 81: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

66

S/M = Portofolio size kecil dibagi BE/ME medium

S/H = Portofolio size kecil dibagi BE/ME high

B/L = Portofolio size besar dibagi BE/ME low

B/M = Portofolio size besar dibagi BE/ME medium

B/H = Portofolio size besar dibagi BE/ME high

HML (High Minus Low) mengukur tambahan pengembalian secara

historis yang diterima investor dalam berinvestasi pada perusahaan dengan

nilai book to market equity yang tinggi (Yolita dan Fauzie, 2014). HML

dapat dijelaskan dengan formula berikut:

HML = (S/H + B/H) – (S/L + B/L) (3.26)

2

Keterangan :

HML = Perbedaan setiap bulan antara rata-rata dari return pada dua

portofolio dengan BE/ME tinggi (S/H dan B/H) dan rata-rata dari

return pada dua portofolio dengan BE/ME rendah (S/L dam B/L)

S/H = Portofolio size kecil dibagi BE/ME high

B/H = Portofolio size besar dibagi BE/ME high

S/L = Portofolio size kecil dibagi BE/ME low

B/L = Portofolio size besar dibagi BE/ME low

e. Menghitung Return saham

Return saham dihitung dengan merata-ratakan Close Price triwulan tiap

perusahaan dikurang dengan Risk Free Rate triwulan sehingga

Page 82: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

67

menghasilkan Excess Return. Secara matematis Return saham dapat

dihitung menggunakan formula berikut (Paulo Alves, 2013):

Excess Return = R – Rf (3.27)

R = Pt – Pt-1 (3.28)

Pt-1

Keterangan:

Ri = Return saham

Rf = Risk Free Rate

Pt = Close Price saham periode t

Pt-1 = Close Price saham periode t-1

f. Membentuk Regresi Fama-French Three Factor Model

Penelitian ini menggunakan teknik regresi linear berganda sebagai

teknik analisis dalam menganalisis pengaruh Fama-French Three Factor

Model terhadap Return saham. Pembentukan persamaan regresi dilakukan

dengan cara meregresikan (Ri - Rf) dan (Rm - Rf) untuk membentuk model

Tiga Faktor atau dengan persamaan regresi sebagai berikut:

Ri - Rf t = αi + βi (Rmt - Rft) + γi SMBt + δi HMLt + eit (3.29)

Keterangan:

Ri = Return saham i

Rf t = Tingkat return bebas risiko pada periode t

αi = intercept

βi = Beta pasar atau koefisien regresi

Page 83: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

68

Rmt = Return atau tingkat keuntungan pasar pada periode t

γi = Koefisien regresi saham i terhadap return SMB

SMB= Small Minus Big, yaitu selisih return portofolio saham kecil dengan

portofolio saham besar

δi = koefisien regresi saham i terhadap return HML

HML= High Minus Low, yaitu selisih return portofolio saham dengan B/M

tinggi dengan portofolio saham dengan B/M rendah.

ei = error term

g. Uji Asumsi Klasik

1) Uji Stasioneritas Data

Uji stasioner dilakukan untuk melihat apakah data yang diuji bersifat

stasioner atau tidak. Data yang stasioner adalah data yang bersifat flat,

tidak mengandung komponen trend, dengan keragaman yang konstan,

serta tidak terdapat fluktuasi periodik. Uji stasioner dapat dilakukan

dengan dengan menggunakan uji akar unit (Unit Root Test).

Data-data yang tidak stasioner dalam persamaan regresi akan

menghasilkan sebuah regresi palsu (spurious regression). Untuk

memperoleh data yang stasioner, pada penelitian ini Unit Root Test

dilakukan dengan menggunakan Augemented Dickey Fuller (ADF).

Pengujian stasioneritas dapat dilakukan dengan membandingkan nilai

signifikasi probabillitas yaitu α = 5% atau dengan cara membandingkan

nilai absolute t-statistic yaitu antara tes statistik ADF dengan nilai

critical value 5% (Indi, 2017). Hipotesis penelitian sebagai berikut:

Page 84: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

69

Ho: δ = 0 (Data return tidak bersifat stasioner)

Ha: δ ≠ 0 (Data return bersifat stasioner)

Uji stastistik yang digunakan adalah sebagai berikut:

Jika p ≤ 5% atau nilai ADF < CF 5%, maka Ho ditolak dan data

bersifat stasioner

Jika p ≥ 5% atau nilai ADF > CF 5%, maka Ho diterima dan data

bersifat tidak stasioner

2) Uji Normalitas Data

Uji normalitas digunakan untuk menguji apakah model regresi

mempunyai distribusi normal ataukah tidak. Asumsi normalitas

merupakan persyaratan yang sangat penting pada pengujian

kebermaknaan (signifikansi) koefisien regresi. Model regresi yang baik

adalah model regresi yang memiliki distribusi normal atau mendekati

normal, sehingga layak dilakukan pengujian secara statistik.

Dasar pengambilan keputusan bisa dilakukan berdasarkan

probabilitas (Asymtotic Significance), yaitu:

Jika probabilitas > 0,05 maka distribusi dari populasi adalah normal.

Jika probabilitas < 0,05 maka populasi tidak berdistribusi secara

normal.

Ada dua cara untuk mendeteksi apakah residual berdistribusi

normal atau tidak yaitu dengan analisis grafik dan uji statistik. Untuk

Page 85: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

70

menguji apakah data berdistribusi normal atau tidak dilakukan uji

statistik Kolmogorov-Smirnov Test. Residual berdistribusi normal jika

memiliki nilai signifikansi > 0,05 (Ghozali, 2009).

3) Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mendeteksi apakah dalam

model regresi terjadi ketidaksamaan varian dari residual satu pengamatan

ke pengamatan lain. Jika varian dari satu pengamatan ke pengamatan lain

tetap, maka disebut homoskedositas atau tidak terjadi heteroskedastisitas.

Jika varian berbeda disebut heteroskedastisitas. Model regresi yang baik

adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas

(Ghozali, 2009).

Pendeteksian heteroskedastisitas dapat dilakukan dengan

analisis grafik dengan melihat ada tidaknya pola tertentu pada grafik

scatterplot dan Uji Glejser. Uji Glejser mengusulkan untuk meregresi

nilai absolut residual terhadap variabel independen. Jika variabel

independen signifikan secara statistik mempengaruhi variabel

independen, maka ada indikasi terjadi heteroskedastisitas. Jika

probabilitas signifikansinya di atas tingkat kepercayaan 5%, maka dapat

disimpulkan model regresi tidak mengandung heteroskedastisitas

(Ghozali, 2009).

Hipotesis penelitian sebagai berikut:

Ho: Tidak terdapat gejala heteroskedastisitas atau berarti terdapat gejala

homoskedastisitas

Page 86: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

71

Ha: Terdapat gejala heteroskedastisitas atau berarti tidak terdapat gejala

homoskedastisitas

Sedangkan pengujian statistik yang digunakan adalah sebagai berikut:

Jika p ≤ 5%, maka Ho ditolak dan terdapat gejala heteroskedastisitas

Jika p ≥ 5%, maka Ho diterima dan terdapat gejala homoskedastisitas

4) Uji Multikolonieritas

Menurut Ghozali (2012) uji multikolinearitas bertujuan untuk

menguji apakah suatu model regresi terdapat korelasi antar variabel bebas

(independen). Model regresi yang baik seharusnya tidak teriadi korelasi

antar variabel independen. Pengujian multikolinearitas dilihat dari besaran

VIF (Variance Inflation Factory) dan Tolerance. Tolerance mengukur

variabel independen yang terpilih yang tidak dijelaskan oleh variabel

independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai

VIF tinggi (karena VIF = l/ltolerance). Nilai cutoff yang umum dipakai

uniuk menunjukkan adanya multikolonieritas adalah nilai tolerance ≤ 0,1

atau sama dengan nilai VIF ≥ 10.

Hipotesis penelitian sebagai berikut:

Ho: Tidak terjadi korelasi antar variabel bebas atau bersifat tidak

multikolonieritas

Page 87: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

72

Ha: Terjadi korelasi antar variabel atau bersifat multikolonieritas

Sedangkan pengujian statistik dilakukan sebagai berikut:

Jika nilai Tolerance ≤ 0,01 atau nilai VIF ≥ 10, maka tolak Ho dan data

bersifat multikolonieritas

Jika nilai Tolerance ≥ 0,01 atau nilai VIF ≤ 10, maka terima Ho dan

data bersifat tidak multikolonieritas

5) Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu

model regresi linier terdapat korelasi pengganggu antara pada periode t

dengan kesalahan pada periode t-1 (Ghozali, 2009). Uji autokorelasi

digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi

klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu

pengamatan dengan pengamatan lain pada model regresi. Autokorelasi

muncul akibat observasi yang berurutan sepanjang waktu berkaitan satu

sama lain. Masalah ini timbul karena residual tidak bebas dari satu

observasi ke observasi lainnya. Alat analisis yang digunakan adalah uji

Durbin-Watson.

Pengujian autokorelasi dapat dilakukan dengan membandingkan

nilai statistik hitung Durbin Watson (d) pada perhitungan regresi dengan

statistik tabel Durbin Watson (dL). Hipotesis penelitian sebagai berikut:

Page 88: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

73

Ho: Tidak terjadi autokorelasi atau tidak terjadi korelasi antara residual

Ha: Terjadi autokorelasi atau terjadi korelasi antar residual

Pengujian statistik dilakukan sebagai berikut:

Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka Ho ditolak,

yang berarti terdapat autokorelasi.

Jika d terletak antara dU dan (4-dU), maka Ho diterima, yang berarti

tidak ada autokorelasi.

Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka

tidak menghasilkan kesimpulan yang pasti.

Keterangan:

dL = Batas bawah Durbin-Watson

dU = Batas atas Durbin-Watson

6) Uji Parsial (uji t)

Uji t digunakan untuk mengetahui apakah masing-masing variabel

independen (premi risiko, size, dan book to market equity) berpengaruh

secara signifikan terhadap variabel dependen (Return saham). Pengujian

menggunakan tingkat signifikansi 0,05, yaitu :

a) Apabila tingkat signifikansi <5% maka Ho ditolak, Ha diterima.

b) Apabila tingkat signifikansi >5% maka Ho diterima, Ha ditolak.

Hipotesis dalam penelitian ini dirumuskan sebagai berikut :

a) Pengaruh beta (X1) terhadap return saham (Y)

Page 89: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

74

Ho1 : β1 ≤ 0, artinya tidak terdapat pengaruh positif X1 terhadap Y

Ha1 : β1 > 0, artinya terdapat pengaruh positif X1 terhadap Y

b) Pengaruh size (X2) terhadap return saham (Y)

Ho2 : β2 ≤ 0, artinya tidak terdapat pengaruh positif X2 terhadap Y

Ha2 : β2 > 0, artinya terdapat pengaruh positif X2 terhadap Y

c) Pengaruh book to market ratio (X3) terhadap return saham (Y)

Ho3 : β3 ≤ 0, artinya tidak terdapat pengaruh positif X3 terhadap Y

Ha3 : β3 > 0, artinya terdapat pengaruh positif X3 terhadap Y

7) Uji Model (F)

Uji model merupakan uij koefisiensi regresi secara bersama-sama

untuk melihat signifikansi pengaruh masing-masing variabel independen

terhadap variabel dependen. Pengujian menggunakan tingkat signifikansi

0,05. Langkah-langkah uji F adalah sebagai berikut:

a. Merumuskan hipotesis

Ho: Premi risiko, size dan book to market equity secara simultan tidak

berpengaruh terhadap return saham.

Ha: Premi risiko, size dan book to market equity secara simultan

berpengaruh terhadap return saham.

b. Menentukan F hitung dan signifikansi

c. Menentukan F tabel dengan melihat tabel F.

d. Kriteria pengujian:

a) Jika F hitung ≤ F tabel, maka Ho diterima.

Page 90: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

75

b) Jika F hitung ≥ F tabel, maka Ho ditolak.

E. Operasional Variabel Penelitian

TABEL. 3.2

OPERASIONAL VARIABEL PENELITIAN

No Variabel Keterangan Indikator

1 Ri Return aktual dari saham individual Ri = Pt – Pt-1

Pt-1

2 E(Ri) Return yang diharapkan dari saham

individual

E(Ri) = ∑𝑅𝑖𝑗

𝑁

𝑁𝑖=1

3 Rm Return pasar aktual yang

diekspresikan oleh Indeks Harga

Saham Gabungan pada periode t

Rm = IHSGt – IHSGt-1

IHSGt-1

4 E(Rm) Return pasar yang diharapkan

dengan membagi jumlah return

pasar dengan jumlah periode

E(Rm) = ∑ 𝑛𝑗=1 Rm

N

5 αi Alpha atau intercept tidak

dipengaruhi oleh return pasar

sehingga dikatakan variabel

independen

αi = E(Rit) - βi E(Rmt)

6 βi Beta atau koefisien regresi

digunakan untuk menghitung ERB

dan Cut-Off Point

βi = 𝜎𝑖𝑚

𝜎𝑚²

7 ERB ERB berarti mengukur kelebihan

dana relative terhadap satu unit

resiko yang tidak dapat

ERB = E(Ri) – E(Rf)

Page 91: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

76

didiversifikasi yang diukur dengan

beta.

βi

8 C* Sekuritas-sekuritas yang

membentuk portofolio optimal

adalah sekuritas-sekuritas yang

mempunyai nilai ERB lebih besar

atau sama dengan nilai ERB di titik

C*.

Ci = σm2 ∑ 𝐴𝑗𝑖𝑗=1

1 + σm2 ∑ 𝐵𝑗𝑖𝑗=1

9 Wi Bobot atau proporsi dana masing-

masing saham dalam portofolio.

Wi = Zi

∑ 𝑍𝑗𝑘𝑗=1

10 Tp Tujuan Indeks Treynor adalah untuk

menemukan ukuran kinerja yang

dapat diaplikasikan kepada seluruh

investor dengan tidak

mempedulikan preferensi risiko

personal.

Tp = Rp - Rf

βp

11 Sp Indeks Sharpe mendasarkan

perhitungannya pada konsep garis

pasar modal ( Capital Market Line –

CML ) sebagai patokan.

Sp = Rp - Rf

σp

12 Ap Indeks Jensen menunjukkan

perbedaan antara tingkat return

aktual yang diperoleh portofolio

dengan tingkat return yang

diharapkan jika portofolio tersebut

berada pada garis pasar modal.

Ap = Rp -[Rf + bp (Rm -

Rf)]

Sumber: Data Diolah

Page 92: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

77

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Penelitian ini bertujuan untuk membentuk Portofolio Optimal dengan

menggunakan metode yang disebut dengan Single Index Model, lalu dilakukan

pengukuran kinerja terhadap portofolio optimal tersebut menggunakan Indeks

Sharpe, Indeks Jensen, dan Indeks Treynor. Kemudian, menganalisis apakah

terdapat pengaruh dari Fama-French Three Factor Model terhadap Return saham.

Adapun saham-saham yang digunakan dalam penelitian ini adalah saham

yang listed atau terdaftar dalam Bursa Efek Indonesia (BEI) dan masuk kategori

Indeks Saham SRI-KEHATI. Saham-saham yang masuk Indeks SRI-KEHATI

adalah saham-saham yang menggunakan prinsip keberlanjutan, keuangan, dan

tata kelola yang baik, serta kepedulian terhadap lingkungan hidup.

B. Analisis Deskriptif

1. Indeks Harga Saham Gabungan (IHSG)

IHSG adalah satu-satunya komponen penting yang wajib digunakan

dalam memantau pergerakan harga saham di Indonesia. Para investor

biasanya menggunakan parameter dalam IHSG untuk membaca

perkembangan harga dan menjadikan acuan pada portofolio.

Indeks Harga Saham Gabungan atau disingkat IHSG, atau disebut

juga Indonesia Composite Index, ICI, atau IDX Composite merupakan salah

satu indeks pasar saham yang digunakan oleh Bursa Efek Indonesia sebagai

Page 93: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

78

indikator pergerakan harga saham. Indeks ini mencakup pergerakan harga

seluruh saham biasa dan saham preferen yang tercatat di BEI.

Data pergerakan IHSG selama 5 tahun terakhir (2013-2017) dapat

dilihat dari tabel berikut ini:

TABEL. 4.1

PERGERAKAN IHSG 5 TAHUN TERAKHIR

Date High Low Close

31/12/2013 4510.216 4161.193 4418.757

31/12/2014 5325.039 5121.815 5289.404

31/12/2015 4639.237 4408.804 4615.163

31/12/2016 5360.061 5228.286 5294.103

30/09/2017 6042.449 5860.761 6005.784

Sumber: Data Diolah

Dari data historical pergerakan IHSG dari tahun 2013-2017

mengalami kenaikan dan penurunan dalam beberapa periode pengamatan.

Secara grafik, fluktuasi IHSG selama periode pengamatan sebagai berikut:

Page 94: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

79

GAMBAR. 4.1

PERGERAKAN IHSG 2013-2017

Sumber: Microsoft Excel, Data Diolah

Secara grafik yang berisikan data pergerakan Indeks Harga Saham

Gabungan selama 5 tahun terakhir mengindikasikan bahwa pergerakan IHSG

mengalami fluktuasi naik dan turun dari tahun ke tahunnya dengan rentang

nilai yang tidak terlalu besar. Dari total keseluruhan 1228 data close price

IHSG selama tahun 2013 sampai 2017, Close Price IHSG berada pada posisi

tertinggi pada 29 Desember 2017 dengan harga penutupan sebesar Rp6355.65

dan posisi terendah pada 27 Agustus 2012 dengan harga penutupan sebesar

Rp3967.84.

2. Indeks SRI-KEHATI

Sejak 8 Juni 2009, Yayasan KEHATI bekerjasama dengan PT Bursa

Efek Indonesia (BEI) meluncurkan indeks SRI KEHATI yang mengacu pada

tata cara Sustainable and Responsible Investment (SRI) dengan nama Indeks

SRI KEHATI. Diharapkan dengan peluncuran indeks SRI KEHATI ini

Page 95: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

80

masyarakat mengenal adanya indeks yang menggambarkan perusahaan-

perusahaan yang menguntungkan secara ekonomi dengan tetap

memperhatikan kelestarian lingkungan hidup.

Tujuan dibentuknya indeks ini adalah untuk memberikan informasi

secara terbuka kepada masyarakat luas mengenai ciri dari perusahaan terpilih

pada indeks SRI KEHATI yang dianggap memiliki bermacam bentuk

pertimbangan dalam usahanya berkaitan dengan kepedulian pada lingkungan,

tata kelola perusahaan, keterlibatan masyarakat, sumber daya manusia, hak

asasi manusia, dan perilaku bisnis dengan etika bisnis yang diterima di tingkat

international.

Yayasan KEHATI menetapkan 25 (dua puluh lima) perusahaan

terpilih yang dianggap dapat memenuhi kriteria dalam indeks SRI KEHATI

sehingga dapat menjadi pedoman bagi para investor. Keberadaan perusahaan

terpilih akan dievaluasi setiap 2 (dua) periode dalam setahun, yaitu pada bulan

April dan Oktober, dan setelah terpilih nama-nama dari 25 (dua puluh lima)

perusahaan tersebut akan di publikasikan oleh BEI yang dapat dilihat

di www.idx.co.id

Mekanisme pemilihan perusahaan-perusahaan untuk masuk indeks

SRI KEHATI dilakukan melalui dua tahap, yaitu tahap pertama adalah

penapisan awal seleksi negatif dan aspek keuangan kemudian pada tahap

kedua adalah dengan aspek fundamental. Pada tahap pertama di penapisan

awal ini dilakukan untuk memastikan bahwa perusahaan-perusahaan yang

dinilai memenuhi prasyarat penilaian adalah sebagai berikut:

Page 96: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

81

GAMBAR. 4.2

KRITERIA INDEKS SRI-KEHATI

Sumber: www.kehati.or.id

Data pergerakan Indeks SRI-KEHATI selama periode pengamatan

yaitu dari tahun 2012-2017 dapat dilihat pada tabel berikut:

TABEL. 4.2

PERGERAKAN SRI-KEHATI 2013-2017

Sumber: www.investing.com, Data Diolah

Date High Low Close

02/Jan/2013 234.18 231.08 232.89

12/Feb/2014 251.03 248.94 250.01

17/Sep/2015 253.28 249.86 252.11

...

...

...

...

...

...

...

...

18/Ags/2016 327.71 321.95 325.95

29/Des/2017 397.67 391.93 395.56

Page 97: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

82

Dari data historical pergerakan IHSG dari tahun 2013-2017

mengalami kenaikan dan penurunan dalam beberapa periode pengamatan.

Secara grafik, fluktuasi IHSG selama periode pengamatan sebagai berikut.

GAMBAR. 4.3

PERGERAKAN SRI-KEHATI 2013-2017

Sumber: Microsoft Excel, Data Diolah

Indeks SRI-KEHATI mencapai harga penutupan tertinggi pada 29

Desember 2017 yaitu sebesar Rp397.67. Sedangkan, Indeks SRI-KEHATI

berada pada harga penutupan terendah pada 27 Agustus 2013 yaitu sebesar

Rp216.13.

3. Premi Risiko (Beta)

Premi risiko ditentukan oleh selisih dari rata-rata (average) return

triwulan saham IHSG dengan Risk free rate triwulan. Data Premi Risiko

periode September 2010 – Desember 2017 adalah sebagai berikut:

050

100150200250300350400450

Jan

02

, 20

13

Mar

08

, 20

13

May

16

, 20

13

Jul 2

2, 2

01

3O

ct 0

1, 2

01

3D

ec 0

9, 2

01

3Fe

b 1

8, 2

01

4A

pr

24

, 20

14

Jul 0

2, 2

01

4Se

p 0

3, 2

01

4N

ov

04

, 20

14

Jan

13

, 20

15

Mar

19

, 20

15

May

27

, 20

15

Au

g 0

6, 2

01

5O

ct 1

3, 2

01

5D

ec 1

8, 2

01

5Fe

b 2

9, 2

01

6M

ay 0

9, 2

01

6Ju

l 19

, 20

16

Sep

23

, 20

16

No

v 2

8, 2

01

6Fe

b 0

3, 2

01

7A

pr

12

, 20

17

Jul 0

4, 2

01

7Se

p 0

8, 2

01

7N

ov

14

, 20

17

Clo

se P

rice

Periode

Pergerakan Indeks SRI-KEHATI

Pergerakan Indeks SRI-KEHATI

Page 98: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

83

GAMBAR. 4.4

Premi Risiko periode September 2010 – Desember 2017

Sumber: Microsoft Excel, Data Diolah

Nilai Premi Risiko terkecil terjadi pada kuartal III 2015 yang senilai

-0,215 dan nilai Premi Risiko terbesar terjadi pada kuartal I 2010 yang senilai

0,137. Premi Risiko atau Beta merupakan satu-satunya faktor dalam konsep

CAPM yang dianggap dapat mempengaruhi return secara positif. Artinya,

jika Beta mengalami kenaikan maka return yang akan diperoleh juga semakin

besar.

4. Size (Ukuran Perusahaan)

Size pada penelitian ini diproksikan dengan Small Minus Big (SMB)

yang diperoleh dari perhitungan nilai kapitalisasi pasar, yaitu Close Price

triwulanan saham Indeks SRIKEHATI dikalikan dengan Jumlah Saham

Beredar triwulanan. Data Size pada penelitian ini sebagai berikut.

0.000

0.000

0.000

0.000

0.000

0.000

0.000

0.000

0.000

0.000

01

-Ju

n-1

0

01

-Okt

-10

01

-Feb

-11

01

-Ju

n-1

1

01

-Okt

-11

01

-Feb

-12

01

-Ju

n-1

2

01

-Okt

-12

01

-Feb

-13

01

-Ju

n-1

3

01

-Okt

-13

01

-Feb

-14

01

-Ju

n-1

4

01

-Okt

-14

01

-Feb

-15

01

-Ju

n-1

5

01

-Okt

-15

01

-Feb

-16

01

-Ju

n-1

6

01

-Okt

-16

01

-Feb

-17

01

-Ju

n-1

7

Bet

a

Periode

Beta

Page 99: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

84

GAMBAR. 4.5

Size periode September 2010 – Desember 2017

Sumber: Microsoft Excel, Data Diolah

Dari tabel diatas, nilai SMB terkecil terjadi pada kuartal III 2011 yang

senila -4.028 sedangkan nilai SMB terbesar terjadi pada kuartal II 2012 yang

senilai -3.100. Menurut beberapa peneliti, Size sebuah perusahaan memiliki

hubungan berlawanan atau hubungan secara negatif dengan return. Artinya

perusahaan dengan Size besar akan memberikan return yang yang lebih kecil

dibandingkan dengan perusahaan dengan Size kecil yang akan memberikan

return yang lebih besar.

5. Book to Market Equity

Book to Market Equity pada penelitian ini diproksikan dengan HML

(High Minus Low) yang diperoleh dengan membagi total ekuitas masing-

-4,5

-4

-3,5

-3

-2,5

-2

-1,5

-1

-0,5

0

Size

Periode

Chart Title

Page 100: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

85

masing saham perusahaan Indeks SRI-KEHATI periode September 2010-

Desember 2017 dengan kapitalisasi pasarnya. Data Book to Market Equity

saham perusahaan Indeks SRI-KEHATI periode September 2010-Desember

2017 sebagai berikut.

GAMBAR. 4.6

Book to Market Equity periode September 2010-Desember 2017

Sumber: Microsoft Excel, Data Diolah

Nilai Book to Market Equity terkecil terjadi pada kuartal 1V 2017

yang senilai -2.396, sedangkan nilai Book to Market Equity terbesar terjadi

pada kuartal I 2017 yang senilai -1.113.

Jika terdapat hubungan yang positif antara Return saham dengan Book

to Market Equity artinya perusahaan dengan kapitalisasi pasar besar dapat

memberikan Return yang besar pula, dan begitu juga sebaliknya. Sedangkan

jika terdapat hubungan negatif antara Return saham dengan Book to Market

Equity, artinya jika saham dengan kapitalisasi pasar besar memberikan

-3

-2,5

-2

-1,5

-1

-0,5

0

Bo

ok

to M

arke

t Eq

uit

y

Periode

Book to Market Equity

Page 101: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

86

Return yang kecil dan saham dengan kapitalisasi pasar kecil memberikan

Return yang lebih besar.

6. Return Saham

Return saham merupakan tingkat pengembalian yang akan diberikan

sebuah perusahaan untuk investor yang berinvestasi pada perusahaan tersebut.

Investasi yang menguntungkan adalah investasi yang dapat memberikan

Return lebih besar dari tingkat risikonya.

Return saham dihitung dengan merata-ratakan Actual Return dari

saham perusahaan SRI-KEHATI periode September 2010-Desember 2017

yang dikurang dengan Risk Free Rate. Return saham perusahaan SRI-

KEHATI periode September 2010-Desember 2017 sebagai berikut.

GAMBAR. 4.7

Return saham periode September 2010 – Desember 2017

Sumber: Microsoft Excel, Data Diolah

Page 102: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

87

Nilai Return saham terkecil terjadi pada kuartal III 2015 yang senilai

-0,243, sedangkan nilai Return saham terbesar terjadi pada kuartal III 2011

yang senilai 0,155.

Semakin besar Return saham menunjukan tingkat keuntungan yang

lebih besar yang diperoleh oleh investor saat berinvestasi. Dalam konsep

“High Risk, High Return” jika semakin besar Return saham maka semakin

besar juga risiko yang akan ditanggung oleh para investor, sebaliknya

semakin kecil Return saham maka risikonya juga akan semakin kecil.

C. Pembentukan Portofolio Optimal dengan Single Index Model

1. Menghitung Actual Return. Expected Return, dan Standar Deviasi

Saham Individual

Mencari Actual return membutuhkan harga saham harian dari saham-

saham yang masuk ke periode pengamatan yaitu selama tahun 2013-2017.

Harga saham yang digunakan adalah harga saham pada saat harga

penutupan (closing price) dengan jumlah saham yang menjadi sampel

penelitian ialah sebanyak 18 saham. Jumlah data harga saham yang

dijadikan sebagai objek penelitian adalah sebesar 1217.

Actual Return didapat dari mengurangi harga saham periode t (harga

saham pada periode yang bersangkutan) dengan harga saham periode t-1

(harga saham sebelum periode bersangkutan), lalu dibagi dengan harga

saham t-1. Jika telah mendapatkan actual return dari masing-masing saham,

maka selanjutnya ialah mendapatkan expected return. Expected return

dihitung dengan menjumlahkan seluruh actual return lalu dibagi dengan

Page 103: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

88

banyaknya periode pengamatan. Terakhir yaitu mendapatkan standar

deviasi dari masing-masing saham. Seluruh kegiatan diatas dapat dihitung

dengan menggunakan bantuan microsoft excel. Hasil pengelolaan actual

return, expected return, dan standar deviasi dapat dilihat pada tabel berikut:

TABEL. 4.3

EXPECTED RETURN DAN STANDAR DEVIASI INDIVIDUAL

No Kode Emiten E(Ri) σi

1 AALI -0.0000643 0.0233

2 ADHI 0.0004980 0.0298

3 ASII 0.0002863 0.0207

4 BBCA 0.0008385 0.0152

5 BBNI 0.0010127 0.0202

6 BBRI 0.0003303 0.0306

7 BDMN 0.0004882 0.0254

8 BMRI 0.0003467 0.0245

9 INDF 0.0004127 0.0198

10 JSMR 0.0003063 0.0187

11 KLBF 0.0005825 0.0200

12 LSIP -0.0000733 0.0256

13 PGAS -0.0005008 0.0243

14 SMGR -0.0001425 0.0221

15 TINS 0.0001423 0.0273

16 TLKM 0.0008876 0.0174

17 UNTR 0.0007781 0.0243

18 UNVR 0.0009878 0.0189

Sumber: Data Diolah

Dari tabel diatas dapat disimpulkan bahwa dari 18 emiten yang

menjadi objek penelitian, terdapat 14 emiten yang memberikan expected

return positif yaitu; ADHI (0.0004980), ASII (0.0002863), BBCA

(0.0008385), BBNI (0.0010127), BBRI (0.0003303), BDMN (0.0004882),

BMRI (0.0003467), INDF (0.0004127), JSMR (0.0003063), KLBF

Page 104: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

89

(0.0005825), TINS (0.0001423), TLKM (0.0008876), UNTR (0.0007781),

dan UNVR (0,0009878).

Sedangkan, empat emiten lainnya memberikan expected return

negatif yaitu; AALI (-0.0000643), LSIP (-0.0000733), PGAS (-0.0005008),

dan SMGR (-0.0001425).

Emiten yang memberikan expected return terbesar selama periode

pengamatan adalah BBNI (PT. Bank Negara Indonesia, Tbk) yaitu sebesar

0.0010127. Sedangkan emiten yang memberikan expected return terendah

adalah PGAS (PT. Perusahaan Gas Negara, Tbk) yaitu sebesar -0,0005008

dari 18 emiten yang masuk dalam Indeks SRI-KEHATI dari tahun 2013-

2017 secara berturut-turut.

Pembuatan portofolio yang optimal diperlukan emiten yang

memberikan expected return positif, sedangkan emiten yang memberikan

expected return negatif tidak dimasukkan karena akan merugikan investor.

Expected Return adalah pengembalian yang diharapkan oleh para investor,

oleh karena itu emiten yang memberikan expected return positif layak untuk

dimasukan ke portofolio optimal karena akan menguntungkan investor.

Emiten dengan expected return positif yang selanjutnya dapat dibentuk

untuk portofolio optimal yaitu; ADHI, ASII, BBCA, BBRI, BDMN, BMRI,

INDF, JSMR, KLBF, TINS, TLKM, UNTR, dan UNVR.

Dari tabel diatas juga dapat dilihat perolehan standar deviasi yang

dihasilkan oleh emiten selama periode pengamatan. Standar deviasi terbesar

diperoleh oleh BBRI yaitu sebesar 0,0306, sedangkan emiten dengan

Page 105: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

90

standar deviasi terendah yaitu BBCA sebesar 0,0152. Menurut Suad Husan

(2005), standar deviasi merupakan ukuran untuk mengetahui seberapa jauh

kemungkinan nilai (return) yang akan diperoleh menyimpang dari retun

yang diharapkan (Expected Return). Oleh karena itu, investor akan

cenderung berinvestasi pada saham yang memiliki standar deviasi yang

lebih rendah.

2. Menghitung Actual Return. Expected Return, dan Standar Deviasi Pasar

IHSG atau Indeks Harga Saham Gabungan adalah satu-satunya

komponen penting yang wajib digunakan dalam memantau pergerakan

harga saham di Indonesia. Para investor biasanya menggunakan parameter

dalam IHSG untuk membaca perkembangan harga dan menjadikan acuan

pada portofolio.

Secara umum perhitungan Actual Return¸ Expected Return¸ dan

Standar Deviasi pasar sama halnya dengan pada perhitungan saham

individual. Actual Return pasar diperoleh dari harga saham pada saat

penutupan dalam suatu periode yang bersangkutan (t) dikurangi dengan

harga saham pada saat penutupan periode sebelumnya (t-1) lalu dibagi

dengan harga saham pada saat penutupan periode sebelumnya (t-1).

Sedangkan Expected Return merupakan rata-rata dari Actual Return

dan Standar Deviasi diperoleh menggunakan bantuan Microsoft Excel

dengan rumus STDEV. Berikut merupakan hasil Expected Return dan

Standar Deviasi pasar.

Page 106: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

91

TABEL. 4.4

EXPECTED RETURN DAN STANDAR DEVIASI PASAR

Sumber: Data Diolah

Dari sejumlah 1217 pengamatan, didapat tingkat pengembalian pasar

adalah sebesar 0,000367 dan standar deviasi sebesar 0,0097. Tingkat

pengembalian ini dapat menguntungkan bagi investor karena bernilai positif.

3. Menghitung Alpha(α), Beta (β), dan Variance Error (σ²) Saham

Individual

Alpha, Beta, dan Variance Error diperoleh menggunakan bantuan

Microsoft Excel untuk selanjutnya digunakan untuk membentuk portofolio

optimal. Perolehan Alpha, Beta, dan Variance Error masing-masing emiten

sebagai berikut:

TABEL. 4.5

ALPHA, BETA, DAN VARIANCE ERROR SAHAM INDIVIDUAL

IHSG

E(Rm) σm

0.0003627 0.0097

NO Kode Emiten αi βi σei²

1 AALI -0,00013 0,204 0,0005367

2 ADHI 0,00031 0,587 0,0008564

3 ASII 0,00010 0,568 0,0003985

4 BBCA 0,00068 0,488 0,0002098

5 BBNI 0,00082 0,594 0,0003742

6 BBRI 0,00016 0,514 0,0009139

7 BDMN 0,00042 0,214 0,0006388

Page 107: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

92

Sumber: Data Diolah

Alpha digunakan untuk membandingkan perhitungan Return Actual

saham individual dengan Return Actual pasar dalam periode tertentu. Alpha

menunjukan apakah kinerja saham individual lebih baik dari IHSG. Jika

Alpha bernilai positif maka kinerja saham individual lebih dari IHSG. Dari

18 objek pengamatan, emiten yang memberikan Alpha positif adalah ADHI,

ASII, BBCA, BBNI, BBRI, BDMN, BMRI, INDF, JSMR, KLBF, TINS,

TLKM, UNTR, dan UNVR.

Sedangkan emiten dengan Alpha negatif adalah AALI, LSIP, PGAS,

dan SMGR. Semakin besar nilai Alpha maka menunjukan kinerja yang lebih

baik bagi saham individual dibanding kinerja IHSG. Alpha paling besar

dimiliki oleh BBNI yaitu sebesar 0,00082 sedangkan Alpha paling rendah

dimiliki oleh PGAS -0,00063 dari keseluruhan 18 emiten yang masuk

Indeks SRI-KEHATI dari tahun 2013 sampai 2017.

8 BMRI 0,00016 0,568 0,0005707

9 INDF 0,00028 0,420 0,0003738

10 JSMR 0,00017 0,431 0,0003316

11 KLBF 0,00040 0,551 0,0003703

12 LSIP -0,00013 0,167 0,0006521

13 PGAS -0,00063 0,406 0,0005753

14 SMGR -0,00034 0,622 0,0004537

15 TINS 0,00002 0,309 0,0007365

16 TLKM 0,00072 0,527 0,0002764

17 UNTR 0,00064 0,440 0,0005744

18 UNVR 0,00081 0,547 0,0003781

Page 108: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

93

Beta menjelaskan tingkat volatilitas suatu saham individual dengan

IHSG. Jika Beta > 1 maka saham individual lebih bervolatilitas dari IHSG,

sebaliknya jika beta < 1 maka saham individual cenderung pasif atau kurang

likuid. Emiten dengan Beta terbesar adalah SMGR yaitu sebesar 0,622,

sedangkan emiten dengan Beta terendah adalah LSIP yaitu sebesar 0,167

dari keseluruhan 18 emiten yang masuk Indeks SRI-KEHATI dari tahun

2013 sampai 2017.

Variance Error atau varians dari kesalahan residu terbesar dimiliki

oleh BBRI sebesar 0,0009139, sedangkan Variance Error terendah dimiliki

oleh BBCA yaitu sebesar 0,0002098 dari keseluruhan 18 emiten yang

masuk Indeks SRI-KEHATI dari tahun 2013 sampai 2017.

4. Mencari Tingkat Bunga Bebas Risiko (Risk Free Rate)

Risk Free Rate yang digunakan adalah Suku Bunga Bank Indonesia

atau BI Rate yang tersedia di website resmi Bank Indonesia yaitu

www.bi.go.id. Risk Free Rate diperoleh dari membagi BI Rate harian

selama periode pengamatan yaitu dari tahun 2013-2017 dengan 360.

Kemudian ditemukan BI Rate selama 5 tahun terkahir adalah sebesar

0,000176.

5. Menghitung Excess Return to Beta (ERB)

Membentuk portofolio yang optimal diperlukan untuk menghitung

Excess Return to Beta atau ERB di mana ERB mencerminkan tingkat

keuntungan yang sangat mungkin untuk dicapai. ERB dihitung dengan

mengurangi Expected Return saham individual [E(Ri)] dengan Risk Free

Page 109: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

94

Rate (Rf) lalu dibagi dengan Beta individual (βi). Berikut perolehan ERB

masing-masing emiten.

TABEL. 4.6

EXCESS RETURN TO BETA (ERB)

Sumber: Data Diolah

Emiten yang layak untuk menjadi kandidat portofolio yang optimal

adalah emiten yang memiliki ERB positif sedangkan emiten dengan ERB

negatif tidak layak untuk menjadi kandidat portofolio optimal karena akan

merugikan para investor. Berikut merupakan perolehan ERB tiap emiten

yang telah diurutkan dari terbesar hingga terkecil.

NO Kode Emiten ERB

1 AALI -0.00118

2 ADHI 0.00055

3 ASII 0.00019

4 BBCA 0.00136

5 BBNI 0.00141

6 BBRI 0.00030

7 BDMN 0.00146

8 BMRI 0.00030

9 INDF 0.00056

10 JSMR 0.00030

11 KLBF 0.00074

12 LSIP -0.00149

13 PGAS -0.00167

14 SMGR -0.00051

15 TINS -0.00017

16 TLKM 0.00135

17 UNTR 0.00137

18 UNVR 0.00148

Page 110: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

95

TABEL. 4.7

ERB TERBESAR HINGGA TERKECIL

Sumber: Data Diolah

Dari seluruh emiten dalam Indeks SRI-KEHATI yang menjadi objek

pengamatan dalam 5 tahun terakhir, UNVR (PT. Unilever Indonesia, Tbk)

memberikan nilai ERB yang paling besar yaitu senilai 0,00148. Sedangkan

No Kode Emiten ERB

1 UNVR 0.00148

2 BDMN 0.00146

3 BBNI 0.00141

4 UNTR 0.00137

5 BBCA 0.00136

6 TLKM 0.00135

7 KLBF 0.00074

8 INDF 0.00056

9 ADHI 0.00055

10 JSMR 0.00030

11 BMRI 0.00030

12 BBRI 0.00030

13 ASII 0.000194

14 TINS -0.00017

15 SMGR -0.00051

16 AALI -0.00118

17 LSIP -0.00149

18 PGAS -0.00167

Page 111: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

96

ERB terkecil diperoleh oleh PGAS (PT. Perusahaan Gas Negara, Tbk)

senilai -0,00167.

Emiten yang layak untuk menjadi kandidat portofolio optimal adalah

emiten dengan ERB positif, sedangkan emiten dengan ERB negatif tidak

layak menjadi kandidat portofolio otimal. Dari 18 emiten yang menjadi

objek pengamatan, terdapat 5 emiten dengan ERB negatif yaitu; TINS (-

0.00017), SMGR (-0.00051), AALI (-0.00118), LSIP (-0.00149), dan PGAS

(-0.00167), sehingga kelima emiten tersebut tidak akan digunakan untuk

proses pembuatan portofolio optimal selanjutnya.

Emiten yang menjadi kandidat portofolio optimal adalah; UNVR,

BDMN, BBNI, UNTR, BBCA, TLKM, KLBF, INDF, ADHI, JSMR, BMRI,

BBRI, dan ASII.

6. Menghitung Cut Off Point (C*)

Sebelum mendapat C*, diperlukan untuk menghitung Ci atau Titik

Pembatas dari masing-masing emiten. Ci dapat dihitung dengan

menentukan ƩAi, yaitu jumlah dari Ai seluruh emiten kandidat portofolio

optimal dan ƩBi, yaitu jumlah dari seluruh Bi yang dimiliki oleh emiten

yang menjadi kandidat portofolio optimal.

TABEL. 4.8

CUT OFF POINT

No Kode Emiten Ci ERB C*

1 UNVR 0.000118 0.00148 > 0.000434

2 BDMN 0.000126 0.00146 >

3 BBNI 0.000223 0.00141 >

Page 112: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

97

Sumber: Data Diolah

Dari tabel diatas didapat Ci terbesar dimiliki oleh ADHI (PT. Adhi

Karya (Persero), Tbk) sebesar 0.000434 yang sekaligus menjadi nilai Cut

Off Point. Kriteria untuk menjadi portofolio optimal adalah memiliki ERB

> C*, oleh karena itu emiten yang memenuhi kriteria portofolio optimal

yakni; UNVR (PT. Unilever Indonesia, Tbk), BDMN (PT. Bank Danamon,

Tbk), BBNI (PT. Bank Negara Indonesia, Tbk), UNTR (PT. United Tractors

Indonesia, Tbk), BBCA (PT. Bank Central Asia, Tbk), TLKM (PT.

Telekomunikasi Indonesia, Tbk), KLBF (PT. Kalbe Farma, Tbk), INDF (PT.

Indofood Sukses Makmur, Tbk), dan ADHI (PT. Adhi Karya, Tbk)

Sedangkan empat emiten lainnya yakni; JSMR (PT. Jasamarga, Tbk),

BMRI (PT. Bank Mandiri, Tbk), BBRI (PT. Bank Rakyat Indonesia, Tbk),

dan ASII (PT. Astra Internasional, Tbk) tidak dimasukan dalam kriteria

portofolio optimal karena memiliki ERB < C* sehingga tidak diikutsertakan

dalam proses pembentukan portofolio optimal selanjutnya.

4 UNTR 0.000253 0.00137 >

5 BBCA 0.000343 0.00136 >

6 TLKM 0.000411 0.00135 >

7 KLBF 0.000428 0.00074 >

8 INDF 0.000432 0.00056 >

9 ADHI 0.000434 0.00055 >

10 JSMR 0.000430 0.00030 <

11 BMRI 0.000426 0.00030 <

12 BBRI 0.000424 0.00030 <

13 ASII 0.000414 0.00019 <

Page 113: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

98

7. Menghitung Proporsi masing-masing Saham (Wi)

Investor sebaiknya mengetahui berapa proporsi dana yang seharusnya

diinvestasikan dalam masing-masing saham. Untuk menentukan proporsi

masing-masing saham dibutuhkan Zi, yaitu Beta individual (βi) dibagi

dengan Variance Error individual (σei²), kemudian dikalikan dengan ERB

individual yang dikurang dengan nilai Cut Off Point (C*).

TABEL. 4.9

PROPORSI MASING-MASING SAHAM

No Kode Emiten Wi Proporsi (%)

1 UNVR 0.196 19.6

2 BDMN 0.038 3.8

3 BBNI 0.173 17.3

4 UNTR 0.080 8.0

5 BBCA 0.241 24.1

6 TLKM 0.196 19.6

7 KLBF 0.051 5.1

8 INDF 0.016 1.6

9 ADHI 0.009 0.9

Jumlah 100,0

Sumber: Data Diolah

Dari tabel dapat dilihat bahwa proporsi dana paling banyak yang

seharusnya diinvestasikan oleh investor adalah pada saham BBCA yaitu

sebanyak 24.1%, sedangkan proporsi dana paling sedikit adalah pada saham

ADHI yaitu sebanyak 0.9% dari keseluruhan 9 emiten yang menjadi

Page 114: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

99

kandidat portofolio optimal. Jika digambarkan dalam grafik maka

pembagian proporsi masing-masing saham akan seperti berikut.

GAMBAR. 4.8

PROPORSI MASING-MASING SAHAM

Sumber: Data Diolah

8. Menghitung Expected Return dan Standar Deviasi Portofolio

Expected Return portofolio menunjukan tingkat imbal hasil yang

diharapkan oleh para investor dalam keputusan invetasi portofolionya.

Sedangkan Standar Deviasi portofolio menunjukan penyimpangan yang

dihasilkan oleh Expected Return.

Dalam menghitung Expected Return dan Standar Deviasi Portofolio

sebelumnya diperlukan untuk menghitung Alpha Portofolio (αp) dan Beta

Portofolio (βp) sebagai berikut.

TABEL. 4.10

EXPECTED RETURN DAN STANDAR DEVIASI PORTOFOLIO

αp 0.00070

19,60%

04%

17%

08%

24%

19,57%

05%

02% 01%

UNVR BDMN BBNI UNTR BBCA TLKM KLBF INDF ADHI

Page 115: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

100

βp 0.514

Rm 0,00036

E(Ri) 0,0064

σp 0,012

Sumber: Data Diolah

Expected Return portofolio senilai 0,0064 lebih besar dari Return

pasar yang senilai 0,00036 menunjukan bahwa portofolio yang dibentuk

memiliki prospek keuntungan yang baik para investor. Sedangkan Standar

Deviasi portofolio senilai 0,012, di mana Standar Deviasi saham

penyusunnya senilai; UNVR (0,0189), BDMN (0,0245), BBNI (0,0202),

UNTR (0,243), BBCA (0,0152), TLKM (0,0174), KLBF (0,0200), INDF

(0,0198), ADHI (0,0298), JSMR (0,0187), BMRI (0,0245), BBRI (0,0306),

dan ASII (0,0207). Perhitungan ini membuktikan bahwa pembentukan

portofolio dapat meminimalisir terjadinya risiko kerugian karena telah

dilakukan diversifikasi.

9. Penilaian Kinerja Portofolio

Kinerja Portofolio dinilai menggunakan Indeks Jensen, Indeks Sharpe

dan Indeks Treynor. Indeks Jensen menekankan pada perbedaan return

aktual yang diperoleh dengan return yang diharapkan. Indeks Sharpe

dihitung dengan memasukan risiko yang digambarkan oleh Standar Deviasi

portofolio, sedangkan Indeks Treynor memasukan risiko pasar yang

digambarkan oleh Beta portofolio (βp).

TABEL. 4.11

PENILAIAN KINERJA PORTOFOLIO

Page 116: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

101

Indeks Jensen 0.006

Indeks Sharpe 0.514

Indeks Treynor 0.012

Sumber: Data Diolah

Penilaian kinerja portofolio dengan menggunakan Indeks Jensen,

Indeks Sharpe, dan Indeks Treynor memiliki nilai positif hal ini berarti

portofolio memiliki kinerja yang baik. Indeks Jensen menilai kinerja

portofolio sebesar 0.006 atau 0.6%, semakin tinggi nilai Indeks Jensen maka

semakin baik karena kinerja portofolio lebih baik dari Indeks Pasar. Indeks

Sharpe menilai kinerja portofolio sebesar 0.514 atau 51.4%, di mana

semakin tinggi nilai Indeks Sharpe berarti semakin baik karena rata-rata

Return lebih besar daripada Risk Free Rate dan Standar Deviasi yang

semakin rendah. Indeks Treynor menilai kinerja portofolio sebesar 0.012

atau 1.2%, semakin tinggi nilai Indeks Treynor maka semakin baik kinerja

portofolio, sebaliknya semakin rendah nilai Indeks Treynor maka kinerja

portofolio dikatakan buruk.

D. Menganalisis Pengaruh Model Tiga Faktor terhadap Return Saham

1. Analisis Data

Pengujian dilakukan untuk melihat apakah Model Tiga Faktor yang

terdiri dari Premi Risiko, Ukuran Perusahaan (Size), dan Book to Market

Equity Ratio dapat memberikan pengaruh terhadap Return saham yang

terdaftar dalam Indeks SRI-KEHATI dari September 2010 sampai

Desember 2017. Penelitian ini menggunakan data sekunder yang diperoleh

dari berbagai sumber, diantaranya data close price triwulan, nilai ekuitas

Page 117: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

102

dari masing-masing perusahaan yang terdaftar dalam Indeks SRI-KEHATI

selama periode pengamatan, Suku Bunga Bank Indonesia (BI Rate), kurs

tengah dan jumlah saham beredar.

Close price atau harga penutupan secara triwulan masing-masing

perusahaan Indeks SRI-KEHATI selama periode pengamatan, total ekuitas

dan jumlah saham beredar diperoleh dari laporan keuangan triwulan setiap

perusahaan maupun laporan tahunan setiap perusahaan. Sedangkan Suku

Bunga Bank Indonesia (BI Rate) dan kurs tengah diperoleh dari website

Bank Indonesia (www.bi.go.id).

Sampel yang digunakan di dalam penelitian ini menggunakan

metode purposive sampling dengan karakteristik yang telah ditentukan

antara lain sebagai berikut:

a. Perusahaan yang terdaftar dalam Indeks SRI-KEHATI dari September

2010 sampai Desember 2017

b. Perusahaan yang selalu masuk Indeks SRI-KEHATI dari September

2010-Desember 2017 berturut-turut

Berdasarkan pertimbangan diatas maka terdapat 17 sampel

perusahaan yang terdaftar dalam Indeks SRI-KEHATI dari September 2010

sampai Desember 2017

TABEL 4.12

PERUSAHAAN DALAM INDEKS SRI-KEHATI PERIODE SEPT 2010-DES

2017

NO Kode Nama Perusahaan

1 AALI Astra Agro Lestari Tbk

2 ADHI Adhi Karya (Persero) Tbk

Page 118: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

103

Sumber: www.idx.co.id

2. Statistik Deskriptif

Statistik Deskriptif digunakan untuk menggambarkan Mean, Median,

Minimum, Maximum, dan Standar Deviasi dari Variable Dependen dan

Variable Independen yang menjadi objek pengamatan. Statistik Deskriptif

dibuat dengan bantuan SPSS sebagai berikut.

TABEL. 4.13

STATISTIK DESKRIPTIF

3 ASII Astra Internasional Tbk

4 BBCA Bank Central Asia Tbk

5 BBNI Bank Negara Indonesia Tbk

6 BBRI Bank Rakyat Indonesia Tbk

7 BDMN Bank Danamon Indonesia Tbk

8 BMRI Bank Mandiri (Persero) Tbk

9 INDF Indofood Sukses Makmur Tbk

10 KLBF Kalbe Farma Tbk

11 LSIP Perusahaan Perkebunan London Sumatra

Indonesia Tbk

12 PGAS Perusahaan Gas Negara (Persero) Tbk

13 SMGR Semen Indonesia (Persero) Tbk

14 TINS Timah (Persero) Tbk

15 TLKM Telekomunikasi Indonesia (Persero) Tbk

16 UNTR United Tractors Tbk

17 UNVR Unilever Tbk

N Minimum Maximum Mean

Std.

Deviation Variance

Pre_RiskX1 30 -.215 .137 -.03387 .078 .006

SMBX2 30 -4.028 -3.100 -3.463 .225 .050

HMLX3 30 -2.396 -1.113 -1.846 .276 .076

ReturnY 30 -.243 .155 -.0401 .094 .009

Valid N

(listwise) 30

Page 119: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

104

Sumber: Data Diolah

Secara umum pembentukan portofolio berdasarkan size dan book to

market equity menghasilkan data time series triwulan sebanyak 30 bulan

terhitung dari September 2010-Desember 2017. Tabel di atas

menggambarkan variabel dependen dan variabel independen yang dapat

dijelaskan sebagai berikut.

a. Premi Risiko

Premi Risiko sebagai Variabel Independen (X1) dihitung dengan

mengurangi return aktual IHSG yang bersifat triwulanan dengan Rf

(Risk Free Rate) triwulanan. Perhitungan premi risiko dapat dilihat di

lembar lampiran.

Dari tabel diatas, premi risiko memiliki nilai minimum sebesar -

0,215, artinya dari 30 bulan Premi Risiko, nilai Premi Risiko terkecil

terjadi pada kuartal III 2015 yang senilai -0,215. Nilai maximum atau

nilai terbesar senilai 0,137, artinya dari 30 bulan Premi Risiko, nilai

Premi Risiko terbesar terjadi pada kuartal I 2010 yang senilai 0,137 dan

memiliki mean atau rata-rata senilai -0,034 dari total 30 bulan Premi

Risiko. Serta memiliki Standar Deviasi sebesar 0,78 yang berarti data

menyebar sebanyak 0,78 dan variance sebesar 0.050.

b. SMB

Page 120: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

105

SMB sebagai variabel Independen (X2) adalah Small Minus Big

yang terdiri dari selisih rata-rata penjumlahan portofolio saham kecil

dibagi Book to Equity Market Ratio rendah (S/L), dengan portofolio

saham kecil dibagi Book to Equity Market Ratio medium (S/M), dan

portofolio saham kecil dibagi Book to Equity Market Ratio tinggi (S/H)

dengan penjumlahan portofolio saham besar dibagi Book to Equity

Market Ratio rendah (B/L), dengan portofolio saham besar dibagi Book

to Equity Market Ratio medium (B/M), dan dengan portofolio saham

besar dibagi Book to Equity Market Ratio tinggi (B/H). Perhitungan

SMB dapat dilihat pada lembar lampiran.

Dari tabel diatas, SMB menunjukan nilai minimum pada angka -

4.028, artinya dari 30 bulan SMB, nilai SMB terkecil terjadi pada

kuartal III 2011 yang senila -4.028 sedangkan nilai maximum

menunjukan angka -3.100, yang artinya dari 30 bulan SMB, nilai SMB

terbesar terjadi pada kuartal II 2012 yang senilai -3.100 dan mean atau

rata-rata dari keseluruhan data SMB sebesar -3.463. Serta memiliki

Standar Deviasi sebesar 0.225 dan variance sebesar 0,038.

c. HML

HML sebagai variabel Independen (X3) adalah High Minus Low

yang terdiri dari selisih rata-rata penjumlahan portofolio saham kecil

dibagi Book to Equity Market Ratio tinggi (S/H), dengan portofolio

saham besar dibagi Book to Equity Market Ratio tinggi (B/H), dengan

penjumlahan portofolio saham kecil dibagi Book to Equity Market Ratio

Page 121: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

106

rendah (S/L), dengan portofolio saham besar dibagi Book to Equity

Market Ratio rendah (B/L). Perhitungan HML dapat dilihat pada

lembar lampiran.

Dari tabel diatas HML menunjukan nilai minimum pada angka -

2.396, yang artinya dari 30 bulan HML, nilai HML terkecil terjadi pada

kuartal 1V 2017 yang senilai -2.396, sedangkan nilai maksimum

menunjukan angka -1.113, yang artinya dari 30 bulan HML, nilai HML

terbesar terjadi pada kuartal I 2017 yang senilai -1.113 dan mean atau

rata-rata senilai -1.846. Serta memiliki Standar Deviasi sebesar 0.276

dan variance sebesar 0.076

d. Return Saham

Return saham sebagai variabel dependen (Y) dihitung dengan

merata-ratakan expected return triwulan tiap saham yang menjadi objek

pengamatan dari September 2010-Desember 2017. Perhitungan Return

saham dapat dilihat pada lembar lampiran.

Dari tabel diatas Return saham menunjukan angka -0,243, yang

artinya dari 30 bulan Return saham, nilai Return saham terkecil terjadi

pada kuartal III 2015 yang senilai -0,243 sedangkan nilai maksimum

menunjukan angka 0,155, yang artinya dari 30 bulan Return saham,

nilai Return saham terbesar terjadi pada kuartal III 2011 yang senilai

0,155 dan mean atau rata-rata senilai -0,040. Serta memiliki Standar

Deviasi sebesar 0,094, dan variance sebesar 0,009.

3. Pengujian Statistik Data

Page 122: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

107

a. Uji Stasioneritas

Uji Stasioneritas menggunakan Uji Akar Unit atau Unit Root

Test dengan bantuan program Eviews. Kesimpulan hasil Uji

Stasioneritas pada masing-masing variable dependen dan variable

independen adalah sebagai berikut.

TABEL 4.14

UJI STASIONERITAS

Variabel Probabilitas α

Premi Risiko (X1) 0.0001 ≤ 0.05

atau

5%

SMB (X2) 0.0000 ≤

HML (X3) 0.0000 ≤

Return saham (Y) 0.0002 ≤

Sumber: Data Diolah

Apabila p ≤ 5%, maka H0 ditolak atau masing-masing variabel

bersifat stasioner. Sebaliknya jika p ≥ 5%, H0 diterima atau masing-

masing variabel bersifat tidak stasioner. Pada tabel diatas dapat dilihat

bahwa dari keseluruhan variabel, baik variable dependen maupun

variabel independen memiliki probabilitas ≤ 5%, oleh karena itu

keempat variabel dikatakan sudah stasioner atau H0 ditolak.

Stasioner berarti data time series selama periode pengamatan

memiliki rata-rata, varians, dan kovarians yang tetap dan tidak

dipengaruhi oleh perubahan waktu. Keseluruhan hasil Uji Stasioneritas

dapat dilihat di lembar lampiran.

b. Uji Normalitas

Page 123: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

108

Uji Normalitas yang digunakan dalam penelitian ini adalah

menggunakan Kolomogrov-Sminorv Test dengan bantuan program

SPSS. Uji Normalitas memiliki hasil sebagai berikut.

TABEL. 4.15

UJI NORMALITAS

Sumber: Data Diolah

Apabila nilai signifikansi ≥ 5% maka H0 ditolak atau seluruh

variabel pengamatan sudah signifikan dan telah terdistribusi normal.

Sebaliknya jika nilai signifikansi ≤ 5% maka H0 diterima atau seluruh

variabel pengamatan tidak signifikan dan tidak terdistribusi normal.

Pada tabel dapat dilihat bahwa nilai signifikansi adalah

sebesar 0.998 yang berarti ≥ 5% atau seluruh variabel pengamatan

sudah bersifat signifikan dan telah terdistribusi normal. Pada pengujian

kali ini H0 ditolak.

c. Uji Autokorelasi

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 30

Normal Parametersa Mean .0000000

Std. Deviation .04081822

Most Extreme

Differences

Absolute .072

Positive .065

Negative -.072

Kolmogorov-Smirnov Z .394

Asymp. Sig. (2-tailed) .998

a. Test distribution is Normal.

Page 124: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

109

Uji Autokorelasi menggunakan Durbin-Watson test dengan

bantuan program SPSS untuk variabel premi risiko, SMB, HML, dan

Excess Return. Hasil pengolahan uji Autokorelasi sebagai berikut.

Tabel. 4.16

Uji Autokorelasi

Sumber: Data Diolah

Apabila d < dl atau d > 4-dl maka H0 ditolak atau terdapat

autokorelasi antar residual. Sedangkan apabila du < d < 4-du maka H0

diterima atau tidak terdapat autokorelasi antar residual. Di mana d

adalah nilai Durbin-Watson test, sedangkan du dan dl dapat dilihat dari

tabel Durbin-Watson.

Pada tabel diatas dapat dilihat bahwa pengujian ini memiliki

nilai Durbin-Watson test sebesar 1.975, dan jika dilihat pada tabel

Durbin-Watson, du adalah sebesar 1,649 dan dl adalah sebesar 1.2138.

Oleh karena itu didapatkan hasil 1.649 < 1.975 < 2.3502 atau du < d <

4-du yang membuktikan bahwa tidak terdapat autokorelasi antar

residual dan H0 diterima. Autokorelasi berarti terdapat masalah antar

korelasi akibat residual tidak bebas dari suatu observasi ke observasi

lainnya.

Model Summaryb

Model R R Square Adjusted R

Square Std. Error of the

Estimate Durbin-Watson

1 .900a .811 .789 .043109 1.975

a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2

b. Dependent Variable: ReturnY

Page 125: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

110

d. Uji Multikolonearitas

Uji Multikolonearitas memperhatikan nilai Tolerance dan nilai

VIF dalam menentukan apakah terjadi multikolonearitas antar variabel

bebas (variabel independen). Uji Multikolonearitas dilakukan untuk

mengetahui apakah dalam sebuah model regresi terdapat korelasi antar

variabel bebasnya. Hasil dari Uji Multikolonearitas dengan bantuan

program SPSS sebagai berikut.

TABEL. 4.17

UJI MULTIKOLONEARITAS

Sumber: Data Diolah

Apabila Tolerance < 0.1 atau VIF > 10.0 maka H0 ditolak atau

terdapat multikolonearitas. Sebaliknya jika Tolerance > 0,1 atau VIF <

10.0 maka H0 dterima atau tidak terdapat multikolonearitas.

Dari tabel diatas dapat dilihat nilai Tolerance pada Premi Risiko

adalah sebesar 0,935 sedangkan nilai VIF sebesar 1,070. Lalu nilai

Tolerance pada SMB adalah sebesar 0.352 sedangkan nilai VIF sebesar

2.840, terakhir pada HML, nilai Tolerance adalah sebesar 0.344

sedangkan nilai VIF sebesar 2.905. Dari ketiga variabel bebas diatas

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) .134 .146 .918 .367

Pre_RiskX1 1.093 .106 .909 10.2 .000 .935 1.070

SMBX2 .053 .060 .127 .886 .384 .352 2.840

HMLX3 -.026 .050 -.075 -.51 .609 .344 2.905

a. Dependent Variable: ReturnY

Page 126: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

111

semuanya memiliki nilai Tolerance > 0,1 dan memiliki nilai VIF < 10,0.

Oleh karena itu H0 diterima atautidak terdapat multikolonearitas karena

Tolerance > 0,1 atau VIF < 10,0.

e. Uji Heterokedastisitas

Uji Heterokedastisitas menggunakan Uji Glesjer dengan

bantuan program SPSS. Uji Heterokedastisitas dilakukan untuk

mengetahui apakah dalam model regresi terjadi kesamaan varians dari

residual satu pengamatan ke pengamatan lain. Hasil Uji

Heterokedastisitas sebagai berikut.

TABEL 4.18

UJI HETEROKEDASTISITAS

Sumber: Data Diolah

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity

Statistics

B

Std.

Error Beta Tolerance VIF

1 (Constant) -.020 .089 -.229 .820

Pre_RiskX1 .011 .065 .034 .170 .867 .935 1.070

SMBX2 -.023 .037 -.207 -.633 .532 .352 2.840

HMLX3 .015 .030 .167 .504 .619 .344 2.905

a. Dependent Variable: RES2

Page 127: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

112

Apabila Signifikansi < 0.05 maka H0 ditolak atau terjadi

heterokedastisitas, sebaliknya jika signifikansi > 0.05 maka H0 diterima

atau tidak terjadi heterokedastisitas. Heterokedastisitas terjadi apabila

variabel gangguan tidak mempunyai varians yang sama untuk semua

observasi.

Pada tabel di atas dapat dilihat bahwa Premi Risiko memiliki

signifikansi sebesar 0.867, SMB memiliki signifikansi sebesar 0.532, dan

HML memiliki signifikansi sebesar 0.619. Dari ketiga variabel bebas

tersebut semuanya memiliki nilai signifikasi > 0.05 yang berarti H0

diterima atau tidak terjadi heterokedastisitas.

f. Analisis Regresi Linear Berganda

Hasil perhitungan regresi berganda dengan menggunakan

bantuan program Eviews ditunjukkan dengan hasil Ordinary Least

Square (OLS) adalah sebagai berikut:

TABEL. 4.19

ANALISIS REGRESI LINERAR BERGANDA

Variable Coefficient Std. Error t-Statistic Prob.

C 0.134659 0.145221 0.927270 0.3623

Premi_Risk 1.095388 0.105984 10.33538 0.0000

SMB 0.053544 0.059846 0.894697 0.3792

HML -0.025840 0.049326 -0.523850 0.6048

Sumber: Data Diolah

Dari hasil analisis regresi di atas, menghasilkan persamaan regresi

linier berganda sebagai berikut:

Page 128: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

113

Ri – Rf = 0.134659 + 1.095388Pre_Risk + 0.0535440SMB - 0.025840HML (4.1)

Hasil regresi diatas menunjukan bahwa dari ketiga variabel

independen yang diuji, hanya dua variabel yang memiliki pengaruh

positif terhadap Return saham, yaitu Premi Risiko dan SMB. Premi

Risiko memiliki pengaruh positif terhadap Return saham, yang artinya

antara Premi risiko dan Return saham memilihi pengaruh yang searah,

semakin tinggi nilai Premi Risiko maka semakin tinggi Return yang akan

didapat dari perusahaan Indeks SRI-KEHATI periode September 2010-

Desember 2017.

SMB atau Small Minus Big yang terdiri dari portofolio Size dan

Book to Market Equity juga memiliki pengaruh positif terhadap Return

saham, yang artinya antara Size dan Book to Market Equity dengan

Return saham memiliki pengaruh yang searah, semakin tinggi nilai Size

dan Book to Market Equity maka semakin besar Return yang akan

diperoleh dari perusahaan Indeks SRI-KEHATI periode September

2010-Desember 2017.

Sedangkan HML atau High Minus Low, memiliki pengaruh

negatif terhadap Return. Pengaruh yang negatif artinya HML dan Return

saham memiliki hubungan yang berlawanan. Jika nilai HML lebih besar,

maka perolehan Return saham semakin kecil, begitu juga sebaliknya.

1) Uji Parsial (Uji T)

Hasil Uji Parsial yang dilakukan dengan menggunakan program

Eviews adalah sebagai berikut:

Page 129: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

114

TABEL. 4.20

UJI T

Sumber: Data Diolah

Uji t dilakukan untuk mengetahui ada atau tidaknya pengaruh

secara parsial (sendiri) antara variabel independen terhadap variabel

dependen. Pada Uji t, apabila probabilitas < 0,05 atau t hitung > t

table maka H0 ditolak atau terdapat pengaruh secara parsial antar

variabel independen terhadap variabel dependen. Sebaliknya jika

probabilitas > 0,05 atau t hitung < t table maka H0 diterima atau tidak

terdapat pengaruh secara parsial antar variabel independen terhadap

variabel dependen.

Pada tabel diatas dapat dilihat bahwa Premi risiko memiliki

probabilitas sebesar 0.000, hal ini berarti Premi risiko memiliki

pengaruh secara parsial terhadap Return saham karena nilai

probabilitas < 0.05 atau H0 ditolak. Lalu SMB memiliki probabilitas

sebesar 0.3792, hal ini berarti SMB tidak memiliki pengaruh secara

parsial terhadap Return saham karena nilai probabilitas < 0.05 atau

H0 diterima. HML memiliki probabilitas sebesar 0.6048, hal ini

berarti HML juga tidak memiliki pengaruh secara parsial terhadap

Return saham karena nilai probabilitas > 0,05 atau H0 diterima.

2) Uji Simultan (Uji F)

Variabel Prob α

Premi Risiko (X1) 0.0000 < 5% atau

0,05 SMB (X2) 0.3792 >

HML (X3) 0.6048 >

Page 130: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

115

Hasil Uji Simultan yang dilakukan dengan menggunakan

program Eviews adalah sebagai berikut:

TABEL. 4.21

UJI F

Sumber: Data Diolah

Uji F dilakukan untuk mengetahui ada tidaknya pengaruh

secara simultan (bersama-sama) antara variabel independen terhadap

variabel dependen. Pada Uji F, jika probabilitas F statistic < 0.05

atau F hitung > F table maka H0 ditolak atau terdapat pengaruh secara

simultan antar variable independen terhadap variable dependen.

Sedangkan jika probabilitas F statistic > 0.05 atau F hitung < F table

R-squared 0.811784 Mean dependent var -0.040179

Adjusted R-squared 0.790066 S.D. dependent var 0.093783

S.E. of regression 0.042970 Akaike info criterion -3.333057

Sum squared resid 0.048007 Schwarz criterion -3.146231

Log likelihood 53.99586 Hannan-Quinn criter. -3.273290

F-statistic 37.37964 Durbin-Watson stat 1.989096

Prob(F-statistic) 0.000000

Page 131: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

116

maka H0 diterima atau tidak terdapat pengaruh secara simultan antar

variable independen terhadap variable dependen.

Pada tabel di atas dapat dilihat nilai probabilitas F statistic

sebesar 0.000 yang berarti probabilitas F statistic < 0.05 dan terjadi

pengaruh secara simultan antara Premi Risiko, SMB, dan HML

terhadap Return saham atau H0 ditolak.

3) Koefisien Determinasi (R2)

Koefisisen Determinasi atau R-Squared memberikan seberapa

besar pengaruh yang diberikan variabel indepeden terhadap variabel

dependen. Dari tabel diatas nilai R-Squared adalah sebesar 0,79 atau

79%. Hal ini berarti sebesar 79% dari variabel independen mampu

menjelaskan variabel dependennya, yaitu Premi Risiko, SMB, dan

HML terhadap Return saham. Sedangkan sisanya yaitu sebanyak 21%

dijelaskan oleh variabel lain di luar model.

g. Keterkaitan antar Variabel

Dari penelitian yang telah dilakukan maka keterkaitan antar variabel

dapat dijelaskan seperti berikut.

1) Keterkaitan antara Premi Risiko dengan Return saham

Premi risiko memiliki nilai koefisien sebesar 1.095388 dan

probabilitas sebesar 0.0000, artinya terdapat pengaruh yang positif

dan signifikan antara Premi Risiko dengan Return saham. Dengan

Page 132: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

117

demikian, maka semakin tinggi Premi Risiko, Return saham yang

akan diperoleh juga semakin tinggi.

Hasil penelitian ini sama dengan penelitian Irawan dan Murhadi

(2012) yang menunjukan bahwa faktor Premi Risiko secara

signifikan berpengaruh positif terhadap Return. Hal ini berarti faktor

pasar dalam konsep CAPM sangat kuat mempengaruhi Return.

2) Keterkaitan antara SMB dengan Return saham

SMB memiliki nilai koefisiensi sebesar 0.053544 dan

probabilitas sebesar 0.3792, artinya terdapat pengaruh yang positif

namun tidak signifikan antara SMB dengan Return saham.

Hasil penelitian ini sama dengan penelitian Lestari dan Wahyudi

(2015) yang menunjukan terdapat hubungan yang positif antara

SMB dan Return saham. Dengan demikian, semakin besar

kapitalisasi pasar maka semakin besar Return saham yang akan

dipeoleh

3) Keterkaitan antara HML dan Return saham

HML memiliki nilai koefisiensi sebesar -0.025840 dan

probabilitas sebesar 0.6048, artinya terdapat pengaruh yang negatif

dan tidak signifikan antara HML dengan Return saham.

Hasil penelitian ini sama dengan penelitian Sudiyatno dan Irsad

(2011) yang menunjukan Book to-market Equity (HML)

berpengaruh negatif tetapi tidak signifikan terhadap Return saham

pada tingkat signifikansi 5%, artinya jika Book-to-market equity

Page 133: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

118

ratio (HML) turun, maka return saham akan naik. Apabila Book-to-

market equity ratio turun menunjukkan harga pasar saham naik,

berarti semakin baik kinerja saham. Kondisi ini akan mencerminkan

tingkat optimis investor terhadap masa depan perusahaan. Didalam

kasus ini, risk premium (premi risiko) pengaruhnya masih lebih baik

Book-to-market equity ratio. Investor lebih memandang risiko

sebagai faktor yang lebih akurat untuk memprediksikan return

saham.

Page 134: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

119

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Berdasarkan penelitian yang telah dilakukan maka didapatkan kesimpulan

sebagai berikut:

1. Pembentukan portofolio optimal dengan Single Index Model pada saham SRI-

KEHATI tahun 2013-2017 menghasilkan 9 emiten yang layak untuk menjadi

kandidat portofolio optimal, yaitu UNVR (PT. Unilever Indonesia, Tbk),

BDMN (PT. Bank Danamon, Tbk), BBNI (PT. Bank Negara Indonesia, Tbk),

UNTR (PT. United Tractors Indonesia, Tbk), BBCA (PT. Bank Central Asia,

Tbk), TLKM (PT. Telekomunikasi Indonesia, Tbk), KLBF (PT. Kalbe Farma,

Tbk), INDF (PT. Indofood Sukses Makmur, Tbk), dan ADHI (PT. Adhi

Karya, Tbk). Expected Return portofolio yang dihasilkan adalah sebesar

0,0064, sedangkan Standar Deviasi portofolio atau dapat diartikan sebagai

risiko portofolio adalah sebesar 0,012. Standar Deviasi portofolio ini lebih

rendah nilainya dibanding Standar Deviasi individual dari saham-saham

penyusunnya, yang membuktikan bahwa pembentukan portofolio dapat

meminimalisir risiko akibat telah dilakukan diversifikasi.

2. Hasil analisis dari pengaruh Fama-French Three Factor Model terhadap

Return saham pada perusahaan SRI-KEHATI periode September 2010-

Desember 2017 adalah sebagai berikut:

Page 135: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

120

a. Premi risiko memiliki nilai koefisien sebesar 1.095388 dan probabilitas

sebesar 0.0000, artinya terdapat pengaruh yang positif dan signifikan

antara Premi Risiko dengan Return saham.

b. SMB memiliki nilai koefisiensi sebesar 0.053544 dan probabilitas sebesar

0.3792, artinya terdapat pengaruh yang positif namun tidak signifikan

antara SMB dengan Return saham

c. HML memiliki nilai koefisiensi sebesar -0.025840 dan probabilitas

sebesar 0.6048, artinya terdapat pengaruh yang negatif dan tidak signifikan

antara HML dengan Return saham.

d. Premi Risiko, SMB, dan HML memiliki nilai probabilitas F statistic

sebesar 0.000, artinya terdapat pengaruh secara simultan atau secara

bersama-sama antara Premi Risiko, SMB, dan HML dengan Return saham

e. Nilai R-Squared adalah sebesar 79% hal ini berarti sebesar 79% dari

variabel independen mampu menjelaskan variabel dependennya, yaitu

Premi Risiko, SMB, dan HML terhadap Return saham. Sedangkan sisanya

yaitu sebanyak 21% dijelaskan oleh variabel lain di luar model.

B. Saran

Berdasarkan kesimpulan dan keterbatasan penelitian yang telah dipaparkan

di atas, maka saran untuk penelitian berikutnya adalah:

1. Dalam pembentukan portofolio optimal, peneliti hanya menggunakan metode

Single Index Model, sehingga diharapkan untuk kedepannya dapat

menggunakan metode-metode lainnya seperti Constant Corellation Model

Page 136: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

121

dan Mean-VaR untuk mendapatkan hasil yang lebih baik. Selain itu,

penelitian ini hanya menggunakan satu Indeks saja yang terdaftar dalam BEI,

maka dari itu untuk peneliti selanjutnya diharapkan menambah sejumlah

Indeks lain seperti KOMPAS100, IDX30, PEFIND025, serta JII untuk

mengetahui Indeks mana yang dapat memberikan kandidat portofolio optimal

yang terbaik.

2. Untuk mengetahui variabel apa yang dapat mempengaruhi Return saham,

peneliti hanya menggunakan tiga variabel dari Model Fama dan French yaitu

Premi Risiko, Size, dan Book to Equity Market Ratio. Maka dari itu untuk

penelitian selanjutnya diharapkan ditambahkan variabel dan model lain untuk

membandingkan sekaligus menilai variabel apa yang lebih berpengaruh

terhadap Return saham.

Page 137: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

122

DAFTAR PUSTAKA

Alves, Paulo. “The Fama French Model Or The Capital Asset Pricing Model:

International Evidence”, The International Journal of Business and Finance

Research, Vol. 7, No. 2, 2013.

Blanco, Belen. “The Use Of CAPM And Fama French Three Factor Model:

Portofolios Selection”, Public and Muncipal Finance, Volume 1, Issue 2, 2012.

Brigham, Eugene F dan Houston. “Fundamental of FinancialManagement: Dasar-

Dasar Manajemen Keuangan”, Edisi 10, Salemba Empat, Jakarta, 2006.

Bodie, Z., A. Kane, dan A.J. Marcus. “Manajemen Portofolio dan Investasi”, Edisi

Kesembilan, Buku 1, Salemba Empat, Jakarta, 2014.

Cahyadi, Bramantio dan Adisti Febriwanty. “Pengaruh Variabel Makro terhadap

Pembentukan Portofolio Optimal dengan Single Index Model pada Bursa Efek

Indonesia (BEI), Journal of Capital Market and Banking, Vol. 2, No. 1, 2014.

Elton, Edwin. J., and Martin J. Gruber. “Modern Portoflio Theory And Investment

Analysis”, Edisi Kelima, John Wiley & Sons Inc, New York, 1995.

Fama, Eugene & French, K. R. “The Cross Section of Expected Stock Returns”,

Journal of Finance. 67, 2 : 42, 1992.

Fawziah, Siti Apriani. “Pengaruh Fama French Terhadap Return Saham”,

Universitas Negri Yogyakarta, 2016.

Francis, Jack Clark. “Invesment: Analysis And Management”, McGraw-Hill,

Singapore, 1991.

Fahmi, Irham. “Analisa Laporan Keuangan” Alfabeta, Bandung, 2011.

Ghozali, Imam. “Aplikasi Analisis Multivariate Dengan Program SPSS”, Cetakan

Keempat, Badan Penerbit Universitas Diponegoro, Semarang, 2009.

Gitman, Lawrence J dan Chad J. Zutter. “Principles of Managerial Finance”, 13th

Edition, Global Edition, Pearson Education Limited, 2012.

Hadi, Nor. “Pasar Modal”, Graha Ilmu, Yogyakarta, 2013.

Hanafi, Mamduh. “Manajemen Keuangan”, BPFE, Yogyakarta, 2004.

Page 138: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

123

Hardianto, Damar dan Suherman. “Pengujian Fama-French Three-Factor Model Di

Indonesia”, Jurnal Keuangan dan Perbankan, Vol. 13, No.2, 2009.

Husnan, Suad. “Dasar-Dasar Teori Portfolio dan Analisis Sekuritas”, Edisi Keempat.

Cetakan Pertama, UPP AMP YKPN, Yogyakarta, 2005.

Husnan, Suad. “Manajemen Keuangan: Teori dan Penerapan” Buku 1, Edisi 4,

BPFE. Yogyakarta, 2008.

Jogiyanto. “Teori Portofolio dan Analisis Investasi”, Edisi Keenam, Cetakan

Pertama, PT. BPFE Yogyakarta, Yogyakarta, 2009.

Jogiyanto. “Teori Portofolio dan Analisis Investasi”, Edisi Ketujuh, BPFE –

Yogyakarta, Yogyakarta, 2012.

Jorion, Philippe. “Value at Risk”, Second Edition, McGrawHill, USA, 2000.

Kampman, Tijmen. “Explaining Stock Returns: the CAPM, Fama-French Three

Factor Model and Carhart’s Four Factor Model”, Tilburg University

Repository, 2011.

Markowitz, H.M. “Portfolio Selection”. The Journal of Finance, March, 1952.

Marlina, Reni. “Formation Of Stock Portfolio Using Single Index Model (Case Study

On Banking Shares In The Indonesia Stock Exchange)”, International Journal

of Business, Economics and Law, Vol. 8, Issue 1, 2015.

Mohamad Samsul. “Pasar Modal dan Manajemen Portofolio”, Erlangga, Jakarta,

2006.

Monolakis, Valsamis. “Fama and French Three-Factor Model: Application to Greek

Stock Market” University of Macedonia, 2012.

Nalini. “Optimal Portfolio Construction Using Sharpe’s Single Index Model - A

Study Of Selected Stocks From Bse”, International Journal of Advanced

Research, 2014.

Negara, Prakarsa Panji. “Peranan Model Tiga Faktor Terhadap Pembentukan

Portofolio Efisien Saham LQ45 di Bursa Efek Indonesia”, Universitas

Lampung, 2012.

Nur’ainy, Renny, dkk. “Studi Empiris Pembentukan Portofolio Saham Multifaktor di

Bursa Efek Indonesia”, Simposium Nasional Akuntasi, 2013.

Page 139: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

124

Richard, Irawan and Murhadi, Werner Ria “Analisis Pengaruh Three Factor Model

dan Persentase Kepemilikan Asing Terhadap Tingkat Return di Bursa Efek

Indonesia”, Jurnal Manajemen & Bisnis, 11 (2), 2012.

Ross, Stephen A. “The Arbitrage Theory of Capital Asset Pricing”. Journal of

Economic Theory vol.13 No.2, 1976.

Salim HS, budi Sutrisno. “Hukum Investasi di Indonesia”, Rajawali Grafindo,

Jakarta, 2008.

Sathyapriya, M. “Optimum Portfolio Construction Using Sharpe Index Model With

Reference to Infrastructure Sector and Pharmaceutical Sector”, International

Journal of Scientific and Research Publications, Volume 6, Issue 8, 2016.

Sharpe, W.F. “Capital Asset Prices: A Theory of Market Equilibrium Under

Condition of Risk”. Journal of Finance 19: 425-442, 1964.

Sudiyatno, Bambang., dan Irsad, Moch. “Menguji Tiga Faktor Fama dan French

dalam Mempengaruhi Return Saham Studi pada Saham LQ45 di BEI”, Jurnal

Bisnis dan Ekonomi (JBE), Universitas Stikubank Semarang Vol.18, No.2,

2011.

Sujianto. “Dasar-dasar Manajemen Keuangan”, BPFE, Yogyakarta, 2001.

Susanti,dkk. “Analisis Pembentukan Portofolio Optimal Saham Dengan

Menggunakan Model Indeks Tunggal (Studi pada Saham LQ-45 di Bursa Efek

Indonesia Periode Agustus 2009 – Juli 2012). Artikel Ilmiah, Universitas

Sumatra Utara, 2012.

Tandelilin, Eduardus. “Analisis Investasi dan Manajemen Portofolio”, BPFE-

Yogyakarta, Yogyakarta, 2010.

Tyas, Vian Riska Ayuning, dkk. “Penerapan Model Arbitrage Pricing Theory

Dengan Pendekatan Vector Autoregression Dalam Mengestimasi Expected

Return Saham (Studi Kasus: Saham-Saham Kompas100 Periode 2010-2013”,

E-Jurnal Matematika Vol. 3, No.1, 2014

Tjiptono Darmadji dan Hendi M Fakhrudin. “Pasar Modal Di Indonesia”, Edisi

Ketiga, Salemba Empat, Jakarta, 2012.

Utamayasa, Komang Nehru; Wiagustini, Ni Luh Putu. “Penentuan Portofolio

Optimal Dengan Menggunakan Model Indeks Tunggal Pada Saham

Page 140: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

125

Perbankan Di Bursa Efek Indonesia”, E-Jurnal Manajemen Universitas

Udayana, Vol. 5, No. 6, 2016.

Yuningsih, Isna dan Rizky Yudaruddin. “Pengaruh Model Tiga Faktor terhadap

Return Saham”, Akuntabilitas, Vol. 7, No.1, 2007.

Yolita dan Syarief Fauzie. “Analisis Stock Returns Perusahaan Perbankan pada

Jakarta Composite Index (IHSG) Menggunakan Fama-French Three-Factor

Model”, Jurnal Ekonomi dan Keuangan, Vol. 2, No. 11, 2014.

Zubir, Zalmi. “Manajemen Portofolio: Penerapannya dalam Investasi Saham”,

Salemba Empat, Jakarta, 2011.

www.idx.co.id

www.bi.go.id

Page 141: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

126

LAMPIRAN

Lampiran 1: Risk Free Rate

No Bulan

Tahun

2013 2014 2015 2016 2017

BI Rate

bulanan

Rata-

rata BI Rate

bulanan Rata-rata

BI Rate

bulanan Rata-rata

BI Rate

bulanan Rata-rata

BI Rate

bulanan Rata-rata

1 Jan 0.0575 0.00016 0.0750 0.000205 0.0775 0.000212 0.0725 0.000199 0.0475 0.000130

2 Feb 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0700 0.000192 0.0475 0.000130

3 Mar 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0675 0.000185 0.0475 0.000130

4 Apr 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0675 0.000185 0.0475 0.000130

5 Mei 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0675 0.000185 0.0475 0.000130

6 Jun 0.0600 0.00016 0.0750 0.000205 0.0750 0.000205 0.0650 0.000178 0.0475 0.000130

7 Jul 0.0650 0.00018 0.0750 0.000205 0.0750 0.000205 0.0650 0.000178 0.0475 0.000130

8 Ags 0.0675 0.00018 0.0750 0.000205 0.0750 0.000205 0.0525 0.000144 0.0450 0.000123

9 Sep 0.0725 0.0002 0.0750 0.000205 0.0750 0.000205 0.0500 0.000137 0.0425 0.000116

10 Okt 0.0725 0.0002 0.0750 0.000205 0.0750 0.000205 0.0475 0.000130 0.0425 0.000116

11 Nov 0.0750 0.00021 0.0763 0.000209 0.0750 0.000205 0.0475 0.000130 0.0425 0.000116

12 Des 0.0750 0.00021 0.0775 0.000212 0.0750 0.000205 0.0475 0.0001 0.0425 0.000116

Rata-rata

Rf perhari 0.000176

Page 142: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

127

Lampiran 2: Rekapitulasi Data Fama-French Three Factor Model

Periode Average Excess Return

(Y)

Premi

Risiko/β(X1)

SMB (X2) HML(X3)

30-Sep-11 0.155 0.137 -3.128 -1.113

31-Des-10 -0.031 -0.007 -3.100 -1.485

31-Mar-11 -0.199 -0.074 -3.250 -1.458

30-Jun-11 -0.040 -0.010 -3.358 -1.597

30-Sep-11 -0.186 -0.155 -3.413 -1.621

31-Des-11 0.024 0.017 -3.571 -1.871

31-Mar-12 -0.021 0.021 -3.683 -2.018

30-Jun-12 -0.064 -0.098 -3.566 -2.059

30-Sep-12 0.068 0.020 -3.439 -1.885

31-Des-12 -0.027 -0.045 -3.371 -1.919

31-Mar-13 0.099 0.087 -3.257 -1.647

30-Jun-13 -0.068 -0.085 -3.286 -1.834

30-Sep-13 -0.182 -0.177 -3.307 -1.744

31-Des-13 -0.054 -0.085 -3.261 -1.728

31-Mar-14 0.092 0.041 -3.146 -1.613

30-Jun-14 -0.048 -0.052 -3.308 -1.524

30-Sep-14 -0.063 -0.022 -3.290 -1.762

31-Des-14 -0.036 -0.060 -3.296 -1.785

31-Mar-15 -0.033 -0.019 -3.541 -1.826

30-Jun-15 -0.213 -0.185 -3.580 -1.968

30-Sep-15 -0.243 -0.215 -3.441 -2.057

31-Des-15 -0.013 0.013 -3.503 -2.133

31-Mar-16 0.051 -0.013 -3.503 -1.821

30-Jun-16 -0.084 -0.017 -3.667 -1.997

30-Sep-16 0.053 0.019 -3.635 -1.921

31-Des-16 -0.003 -0.060 -3.749 -1.958

31-Mar-17 -0.057 0.008 -3.857 -2.052

30-Jun-17 -0.021 -0.005 -4.028 -2.262

30-Sep-17 -0.061 -0.030 -3.600 -2.350

31-Des-17 0.002 0.035 -3.761 -2.396

Page 143: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

128

Lampiran 3: Premi Risiko (Variabel X1)

Periode CP Return Rf Excess

Return

30-Jun-10 2,913

30-Sep-10 3,501 0.202 0.065 0.137

31-Des-10 3,703 0.058 0.065 -0.007

31-Mar-11 3,678 -0.007 0.0675 -0.074

30-Jun-11 3,888 0.057 0.0675 -0.010

30-Sep-11 3,549 -0.087 0.0675 -0.155

31-Des-11 3,821 0.077 0.06 0.017

31-Mar-12 4,121 0.079 0.0575 0.021

30-Jun-12 3,955 -0.040 0.0575 -0.098

30-Sep-12 4,262 0.078 0.0575 0.020

31-Des-12 4,316 0.013 0.0575 -0.045

31-Mar-13 4,940 0.145 0.0575 0.087

30-Jun-13 4,818 -0.025 0.06 -0.085

30-Sep-13 4,316 -0.104 0.0725 -0.177

31-Des-13 4,274 -0.010 0.075 -0.085

31-Mar-14 4,768 0.116 0.075 0.041

30-Jun-14 4,878 0.023 0.075 -0.052

30-Sep-14 5,137 0.053 0.075 -0.022

31-Des-14 5,226 0.017 0.0775 -0.060

31-Mar-15 5,518 0.056 0.075 -0.019

30-Jun-15 4,910 -0.110 0.075 -0.185

30-Sep-15 4,223 -0.140 0.075 -0.215

31-Des-15 4,593 0.088 0.075 0.013

31-Mar-16 4,845 0.055 0.0675 -0.013

30-Jun-16 5,016 0.035 0.0525 -0.017

30-Sep-16 5,364 0.069 0.05 0.019

31-Des-16 5,296 -0.013 0.0475 -0.060

31-Mar-17 5,592 0.056 0.0475 0.008

30-Jun-17 5,829 0.042 0.0475 -0.005

30-Sep-17 5,900 0.012 0.0425 -0.030

31-Des-17 6,355 0.077 0.0425 0.035

Page 144: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

129

Lampiran 4: Size

Tahun Periode Kode Emiten Close

Price

Jml. Saham

Beredar

Kap. Pasar (Size)

2010 Q3 AALI 20,700 1,574,745,000 32,597,221,500,000

Q4 AALI 26,200 1,574,745,000 41,258,319,000,000

2011 Q1 AALI 22,700 1,574,745,000 35,746,711,500,000

Q2 AALI 23,500 1,574,745,000 37,006,507,500,000

Q3 AALI 19,300 1,574,745,000 30,392,578,500,000

Q4 AALI 21,700 1,574,745,000 34,171,966,500,000

2012 Q1 AALI 23,350 1,574,745,000 36,770,295,750,000

Q2 AALI 20,050 1,574,745,000 31,573,637,250,000

Q3 AALI 21,950 1,574,745,000 34,565,652,750,000

Q4 AALI 19,700 1,574,745,000 31,022,476,500,000

2013 Q1 AALI 18,500 1,574,745,000 29,132,782,500,000

Q2 AALI 19,700 1,574,745,000 31,022,476,500,000

Q3 AALI 19,500 1,574,745,000 30,707,527,500,000

Q4 AALI 25,100 1,574,745,000 39,526,099,500,000

2014 Q1 AALI 26,000 1,574,745,000 40,943,370,000,000

Q2 AALI 28,175 1,574,745,000 44,368,440,375,000

Q3 AALI 23,000 1,574,745,000 36,219,135,000,000

Q4 AALI 24,250 1,574,745,000 38,187,566,250,000

2015 Q1 AALI 24,300 1,574,745,000 38,266,303,500,000

Q2 AALI 22,950 1,574,745,000 36,140,397,750,000

Q3 AALI 18,125 1,574,745,000 28,542,253,125,000

Q4 AALI 15,850 1,574,745,000 24,959,708,250,000

2016 Q1 AALI 18,200 1,924,688,333 35,029,327,660,600

Q2 AALI 14,700 1,924,688,333 28,292,918,495,100

Q3 AALI 14,825 1,924,688,333 28,533,504,536,725

Q4 AALI 16,775 1,924,688,333 32,286,646,786,075

2017 Q1 AALI 14,900 1,924,688,333 28,677,856,161,700

Q2 AALI 14,700 1,924,688,333 28,292,918,495,100

Q3 AALI 14,875 1,924,688,333 28,629,738,953,375

Q4 AALI 13,150 1,924,688,333 25,309,651,578,950

2010 Q3 ADHI 960 1,801,320,000 1,729,267,200,000

Q4 ADHI 910 1,801,320,000 1,639,201,200,000

2011 Q1 ADHI 840 1,801,320,000 1,513,108,800,000

Q2 ADHI 800 1,801,320,000 1,441,056,000,000

Q3 ADHI 510 1,801,320,000 918,673,200,000

Q4 ADHI 580 1,801,320,000 1,044,765,600,000

2012 Q1 ADHI 800 1,801,320,000 1,441,056,000,000

Q2 ADHI 990 1,801,320,000 1,783,306,800,000

Q3 ADHI 1,040 1,801,320,000 1,873,372,800,000

Q4 ADHI 1,760 1,801,320,000 3,170,323,200,000

2013 Q1 ADHI 3,025 1,801,320,000 5,448,993,000,000

Page 145: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

130

Q2 ADHI 3,250 1,801,320,000 5,854,290,000,000

Q3 ADHI 2,050 1,801,320,000 3,692,706,000,000

Q4 ADHI 1,510 1,801,320,000 2,719,993,200,000

2014 Q1 ADHI 2,995 1,801,320,000 5,394,953,400,000

Q2 ADHI 2,785 1,801,320,000 5,016,676,200,000

Q3 ADHI 2,765 1,801,320,000 4,980,649,800,000

Q4 ADHI 3,480 1,801,320,000 6,268,593,600,000

2015 Q1 ADHI 2,714 3,560,849,376 9,664,145,206,464

Q2 ADHI 1,795 3,560,849,376 6,391,724,629,920

Q3 ADHI 1,999 3,560,849,376 7,118,137,902,624

Q4 ADHI 2,140 3,560,849,376 7,620,217,664,640

2016 Q1 ADHI 2,690 3,560,849,376 9,578,684,821,440

Q2 ADHI 2,780 3,560,849,376 9,899,161,265,280

Q3 ADHI 2,360 3,560,849,376 8,403,604,527,360

Q4 ADHI 2,080 3,560,849,376 7,406,566,702,080

2017 Q1 ADHI 2,370 3,560,849,376 8,439,213,021,120

Q2 ADHI 2,150 3,560,849,376 7,655,826,158,400

Q3 ADHI 2,000 3,560,849,376 7,121,698,752,000

Q4 ADHI 1,885 3,560,849,376 6,712,201,073,760

2010 Q3 ASII 5,670 40,483,553,140 229,541,746,303,800

Q4 ASII 5,455 40,483,553,140 220,837,782,378,700

2011 Q1 ASII 5,700 40,483,553,140 230,756,252,898,000

Q2 ASII 6,355 40,483,553,140 257,272,980,204,700

Q3 ASII 6,365 40,483,553,140 257,677,815,736,100

Q4 ASII 7,400 40,483,553,140 299,578,293,236,000

2012 Q1 ASII 7,250 40,483,553,140 293,505,760,265,000

Q2 ASII 6,850 40,483,553,140 277,312,339,009,000

Q3 ASII 7,435 40,483,553,140 300,995,217,595,900

Q4 ASII 7,350 40,483,553,140 297,554,115,579,000

2013 Q1 ASII 7,900 40,483,553,140 319,820,069,806,000

Q2 ASII 7,000 40,483,553,140 283,384,871,980,000

Q3 ASII 6,450 40,483,553,140 261,118,917,753,000

Q4 ASII 6,800 40,483,553,140 275,288,161,352,000

2014 Q1 ASII 6,800 40,483,553,140 275,288,161,352,000

Q2 ASII 7,275 40,483,553,140 294,517,849,093,500

Q3 ASII 7,050 40,483,553,140 285,409,049,637,000

Q4 ASII 7,425 40,483,553,140 300,590,382,064,500

2015 Q1 ASII 8,575 40,483,553,140 347,146,468,175,500

Q2 ASII 7,075 40,483,553,140 286,421,138,465,500

Q3 ASII 5,225 40,483,553,140 211,526,565,156,500

Q4 ASII 6,000 40,483,553,140 242,901,318,840,000

2016 Q1 ASII 7,250 40,483,553,140 293,505,760,265,000

Q2 ASII 7,400 40,483,553,140 299,578,293,236,000

Q3 ASII 8,250 40,483,553,140 333,989,313,405,000

Page 146: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

131

Q4 ASII 8,275 40,483,553,140 335,001,402,233,500

2017 Q1 ASII 8,625 40,483,553,140 349,170,645,832,500

Q2 ASII 8,925 40,483,553,140 361,315,711,774,500

Q3 ASII 7,900 40,483,553,140 319,820,069,806,000

Q4 ASII 8,300 40,483,553,140 336,013,491,062,000

2010 Q3 BBCA 6,700 24,408,459,120 163,536,676,104,000

Q4 BBCA 6,400 24,408,459,120 156,214,138,368,000

2011 Q1 BBCA 6,950 24,408,459,120 169,638,790,884,000

Q2 BBCA 7,650 24,408,459,120 186,724,712,268,000

Q3 BBCA 7,700 24,408,459,120 187,945,135,224,000

Q4 BBCA 8,000 24,408,459,120 195,267,672,960,000

2012 Q1 BBCA 8,000 24,408,459,120 195,267,672,960,000

Q2 BBCA 7,300 24,408,459,120 178,181,751,576,000

Q3 BBCA 7,900 24,408,459,120 192,826,827,048,000

Q4 BBCA 9,100 24,408,459,120 222,116,977,992,000

2013 Q1 BBCA 11,400 24,408,459,120 278,256,433,968,000

Q2 BBCA 10,000 24,408,459,120 244,084,591,200,000

Q3 BBCA 10,000 24,408,459,120 244,084,591,200,000

Q4 BBCA 9,600 24,408,459,120 234,321,207,552,000

2014 Q1 BBCA 10,600 24,408,459,120 258,729,666,672,000

Q2 BBCA 11,000 24,408,459,120 268,493,050,320,000

Q3 BBCA 13,075 24,408,459,120 319,140,602,994,000

Q4 BBCA 13,125 24,408,459,120 320,361,025,950,000

2015 Q1 BBCA 14,825 24,408,459,120 361,855,406,454,000

Q2 BBCA 13,500 24,408,459,120 329,514,198,120,000

Q3 BBCA 12,275 24,408,459,120 299,613,835,698,000

Q4 BBCA 13,000 24,408,459,120 317,309,968,560,000

2016 Q1 BBCA 13,300 24,408,459,120 324,632,506,296,000

Q2 BBCA 13,325 24,408,459,120 325,242,717,774,000

Q3 BBCA 15,700 24,408,459,120 383,212,808,184,000

Q4 BBCA 15,500 24,408,459,120 378,331,116,360,000

2017 Q1 BBCA 16,550 24,408,459,120 403,959,998,436,000

Q2 BBCA 18,150 24,408,459,120 443,013,533,028,000

Q3 BBCA 20,300 24,408,459,120 495,491,720,136,000

Q4 BBCA 21,900 24,408,459,120 534,545,254,728,000

2010 Q3 BBNI 3,675 18,462,169,893 67,848,474,356,775

Q4 BBNI 3,875 18,462,169,893 71,540,908,335,375

2011 Q1 BBNI 3,975 18,462,169,893 73,387,125,324,675

Q2 BBNI 3,825 18,462,169,893 70,617,799,840,725

Q3 BBNI 3,725 18,462,169,893 68,771,582,851,425

Q4 BBNI 3,800 18,462,169,893 70,156,245,593,400

2012 Q1 BBNI 4,000 18,462,169,893 73,848,679,572,000

Q2 BBNI 3,825 18,462,169,893 70,617,799,840,725

Q3 BBNI 3,925 18,462,169,893 72,464,016,830,025

Page 147: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

132

Q4 BBNI 3,700 18,462,169,893 68,310,028,604,100

2013 Q1 BBNI 3,925 18,462,169,893 72,464,016,830,025

Q2 BBNI 4,300 18,462,169,893 79,387,330,539,900

Q3 BBNI 4,250 18,462,169,893 78,464,222,045,250

Q4 BBNI 3,950 18,462,169,893 72,925,571,077,350

2014 Q1 BBNI 4,960 18,462,169,893 91,572,362,669,280

Q2 BBNI 4,765 18,462,169,893 87,972,239,540,145

Q3 BBNI 5,525 18,462,169,893 102,003,488,658,825

Q4 BBNI 6,100 18,462,169,893 112,619,236,347,300

2015 Q1 BBNI 7,225 18,462,169,893 133,389,177,476,925

Q2 BBNI 5,300 18,462,169,893 97,849,500,432,900

Q3 BBNI 4,135 18,462,169,893 76,341,072,507,555

Q4 BBNI 4,990 18,462,169,893 92,126,227,766,070

2016 Q1 BBNI 5,200 18,462,169,893 96,003,283,443,600

Q2 BBNI 5,200 18,462,169,893 96,003,283,443,600

Q3 BBNI 5,200 18,462,169,893 96,003,283,443,600

Q4 BBNI 5,525 18,462,169,893 102,003,488,658,825

2017 Q1 BBNI 6,475 18,462,169,893 119,542,550,057,175

Q2 BBNI 6,600 18,462,169,893 121,850,321,293,800

Q3 BBNI 7,400 18,462,169,893 136,620,057,208,200

Q4 BBNI 9,900 18,462,169,893 182,775,481,940,700

2010 Q3 BBRI 10,000 12,216,933,950 122,169,339,500,000

Q4 BBRI 10,500 12,216,933,950 122,169,339,500,000

2011 Q1 BBRI 5,750 24,422,470,380 140,429,204,685,000

Q2 BBRI 6,500 24,422,470,380 158,746,057,470,000

Q3 BBRI 5,850 24,422,470,380 142,871,451,723,000

Q4 BBRI 6,750 24,422,470,380 164,851,675,065,000

2012 Q1 BBRI 6,950 24,422,470,380 169,736,169,141,000

Q2 BBRI 6,350 24,422,470,380 155,082,686,913,000

Q3 BBRI 7,450 24,422,470,380 181,947,404,331,000

Q4 BBRI 6,950 24,422,470,380 169,736,169,141,000

2013 Q1 BBRI 8,750 24,422,470,380 213,696,615,825,000

Q2 BBRI 7,750 24,422,470,380 189,274,145,445,000

Q3 BBRI 7,250 24,422,470,380 177,062,910,255,000

Q4 BBRI 7,250 24,422,470,380 177,062,910,255,000

2014 Q1 BBRI 9,575 24,422,470,380 233,845,153,888,500

Q2 BBRI 10,325 24,422,470,380 252,162,006,673,500

Q3 BBRI 10,425 24,422,470,380 254,604,253,711,500

Q4 BBRI 11,650 24,422,470,380 284,521,779,927,000

2015 Q1 BBRI 13,275 24,422,470,380 324,208,294,294,500

Q2 BBRI 10,350 24,422,470,380 252,772,568,433,000

Q3 BBRI 8,650 24,422,470,380 211,254,368,787,000

Q4 BBRI 11,425 24,422,470,380 279,026,724,091,500

2016 Q1 BBRI 11,425 24,422,470,380 279,026,724,091,500

Page 148: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

133

Q2 BBRI 10,800 24,422,470,380 263,762,680,104,000

Q3 BBRI 12,200 24,422,470,380 297,954,138,636,000

Q4 BBRI 19,675 24,422,470,380 480,512,104,726,500

2017 Q1 BBRI 2,595 24,422,470,380 63,376,310,636,100

Q2 BBRI 3,050 24,422,470,380 74,488,534,659,000

Q3 BBRI 3,055 24,422,470,380 74,610,647,010,900

Q4 BBRI 3,640 24,422,470,380 88,897,792,183,200

2010 Q3 BDMN 5,800 8,333,339,210 48,333,367,418,000

Q4 BDMN 5,700 8,333,339,210 47,500,033,497,000

2011 Q1 BDMN 6,360 9,488,796,931 60,348,748,481,160

Q2 BDMN 5,826 9,488,796,931 55,281,730,920,006

Q3 BDMN 4,600 9,488,796,931 43,648,465,882,600

Q4 BDMN 4,100 9,488,796,931 38,904,067,417,100

2012 Q1 BDMN 4,600 9,488,796,931 43,648,465,882,600

Q2 BDMN 6,000 9,488,796,931 56,932,781,586,000

Q3 BDMN 6,250 9,488,796,931 59,304,980,818,750

Q4 BDMN 5,650 9,488,796,931 53,611,702,660,150

2013 Q1 BDMN 6,450 9,488,796,931 61,202,740,204,950

Q2 BDMN 5,850 9,488,796,931 55,509,462,046,350

Q3 BDMN 3,975 9,488,796,931 37,717,967,800,725

Q4 BDMN 3,775 9,488,796,931 35,820,208,414,525

2014 Q1 BDMN 4,350 9,488,796,931 41,276,266,649,850

Q2 BDMN 4,145 9,488,796,931 39,331,063,278,995

Q3 BDMN 3,905 9,488,796,931 37,053,752,015,555

Q4 BDMN 4,525 9,488,796,931 42,936,806,112,775

2015 Q1 BDMN 5,125 9,488,796,931 48,630,084,271,375

Q2 BDMN 4,300 9,488,796,931 40,801,826,803,300

Q3 BDMN 2,895 9,488,796,931 27,470,067,115,245

Q4 BDMN 3,200 9,488,796,931 30,364,150,179,200

2016 Q1 BDMN 3,800 9,488,796,931 36,057,428,337,800

Q2 BDMN 3,540 9,488,796,931 33,590,341,135,740

Q3 BDMN 4,050 9,488,796,931 38,429,627,570,550

Q4 BDMN 3,710 9,488,796,931 35,203,436,614,010

2017 Q1 BDMN 4,700 9,488,796,931 44,597,345,575,700

Q2 BDMN 5,125 9,488,796,931 48,630,084,271,375

Q3 BDMN 5,200 9,488,796,931 49,341,744,041,200

Q4 BDMN 6,960 9,488,796,931 66,042,026,639,760

2010 Q3 BMRI 7,200 20,786,494,742 149,662,762,142,400

Q4 BMRI 6,500 20,786,494,742 135,112,215,823,000

2011 Q1 BMRI 6,800 23,099,999,999 157,079,999,993,200

Q2 BMRI 7,200 23,099,999,999 166,319,999,992,800

Q3 BMRI 6,300 23,099,999,999 145,529,999,993,700

Q4 BMRI 6,750 23,099,999,999 155,924,999,993,250

2012 Q1 BMRI 6,850 23,099,999,999 158,234,999,993,150

Page 149: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

134

Q2 BMRI 7,200 23,099,999,999 166,319,999,992,800

Q3 BMRI 8,200 23,099,999,999 189,419,999,991,800

Q4 BMRI 8,100 23,099,999,999 187,109,999,991,900

2013 Q1 BMRI 10,000 23,099,999,999 230,999,999,990,000

Q2 BMRI 9,000 23,099,999,999 207,899,999,991,000

Q3 BMRI 7,950 23,099,999,999 183,644,999,992,050

Q4 BMRI 7,850 23,099,999,999 181,334,999,992,150

2014 Q1 BMRI 9,450 23,099,999,999 218,294,999,990,550

Q2 BMRI 9,725 23,099,999,999 224,647,499,990,275

Q3 BMRI 10,075 23,099,999,999 232,732,499,989,925

Q4 BMRI 10,100 23,099,999,999 233,309,999,989,900

2015 Q1 BMRI 12,475 23,099,999,999 288,172,499,987,525

Q2 BMRI 10,050 23,099,999,999 232,154,999,989,950

Q3 BMRI 7,925 23,099,999,999 183,067,499,992,075

Q4 BMRI 9,250 23,099,999,999 213,674,999,990,750

2016 Q1 BMRI 10,300 23,099,999,999 237,929,999,989,700

Q2 BMRI 9,525 23,099,999,999 220,027,499,990,475

Q3 BMRI 11,200 23,099,999,999 258,719,999,988,800

Q4 BMRI 11,575 23,099,999,999 267,382,499,988,425

2017 Q1 BMRI 11,700 23,099,999,999 270,269,999,988,300

Q2 BMRI 12,750 23,099,999,999 294,524,999,987,250

Q3 BMRI 6,725 23,099,999,999 155,347,499,993,275

Q4 BMRI 8,000 23,099,999,999 184,799,999,992,000

2010 Q3 INDF 5,450 8,780,426,500 47,853,324,425,000

Q4 INDF 4,875 8,780,426,500 42,804,579,187,500

2011 Q1 INDF 5,400 8,780,426,500 47,414,303,100,000

Q2 INDF 5,750 8,780,426,500 50,487,452,375,000

Q3 INDF 5,050 8,780,426,500 44,341,153,825,000

Q4 INDF 4,600 8,780,426,500 40,389,961,900,000

2012 Q1 INDF 4,850 8,780,426,500 42,585,068,525,000

Q2 INDF 4,850 8,780,426,500 42,585,068,525,000

Q3 INDF 5,640 8,780,426,500 49,521,605,460,000

Q4 INDF 5,850 8,780,426,500 51,365,495,025,000

2013 Q1 INDF 7,450 8,780,426,500 65,414,177,425,000

Q2 INDF 7,350 8,780,426,500 64,536,134,775,000

Q3 INDF 7,050 8,780,426,500 61,902,006,825,000

Q4 INDF 6,600 8,780,426,500 57,950,814,900,000

2014 Q1 INDF 7,300 8,780,426,500 64,097,113,450,000

Q2 INDF 6,700 8,780,426,500 58,828,857,550,000

Q3 INDF 7,000 8,780,426,500 61,462,985,500,000

Q4 INDF 6,750 8,780,426,500 59,267,878,875,000

2015 Q1 INDF 7,450 8,780,426,500 65,414,177,425,000

Q2 INDF 6,575 8,780,426,500 57,731,304,237,500

Q3 INDF 5,500 8,780,426,500 48,292,345,750,000

Page 150: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

135

Q4 INDF 5,175 8,780,426,500 45,438,707,137,500

2016 Q1 INDF 7,225 8,780,426,500 63,438,581,462,500

Q2 INDF 7,250 8,780,426,500 63,658,092,125,000

Q3 INDF 8,700 8,780,426,500 76,389,710,550,000

Q4 INDF 7,925 8,780,426,500 69,584,880,012,500

2017 Q1 INDF 8,000 8,780,426,500 70,243,412,000,000

Q2 INDF 8,600 8,780,426,500 75,511,667,900,000

Q3 INDF 8,425 8,780,426,500 73,975,093,262,500

Q4 INDF 7,625 8,780,426,500 66,950,752,062,500

2010 Q3 KLBF 2,550 10,156,014,422 25,897,836,776,100

Q4 KLBF 3,250 10,156,014,422 33,007,046,871,500

2011 Q1 KLBF 680 10,156,014,422 6,906,089,806,960

Q2 KLBF 675 10,156,014,422 6,855,309,734,850

Q3 KLBF 650 10,156,014,422 6,601,409,374,300

Q4 KLBF 680 10,156,014,422 6,906,089,806,960

2012 Q1 KLBF 710 50,780,072,110 36,053,851,198,100

Q2 KLBF 755 50,780,072,110 38,338,954,443,050

Q3 KLBF 940 50,780,072,110 47,733,267,783,400

Q4 KLBF 1,060 50,780,072,110 53,826,876,436,600

2013 Q1 KLBF 1,240 46,875,122,110 58,125,151,416,400

Q2 KLBF 1,440 46,875,122,110 67,500,175,838,400

Q3 KLBF 1,180 46,875,122,110 55,312,644,089,800

Q4 KLBF 1,250 46,875,122,110 58,593,902,637,500

2014 Q1 KLBF 1,465 46,875,122,110 68,672,053,891,150

Q2 KLBF 1,660 46,875,122,110 77,812,702,702,600

Q3 KLBF 1,700 46,875,122,110 79,687,707,587,000

Q4 KLBF 1,830 46,875,122,110 85,781,473,461,300

2015 Q1 KLBF 1,865 46,875,122,110 87,422,102,735,150

Q2 KLBF 1,675 46,875,122,110 78,515,829,534,250

Q3 KLBF 1,375 46,875,122,110 64,453,292,901,250

Q4 KLBF 1,320 46,875,122,110 61,875,161,185,200

2016 Q1 KLBF 1,445 46,875,122,110 67,734,551,448,950

Q2 KLBF 1,530 46,875,122,110 71,718,936,828,300

Q3 KLBF 1,715 46,875,122,110 80,390,834,418,650

Q4 KLBF 1,515 46,875,122,110 71,015,809,996,650

2017 Q1 KLBF 1,540 46,875,122,110 72,187,688,049,400

Q2 KLBF 1,625 46,875,122,110 76,172,073,428,750

Q3 KLBF 1,665 46,875,122,110 78,047,078,313,150

Q4 KLBF 1,690 46,875,122,110 79,218,956,365,900

2010 Q3 LSIP 9,850 1,364,572,793 13,441,042,011,050

Q4 LSIP 12,850 1,364,572,793 17,534,760,390,050

2011 Q1 LSIP 2,275 6,822,863,965 15,522,015,520,375

Q2 LSIP 2,325 6,822,863,965 15,863,158,718,625

Q3 LSIP 2,050 6,822,863,965 13,986,871,128,250

Page 151: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

136

Q4 LSIP 2,250 6,822,863,965 15,351,443,921,250

2012 Q1 LSIP 2,875 6,822,863,965 19,615,733,899,375

Q2 LSIP 2,675 6,822,863,965 18,251,161,106,375

Q3 LSIP 2,450 6,822,863,965 16,716,016,714,250

Q4 LSIP 2,300 6,822,863,965 15,692,587,119,500

2013 Q1 LSIP 1,930 6,822,863,965 13,168,127,452,450

Q2 LSIP 1,720 6,822,863,965 11,735,326,019,800

Q3 LSIP 1,270 6,822,863,965 8,665,037,235,550

Q4 LSIP 1,930 6,822,863,965 13,168,127,452,450

2014 Q1 LSIP 2,210 6,822,863,965 15,078,529,362,650

Q2 LSIP 2,315 6,822,863,965 15,794,930,078,975

Q3 LSIP 1,900 6,822,863,965 12,963,441,533,500

Q4 LSIP 1,890 6,822,863,965 12,895,212,893,850

2015 Q1 LSIP 1,730 6,822,863,965 11,803,554,659,450

Q2 LSIP 1,555 6,822,863,965 10,609,553,465,575

Q3 LSIP 1,385 6,822,863,965 9,449,666,591,525

Q4 LSIP 1,320 6,822,863,965 9,006,180,433,800

2016 Q1 LSIP 1,820 6,822,863,965 12,417,612,416,300

Q2 LSIP 1,380 6,822,863,965 9,415,552,271,700

Q3 LSIP 1,495 6,822,863,965 10,200,181,627,675

Q4 LSIP 1,740 6,822,863,965 11,871,783,299,100

2017 Q1 LSIP 1,465 6,822,863,965 9,995,495,708,725

Q2 LSIP 1,370 6,822,863,965 9,347,323,632,050

Q3 LSIP 1,410 6,822,863,965 9,620,238,190,650

Q4 LSIP 1,420 6,822,863,965 9,688,466,830,300

2010 Q3 PGAS 3,850 24,241,508,196 93,329,806,554,600

Q4 PGAS 4,425 24,241,508,196 107,268,673,767,300

2011 Q1 PGAS 3,900 24,241,508,196 94,541,881,964,400

Q2 PGAS 4,025 24,241,508,196 97,572,070,488,900

Q3 PGAS 2,675 24,241,508,196 64,846,034,424,300

Q4 PGAS 3,175 24,241,508,196 76,966,788,522,300

2012 Q1 PGAS 3,800 24,241,508,196 92,117,731,144,800

Q2 PGAS 3,525 24,241,508,196 85,451,316,390,900

Q3 PGAS 4,125 24,241,508,196 99,996,221,308,500

Q4 PGAS 4,600 24,241,508,196 111,510,937,701,600

2013 Q1 PGAS 5,950 24,241,508,196 144,236,973,766,200

Q2 PGAS 5,750 24,241,508,196 139,388,672,127,000

Q3 PGAS 5,200 24,241,508,196 126,055,842,619,200

Q4 PGAS 4,475 24,241,508,196 108,480,749,177,100

2014 Q1 PGAS 5,125 24,241,508,196 124,237,729,504,500

Q2 PGAS 5,575 24,241,508,196 135,146,408,192,700

Q3 PGAS 6,000 24,241,508,196 145,449,049,176,000

Q4 PGAS 6,000 24,241,508,196 145,449,049,176,000

2015 Q1 PGAS 4,800 24,241,508,196 116,359,239,340,800

Page 152: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

137

Q2 PGAS 4,315 24,241,508,196 104,602,107,865,740

Q3 PGAS 2,530 24,241,508,196 61,331,015,735,880

Q4 PGAS 2,745 24,241,508,196 66,542,939,998,020

2016 Q1 PGAS 2,615 24,241,508,196 63,391,543,932,540

Q2 PGAS 2,340 24,241,508,196 56,725,129,178,640

Q3 PGAS 2,870 24,241,508,196 69,573,128,522,520

Q4 PGAS 2,700 24,241,508,196 65,452,072,129,200

2017 Q1 PGAS 2,530 24,241,508,196 61,331,015,735,880

Q2 PGAS 2,250 24,241,508,196 54,543,393,441,000

Q3 PGAS 1,575 24,241,508,196 38,180,375,408,700

Q4 PGAS 1,750 24,241,508,196 42,422,639,343,000

2010 Q3 SMGR 9,900 5,931,520,000 58,722,048,000,000

Q4 SMGR 9,450 5,931,520,000 56,052,864,000,000

2011 Q1 SMGR 9,100 5,931,520,000 53,976,832,000,000

Q2 SMGR 9,600 5,931,520,000 56,942,592,000,000

Q3 SMGR 8,300 5,931,520,000 49,231,616,000,000

Q4 SMGR 11,450 5,931,520,000 67,915,904,000,000

2012 Q1 SMGR 12,250 5,931,520,000 72,661,120,000,000

Q2 SMGR 13,100 5,931,520,000 77,702,912,000,000

Q3 SMGR 14,450 5,931,520,000 85,710,464,000,000

Q4 SMGR 15,850 5,931,520,000 94,014,592,000,000

2013 Q1 SMGR 17,700 5,931,520,000 104,987,904,000,000

Q2 SMGR 17,100 5,931,520,000 101,428,992,000,000

Q3 SMGR 13,000 5,931,520,000 77,109,760,000,000

Q4 SMGR 14,150 5,931,520,000 83,931,008,000,000

2014 Q1 SMGR 15,800 5,931,520,000 93,718,016,000,000

Q2 SMGR 15,075 5,931,520,000 89,417,664,000,000

Q3 SMGR 15,425 5,931,520,000 91,493,696,000,000

Q4 SMGR 16,200 5,931,520,000 96,090,624,000,000

2015 Q1 SMGR 13,650 5,931,520,000 80,965,248,000,000

Q2 SMGR 12,000 5,931,520,000 71,178,240,000,000

Q3 SMGR 9,050 5,931,520,000 53,680,256,000,000

Q4 SMGR 11,400 5,931,520,000 67,619,328,000,000

2016 Q1 SMGR 10,175 5,931,520,000 60,353,216,000,000

Q2 SMGR 9,350 5,931,520,000 55,459,712,000,000

Q3 SMGR 10,100 5,931,520,000 59,908,352,000,000

Q4 SMGR 9,175 5,931,520,000 54,421,696,000,000

2017 Q1 SMGR 9,000 5,931,520,000 53,383,680,000,000

Q2 SMGR 10,000 5,931,520,000 59,315,200,000,000

Q3 SMGR 10,125 5,931,520,000 60,056,640,000,000

Q4 SMGR 9,900 5,931,520,000 58,722,048,000,000

2010 Q3 TINS 3,150 5,033,020,000 15,854,013,000,000

Q4 TINS 2,750 5,033,020,000 13,840,805,000,000

2011 Q1 TINS 2,775 5,033,020,000 13,966,630,500,000

Page 153: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

138

Q2 TINS 2,500 5,033,020,000 12,582,550,000,000

Q3 TINS 1,770 5,033,020,000 8,908,445,400,000

Q4 TINS 1,670 5,033,020,000 8,405,143,400,000

2012 Q1 TINS 1,340 5,033,020,000 6,744,246,800,000

Q2 TINS 1,030 5,033,020,000 5,184,010,600,000

Q3 TINS 1,610 5,033,020,000 8,103,162,200,000

Q4 TINS 1,610 5,033,020,000 8,103,162,200,000

2013 Q1 TINS 1,680 5,033,020,000 8,455,473,600,000

Q2 TINS 1,380 5,033,020,000 6,945,567,600,000

Q3 TINS 1,550 5,033,020,000 7,801,181,000,000

Q4 TINS 1,450 5,033,020,000 7,297,879,000,000

2014 Q1 TINS 1,318 7,447,753,454 9,816,139,052,372

Q2 TINS 1,260 7,447,753,454 9,384,169,352,040

Q3 TINS 1,225 7,447,753,454 9,123,497,981,150

Q4 TINS 1,225 7,447,753,454 9,123,497,981,150

2015 Q1 TINS 950 7,447,753,454 7,075,365,781,300

Q2 TINS 710 7,447,753,454 5,287,904,952,340

Q3 TINS 640 7,447,753,454 4,766,562,210,560

Q4 TINS 505 7,447,753,454 3,761,115,494,270

2016 Q1 TINS 740 7,447,753,454 5,511,337,555,960

Q2 TINS 700 7,447,753,454 5,213,427,417,800

Q3 TINS 815 7,447,753,454 6,069,919,065,010

Q4 TINS 1,075 7,447,753,454 8,006,334,963,050

2017 Q1 TINS 995 7,447,753,454 7,410,514,686,730

Q2 TINS 730 7,447,753,454 5,436,860,021,420

Q3 TINS 815 7,447,753,454 6,069,919,065,010

Q4 TINS 775 7,447,753,454 5,772,008,926,850

2010 Q3 TLKM 9,200 20,159,999,280 185,471,993,376,000

Q4 TLKM 7,950 20,159,999,280 160,271,994,276,000

2011 Q1 TLKM 7,350 20,159,999,280 148,175,994,708,000

Q2 TLKM 7,350 20,159,999,280 148,175,994,708,000

Q3 TLKM 7,600 20,159,999,280 153,215,994,528,000

Q4 TLKM 7,050 20,159,999,280 142,127,994,924,000

2012 Q1 TLKM 1,400 20,159,999,280 28,223,998,992,000

Q2 TLKM 1,630 20,159,999,280 32,860,798,826,400

Q3 TLKM 1,890 20,159,999,280 38,102,398,639,200

Q4 TLKM 1,810 20,159,999,280 36,489,598,696,800

2013 Q1 TLKM 2,205 100,799,996,400 222,263,992,062,000

Q2 TLKM 2,256 100,799,996,400 227,404,791,878,400

Q3 TLKM 2,100 100,799,996,400 211,679,992,440,000

Q4 TLKM 2,150 100,799,996,400 216,719,992,260,000

2014 Q1 TLKM 2,215 100,799,996,400 223,271,992,026,000

Q2 TLKM 2,465 100,799,996,400 248,471,991,126,000

Q3 TLKM 2,915 100,799,996,400 293,831,989,506,000

Page 154: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

139

Q4 TLKM 2,865 100,799,996,400 288,791,989,686,000

2015 Q1 TLKM 2,890 100,799,996,400 291,311,989,596,000

Q2 TLKM 2,930 100,799,996,400 295,343,989,452,000

Q3 TLKM 2,645 100,799,996,400 266,615,990,478,000

Q4 TLKM 3,105 100,799,996,400 312,983,988,822,000

2016 Q1 TLKM 3,325 100,799,996,400 335,159,988,030,000

Q2 TLKM 3,980 100,799,996,400 401,183,985,672,000

Q3 TLKM 4,310 100,799,996,400 434,447,984,484,000

Q4 TLKM 3,980 100,799,996,400 401,183,985,672,000

2017 Q1 TLKM 4,130 100,799,996,400 416,303,985,132,000

Q2 TLKM 4,520 100,799,996,400 455,615,983,728,000

Q3 TLKM 4,680 100,799,996,400 471,743,983,152,000

Q4 TLKM 4,460 100,799,996,400 449,567,983,944,000

2010 Q3 UNTR 20,450 3,326,877,283 68,034,640,437,350

Q4 UNTR 23,800 3,326,877,283 79,179,679,335,400

2011 Q1 UNTR 21,700 3,730,135,136 80,943,932,451,200

Q2 UNTR 24,950 3,730,135,136 93,066,871,643,200

Q3 UNTR 22,000 3,730,135,136 82,062,972,992,000

Q4 UNTR 26,350 3,730,135,136 98,289,060,833,600

2012 Q1 UNTR 33,000 3,730,135,136 123,094,459,488,000

Q2 UNTR 21,050 3,730,135,136 78,519,344,612,800

Q3 UNTR 20,700 3,730,135,136 77,213,797,315,200

Q4 UNTR 19,700 3,730,135,136 73,483,662,179,200

2013 Q1 UNTR 18,200 3,730,135,136 67,888,459,475,200

Q2 UNTR 18,200 3,730,135,136 67,888,459,475,200

Q3 UNTR 16,300 3,730,135,136 60,801,202,716,800

Q4 UNTR 19,000 3,730,135,136 70,872,567,584,000

2014 Q1 UNTR 20,750 3,730,135,136 77,400,304,072,000

Q2 UNTR 23,100 3,730,135,136 86,166,121,641,600

Q3 UNTR 19,900 3,730,135,136 74,229,689,206,400

Q4 UNTR 17,350 3,730,135,136 64,717,844,609,600

2015 Q1 UNTR 21,800 3,730,135,136 81,316,945,964,800

Q2 UNTR 20,375 3,730,135,136 76,001,503,396,000

Q3 UNTR 17,475 3,730,135,136 65,184,111,501,600

Q4 UNTR 16,950 3,730,135,136 63,225,790,555,200

2016 Q1 UNTR 15,300 3,730,135,136 57,071,067,580,800

Q2 UNTR 14,800 3,730,135,136 55,206,000,012,800

Q3 UNTR 17,700 3,730,135,136 66,023,391,907,200

Q4 UNTR 21,250 3,730,135,136 79,265,371,640,000

2017 Q1 UNTR 26,500 3,730,135,136 98,848,581,104,000

Q2 UNTR 27,450 3,730,135,136 102,392,209,483,200

Q3 UNTR 32,000 3,730,135,136 119,364,324,352,000

Q4 UNTR 35,400 3,730,135,136 132,046,783,814,400

2010 Q3 UNVR 16,850 7,630,000,000 128,565,500,000,000

Page 155: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

140

Q4 UNVR 16,500 7,630,000,000 125,895,000,000,000

2011 Q1 UNVR 15,300 7,630,000,000 116,739,000,000,000

Q2 UNVR 14,900 7,630,000,000 113,687,000,000,000

Q3 UNVR 16,500 7,630,000,000 125,895,000,000,000

Q4 UNVR 18,800 7,630,000,000 143,444,000,000,000

2012 Q1 UNVR 20,000 7,630,000,000 152,600,000,000,000

Q2 UNVR 22,900 7,630,000,000 174,727,000,000,000

Q3 UNVR 26,050 7,630,000,000 198,761,500,000,000

Q4 UNVR 20,850 7,630,000,000 159,085,500,000,000

2013 Q1 UNVR 22,800 7,630,000,000 173,964,000,000,000

Q2 UNVR 30,750 7,630,000,000 234,622,500,000,000

Q3 UNVR 30,150 7,630,000,000 230,044,500,000,000

Q4 UNVR 26,000 7,630,000,000 198,380,000,000,000

2014 Q1 UNVR 29,250 7,630,000,000 223,177,500,000,000

Q2 UNVR 29,275 7,630,000,000 223,368,250,000,000

Q3 UNVR 31,800 7,630,000,000 242,634,000,000,000

Q4 UNVR 32,300 7,630,000,000 246,449,000,000,000

2015 Q1 UNVR 39,650 7,630,000,000 302,529,500,000,000

Q2 UNVR 39,500 7,630,000,000 301,385,000,000,000

Q3 UNVR 38,000 7,630,000,000 289,940,000,000,000

Q4 UNVR 37,000 7,630,000,000 282,310,000,000,000

2016 Q1 UNVR 42,925 7,630,000,000 327,517,750,000,000

Q2 UNVR 45,075 7,630,000,000 343,922,250,000,000

Q3 UNVR 44,550 7,630,000,000 339,916,500,000,000

Q4 UNVR 38,800 7,630,000,000 296,044,000,000,000

2017 Q1 UNVR 43,325 7,630,000,000 330,569,750,000,000

Q2 UNVR 48,800 7,630,000,000 372,344,000,000,000

Q3 UNVR 48,975 7,630,000,000 373,679,250,000,000

Q4 UNVR 55,900 7,630,000,000 426,517,000,000,000

*) Dalam Jutaan Rupiah

Page 156: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

141

Lampiran 5: Book to Equity Market

Tahun Periode Kode

Emiten

Total

Ekuitas*

Close

Price

Jml Saham

Beredar

BE/ME

2010 Q3 AALI 6,722,261 20,700 1,574,745,000 0.00000021

Q4 AALI 7,211,687 26,200 1,574,745,000 0.00000017

2011 Q1 AALI 8,426,158 22,700 1,574,745,000 0.00000024

Q2 AALI 7,717,307 23,500 1,574,745,000 0.00000021

Q3 AALI 7,859,385 19,300 1,574,745,000 0.00000026

Q4 AALI 8,426,158 21,700 1,574,745,000 0.00000025

2012 Q1 AALI 8,742,085 23,350 1,574,745,000 0.00000024

Q2 AALI 8,196,758 20,050 1,574,745,000 0.00000026

Q3 AALI 8,586,210 21,950 1,574,745,000 0.00000025

Q4 AALI 9,365,411 19,700 1,574,745,000 0.00000030

2013 Q1 AALI 9,723,207 18,500 1,574,745,000 0.00000033

Q2 AALI 9,316,246 19,700 1,574,745,000 0.00000030

Q3 AALI 9,282,867 19,500 1,574,745,000 0.00000030

Q4 AALI 10,263,354 25,100 1,574,745,000 0.00000026

2014 Q1 AALI 11,058,245 26,000 1,574,745,000 0.00000027

Q2 AALI 11,046,970 28,175 1,574,745,000 0.00000025

Q3 AALI 11,207,119 23,000 1,574,745,000 0.00000031

Q4 AALI 11,833,778 24,250 1,574,745,000 0.00000031

2015 Q1 AALI 12,028,402 24,300 1,574,745,000 0.00000031

Q2 AALI 11,513,395 22,950 1,574,745,000 0.00000032

Q3 AALI 11,235,916 18,125 1,574,745,000 0.00000039

Q4 AALI 11,698,787 15,850 1,574,745,000 0.00000047

2016 Q1 AALI 12,129,858 18,200 1,924,688,333 0.00000035

Q2 AALI 16,423,322 14,700 1,924,688,333 0.00000058

Q3 AALI 16,584,110 14,825 1,924,688,333 0.00000058

Q4 AALI 17,593,482 16,775 1,924,688,333 0.00000054

2017 Q1 AALI 18,432,756 14,900 1,924,688,333 0.00000064

Q2 AALI 17,898,541 14,700 1,924,688,333 0.00000063

Q3 AALI 17,998,234 14,875 1,924,688,333 0.00000063

Q4 AALI 18,712,477 13,150 1,924,688,333 0.00000074

2010 Q3 ADHI 747,312 960 1,801,320,000 0.00000043

Q4 ADHI 867,754 910 1,801,320,000 0.00000053

2011 Q1 ADHI 870,258 840 1,801,320,000 0.00000058

Q2 ADHI 829,481 800 1,801,320,000 0.00000058

Q3 ADHI 838,256 510 1,801,320,000 0.00000091

Q4 ADHI 990,367 580 1,801,320,000 0.00000095

2012 Q1 ADHI 995,878 800 1,801,320,000 0.00000069

Q2 ADHI 995,862 990 1,801,320,000 0.00000056

Q3 ADHI 1,055,045 1,040 1,801,320,000 0.00000056

Q4 ADHI 1,180,918 1,760 1,801,320,000 0.00000037

2013 Q1 ADHI 1,192,587 3,025 1,801,320,000 0.00000022

Q2 ADHI 1,207,109 3,250 1,801,320,000 0.00000021

Q3 ADHI 1,320,008 2,050 1,801,320,000 0.00000036

Q4 ADHI 1,548,462 1,510 1,801,320,000 0.00000057

2014 Q1 ADHI 1,442,740 2,995 1,801,320,000 0.00000027

Q2 ADHI 1,485,648 2,785 1,801,320,000 0.00000030

Page 157: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

142

Q3 ADHI 1,527,277 2,765 1,801,320,000 0.00000031

Q4 ADHI 1,640,780 3,480 1,801,320,000 0.00000026

2015 Q1 ADHI 1,696,829 2,714 1,801,320,000 0.00000018

Q2 ADHI 1,614,751 1,795 1,801,320,000 0.00000025

Q3 ADHI 1,676,110 1,999 1,801,320,000 0.00000024

Q4 ADHI 5,162,131 2,140 1,801,320,000 0.00000068

2016 Q1 ADHI 5,172,690 2,690 1,801,320,000 0.00000054

Q2 ADHI 5,124,033 2,780 1,801,320,000 0.00000052

Q3 ADHI 5,183,641 2,360 1,801,320,000 0.00000062

Q4 ADHI 5,442,779 2,080 1,801,320,000 0.00000073

2017 Q1 ADHI 5,361,950 2,370 1,801,320,000 0.00000064

Q2 ADHI 5,474,156 2,150 1,801,320,000 0.00000072

Q3 ADHI 5,549,877 2,000 1,801,320,000 0.00000078

Q4 ADHI 5,869,917 1,885 1,801,320,000 0.00000087

2010 Q3 ASII 47,176,000 5,670 40,483,553,140 0.00000021

Q4 ASII 58,689,000 5,455 40,483,553,140 0.00000027

2011 Q1 ASII 63,808,000 5,700 40,483,553,140 0.00000028

Q2 ASII 67,033,000 6,355 40,483,553,140 0.00000026

Q3 ASII 112,857,000 6,365 40,483,553,140 0.00000044

Q4 ASII 75,838,000 7,400 40,483,553,140 0.00000025

2012 Q1 ASII 80,802,000 7,250 40,483,553,140 0.00000028

Q2 ASII 80,729,000 6,850 40,483,553,140 0.00000029

Q3 ASII 83,648,000 7,435 40,483,553,140 0.00000028

Q4 ASII 89,814,000 7,350 40,483,553,140 0.00000030

2013 Q1 ASII 93,770,000 7,900 40,483,553,140 0.00000029

Q2 ASII 95,537,000 7,000 40,483,553,140 0.00000034

Q3 ASII 98,550,000 6,450 40,483,553,140 0.00000038

Q4 ASII 106,188,000 6,800 40,483,553,140 0.00000039

2014 Q1 ASII 113,101,000 6,800 40,483,553,140 0.00000041

Q2 ASII 112,793,000 7,275 40,483,553,140 0.00000038

Q3 ASII 115,471,000 7,050 40,483,553,140 0.00000040

Q4 ASII 120,187,000 7,425 40,483,553,140 0.00000040

2015 Q1 ASII 126,199,000 8,575 40,483,553,140 0.00000036

Q2 ASII 123,631,000 7,075 40,483,553,140 0.00000043

Q3 ASII 126,610,000 5,225 40,483,553,140 0.00000060

Q4 ASII 126,533,000 6,000 40,483,553,140 0.00000052

2016 Q1 ASII 129,610,000 7,250 40,483,553,140 0.00000044

Q2 ASII 129,997,000 7,400 40,483,553,140 0.00000043

Q3 ASII 131,803,000 8,250 40,483,553,140 0.00000039

Q4 ASII 139,906,000 8,275 40,483,553,140 0.00000042

2017 Q1 ASII 145,864,000 8,625 40,483,553,140 0.00000042

Q2 ASII 145,516,000 8,925 40,483,553,140 0.00000040

Q3 ASII 148,910,000 7,900 40,483,553,140 0.00000047

Q4 ASII 156,505,000 8,300 40,483,553,140 0.00000047

2010 Q3 BBCA 32,431,353 6,700 24,408,459,120 0.00000020

Q4 BBCA 34,107,844 6,400 24,408,459,120 0.00000022

2011 Q1 BBCA 36,064,073 6,950 24,408,459,120 0.00000021

Q2 BBCA 37,122,650 7,650 24,408,459,120 0.00000020

Q3 BBCA 39,792,973 7,700 24,408,459,120 0.00000021

Q4 BBCA 42,027,340 8,000 24,408,459,120 0.00000022

Page 158: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

143

2012 Q1 BBCA 44,316,657 8,000 24,408,459,120 0.00000023

Q2 BBCA 45,514,829 7,300 24,408,459,120 0.00000026

Q3 BBCA 49,220,587 7,900 24,408,459,120 0.00000026

Q4 BBCA 51,897,942 9,100 24,408,459,120 0.00000023

2013 Q1 BBCA 56,599,302 11,400 24,408,459,120 0.00000020

Q2 BBCA 57,629,979 10,000 24,408,459,120 0.00000024

Q3 BBCA 61,231,393 10,000 24,408,459,120 0.00000025

Q4 BBCA 63,966,678 9,600 24,408,459,120 0.00000027

2014 Q1 BBCA 67,984,296 10,600 24,408,459,120 0.00000026

Q2 BBCA 70,353,048 11,000 24,408,459,120 0.00000026

Q3 BBCA 74,721,823 13,075 24,408,459,120 0.00000023

Q4 BBCA 77,920,617 13,125 24,408,459,120 0.00000024

2015 Q1 BBCA 80,018,412 14,825 24,408,459,120 0.00000022

Q2 BBCA 81,753,218 13,500 24,408,459,120 0.00000025

Q3 BBCA 86,256,157 12,275 24,408,459,120 0.00000029

Q4 BBCA 89,624,940 13,000 24,408,459,120 0.00000028

2016 Q1 BBCA 101,019,206 13,300 24,408,459,120 0.00000031

Q2 BBCA 103,532,696 13,325 24,408,459,120 0.00000032

Q3 BBCA 109,400,549 15,700 24,408,459,120 0.00000029

Q4 BBCA 112,715,059 15,500 24,408,459,120 0.00000030

2017 Q1 BBCA 118,411,980 16,550 24,408,459,120 0.00000029

Q2 BBCA 120,895,550 18,150 24,408,459,120 0.00000027

Q3 BBCA 127,548,445 20,300 24,408,459,120 0.00000026

Q4 BBCA 131,401,694 21,900 24,408,459,120 0.00000025

2010 Q3 BBNI 21,318,013 3,675 18,462,169,893 0.00000031

Q4 BBNI 33,149,525 3,875 18,462,169,893 0.00000046

2011 Q1 BBNI 33,149,525 3,975 18,462,169,893 0.00000045

Q2 BBNI 34,032,806 3,825 18,462,169,893 0.00000048

Q3 BBNI 35,768,706 3,725 18,462,169,893 0.00000052

Q4 BBNI 37,843,024 3,800 18,462,169,893 0.00000054

2012 Q1 BBNI 39,265,444 4,000 18,462,169,893 0.00000053

Q2 BBNI 39,376,715 3,825 18,462,169,893 0.00000056

Q3 BBNI 41,262,338 3,925 18,462,169,893 0.00000057

Q4 BBNI 43,525,291 3,700 18,462,169,893 0.00000064

2013 Q1 BBNI 45,190,301 3,925 18,462,169,893 0.00000062

Q2 BBNI 44,105,977 4,300 18,462,169,893 0.00000056

Q3 BBNI 45,692,610 4,250 18,462,169,893 0.00000058

Q4 BBNI 47,683,505 3,950 18,462,169,893 0.00000065

2014 Q1 BBNI 51,120,785 4,960 18,462,169,893 0.00000056

Q2 BBNI 55,542,545 4,765 18,462,169,893 0.00000063

Q3 BBNI 57,873,586 5,525 18,462,169,893 0.00000057

Q4 BBNI 61,021,308 6,100 18,462,169,893 0.00000054

2015 Q1 BBNI 61,862,325 7,225 18,462,169,893 0.00000046

Q2 BBNI 61,058,679 5,300 18,462,169,893 0.00000062

Page 159: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

144

Q3 BBNI 63,637,415 4,135 18,462,169,893 0.00000083

Q4 BBNI 78,438,222 4,990 18,462,169,893 0.00000085

2016 Q1 BBNI 80,244,388 5,200 18,462,169,893 0.00000084

Q2 BBNI 83,125,722 5,200 18,462,169,893 0.00000087

Q3 BBNI 86,937,346 5,200 18,462,169,893 0.00000091

Q4 BBNI 89,254,000 5,525 18,462,169,893 0.00000088

2017 Q1 BBNI 89,480,122 6,475 18,462,169,893 0.00000075

Q2 BBNI 93,072,650 6,600 18,462,169,893 0.00000076

Q3 BBNI 97,307,038 7,400 18,462,169,893 0.00000071

Q4 BBNI 100,903,304 9,900 18,462,169,893 0.00000055

2010 Q3 BBRI 32,726,941 10,000 12,216,933,950 0.00000027

Q4 BBRI 36,673,110 10,500 12,216,933,950 0.00000030

2011 Q1 BBRI 40,269,937 5,750 24,422,470,380 0.00000029

Q2 BBRI 41,351,409 6,500 24,422,470,380 0.00000026

Q3 BBRI 45,003,566 5,850 24,422,470,380 0.00000031

Q4 BBRI 49,820,329 6,750 24,422,470,380 0.00000030

2012 Q1 BBRI 54,615,534 6,950 24,422,470,380 0.00000032

Q2 BBRI 55,188,123 6,350 24,422,470,380 0.00000036

Q3 BBRI 59,856,238 7,450 24,422,470,380 0.00000033

Q4 BBRI 64,881,779 6,950 24,422,470,380 0.00000038

2013 Q1 BBRI 64,635,044 8,750 24,422,470,380 0.00000030

Q2 BBRI 68,621,996 7,750 24,422,470,380 0.00000036

Q3 BBRI 73,743,202 7,250 24,422,470,380 0.00000042

Q4 BBRI 79,327,422 7,250 24,422,470,380 0.00000045

2014 Q1 BBRI 79,092,137 9,575 24,422,470,380 0.00000034

Q2 BBRI 85,048,239 10,325 24,422,470,380 0.00000034

Q3 BBRI 91,456,307 10,425 24,422,470,380 0.00000036

Q4 BBRI 97,705,834 11,650 24,422,470,380 0.00000034

2015 Q1 BBRI 96,098,994 13,275 24,422,470,380 0.00000030

Q2 BBRI 102,200,618 10,350 24,422,470,380 0.00000040

Q3 BBRI 107,632,179 8,650 24,422,470,380 0.00000051

Q4 BBRI 113,127,179 11,425 24,422,470,380 0.00000041

2016 Q1 BBRI 112,829,994 11,425 24,422,470,380 0.00000040

Q2 BBRI 133,663,832 10,800 24,422,470,380 0.00000051

Q3 BBRI 140,940,960 12,200 24,422,470,380 0.00000047

Q4 BBRI 146,812,590 19,675 24,422,470,380 0.00000031

2017 Q1 BBRI 144,102,135 2,595 24,422,470,380 0.00000227

Q2 BBRI 150,685,998 3,050 24,422,470,380 0.00000202

Q3 BBRI 158,612,034 3,055 24,422,470,380 0.00000213

Q4 BBRI 167,347,494 3,640 24,422,470,380 0.00000188

2010 Q3 BDMN 17,719,333 5,800 8,333,339,210 0.00000037

Q4 BDMN 18,609,028 5,700 8,333,339,210 0.00000039

2011 Q1 BDMN 18,320,315 6,360 9,488,796,931 0.00000030

Q2 BDMN 19,000,992 5,826 9,488,796,931 0.00000034

Page 160: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

145

Q3 BDMN 24,926,425 4,600 9,488,796,931 0.00000057

Q4 BDMN 25,836,501 4,100 9,488,796,931 0.00000066

2012 Q1 BDMN 25,746,068 4,600 9,488,796,931 0.00000059

Q2 BDMN 26,814,269 6,000 9,488,796,931 0.00000047

Q3 BDMN 27,826,760 6,250 9,488,796,931 0.00000047

Q4 BDMN 28,733,311 5,650 9,488,796,931 0.00000054

2013 Q1 BDMN 29,767,200 6,450 9,488,796,931 0.00000049

Q2 BDMN 29,491,216 5,850 9,488,796,931 0.00000053

Q3 BDMN 30,498,249 3,975 9,488,796,931 0.00000081

Q4 BDMN 31,552,983 3,775 9,488,796,931 0.00000088

2014 Q1 BDMN 32,436,423 4,350 9,488,796,931 0.00000079

Q2 BDMN 31,754,906 4,145 9,488,796,931 0.00000081

Q3 BDMN 32,309,923 3,905 9,488,796,931 0.00000087

Q4 BDMN 33,017,524 4,525 9,488,796,931 0.00000077

2015 Q1 BDMN 33,756,764 5,125 9,488,796,931 0.00000069

Q2 BDMN 33,292,017 4,300 9,488,796,931 0.00000082

Q3 BDMN 33,925,627 2,895 9,488,796,931 0.00000124

Q4 BDMN 34,214,849 3,200 9,488,796,931 0.00000113

2016 Q1 BDMN 35,255,573 3,800 9,488,796,931 0.00000098

Q2 BDMN 35,400,494 3,540 9,488,796,931 0.00000105

Q3 BDMN 36,267,941 4,050 9,488,796,931 0.00000094

Q4 BDMN 36,377,972 3,710 9,488,796,931 0.00000103

2017 Q1 BDMN 37,501,277 4,700 9,488,796,931 0.00000084

Q2 BDMN 37,535,550 5,125 9,488,796,931 0.00000077

Q3 BDMN 38,522,673 5,200 9,488,796,931 0.00000078

Q4 BDMN 39,172,152 6,960 9,488,796,931 0.00000059

2010 Q3 BMRI 39,027,067 7,200 20,786,494,742 0.00000026

Q4 BMRI 42,070,036 6,500 20,786,494,742 0.00000031

2011 Q1 BMRI 57,534,728 6,800 23,099,999,999 0.00000037

Q2 BMRI 56,609,770 7,200 23,099,999,999 0.00000034

Q3 BMRI 59,764,016 6,300 23,099,999,999 0.00000041

Q4 BMRI 62,654,408 6,750 23,099,999,999 0.00000040

2012 Q1 BMRI 66,255,620 6,850 23,099,999,999 0.00000042

Q2 BMRI 67,099,991 7,200 23,099,999,999 0.00000040

Q3 BMRI 71,295,227 8,200 23,099,999,999 0.00000038

Q4 BMRI 75,755,589 8,100 23,099,999,999 0.00000040

2013 Q1 BMRI 81,033,749 10,000 23,099,999,999 0.00000035

Q2 BMRI 79,461,564 9,000 23,099,999,999 0.00000038

Q3 BMRI 83,742,250 7,950 23,099,999,999 0.00000046

Q4 BMRI 88,790,596 7,850 23,099,999,999 0.00000049

2014 Q1 BMRI 89,041,002 9,450 23,099,999,999 0.00000041

Q2 BMRI 93,960,319 9,725 23,099,999,999 0.00000042

Q3 BMRI 99,034,249 10,075 23,099,999,999 0.00000043

Q4 BMRI 104,844,562 10,100 23,099,999,999 0.00000045

Page 161: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

146

2015 Q1 BMRI 104,790,758 12,475 23,099,999,999 0.00000036

Q2 BMRI 109,261,809 10,050 23,099,999,999 0.00000047

Q3 BMRI 113,136,999 7,925 23,099,999,999 0.00000062

Q4 BMRI 119,491,841 9,250 23,099,999,999 0.00000056

2016 Q1 BMRI 118,047,258 10,300 23,099,999,999 0.00000050

Q2 BMRI 147,089,194 9,525 23,099,999,999 0.00000067

Q3 BMRI 152,785,707 11,200 23,099,999,999 0.00000059

Q4 BMRI 153,369,723 11,575 23,099,999,999 0.00000057

2017 Q1 BMRI 151,824,481 11,700 23,099,999,999 0.00000056

Q2 BMRI 157,444,295 12,750 23,099,999,999 0.00000053

Q3 BMRI 163,891,115 6,725 23,099,999,999 0.00000105

Q4 BMRI 170,006,132 8,000 23,099,999,999 0.00000092

2010 Q3 INDF 11,617,424 5,450 8,780,426,500 0.00000024

Q4 INDF 24,852,838 4,875 8,780,426,500 0.00000058

2011 Q1 INDF 26,017,245 5,400 8,780,426,500 0.00000055

Q2 INDF 29,333,176 5,750 8,780,426,500 0.00000058

Q3 INDF 30,414,328 5,050 8,780,426,500 0.00000069

Q4 INDF 31,610,225 4,600 8,780,426,500 0.00000078

2012 Q1 INDF 32,945,014 4,850 8,780,426,500 0.00000077

Q2 INDF 32,064,689 4,850 8,780,426,500 0.00000075

Q3 INDF 34,142,674 5,640 8,780,426,500 0.00000069

Q4 INDF 33,321,900 5,850 8,780,426,500 0.00000065

2013 Q1 INDF 35,257,323 7,450 8,780,426,500 0.00000054

Q2 INDF 34,314,163 7,350 8,780,426,500 0.00000053

Q3 INDF 38,579,044 7,050 8,780,426,500 0.00000062

Q4 INDF 36,884,100 6,600 8,780,426,500 0.00000064

2014 Q1 INDF 39,246,192 7,300 8,780,426,500 0.00000061

Q2 INDF 39,616,397 6,700 8,780,426,500 0.00000067

Q3 INDF 40,766,701 7,000 8,780,426,500 0.00000066

Q4 INDF 40,274,200 6,750 8,780,426,500 0.00000068

2015 Q1 INDF 41,378,359 7,450 8,780,426,500 0.00000063

Q2 INDF 40,634,066 6,575 8,780,426,500 0.00000070

Q3 INDF 41,199,141 5,500 8,780,426,500 0.00000085

Q4 INDF 43,121,600 5,175 8,780,426,500 0.00000095

2016 Q1 INDF 44,474,924 7,225 8,780,426,500 0.00000070

Q2 INDF 43,676,574 7,250 8,780,426,500 0.00000069

Q3 INDF 44,905,785 8,700 8,780,426,500 0.00000059

Q4 INDF 43,941,400 7,925 8,780,426,500 0.00000063

2017 Q1 INDF 45,874,949 8,000 8,780,426,500 0.00000065

Q2 INDF 44,459,268 8,600 8,780,426,500 0.00000059

Q3 INDF 45,964,261 8,425 8,780,426,500 0.00000062

Q4 INDF 46,756,724 7,625 8,780,426,500 0.00000070

2010 Q3 KLBF 4,987,514 2,550 10,156,014,422 0.00000019

Q4 KLBF 5,771,917 3,250 10,156,014,422 0.00000017

Page 162: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

147

2011 Q1 KLBF 6,155,239 680 10,156,014,422 0.00000089

Q2 KLBF 5,845,094 675 10,156,014,422 0.00000085

Q3 KLBF 6,072,890 650 10,156,014,422 0.00000092

Q4 KLBF 6,515,935 680 10,156,014,422 0.00000094

2012 Q1 KLBF 6,943,112 710 50,780,072,110 0.00000019

Q2 KLBF 6,431,058 755 50,780,072,110 0.00000017

Q3 KLBF 6,870,305 940 50,780,072,110 0.00000014

Q4 KLBF 7,371,643 1,060 50,780,072,110 0.00000014

2013 Q1 KLBF 7,845,771 1,240 46,875,122,110 0.00000013

Q2 KLBF 7,447,105 1,440 46,875,122,110 0.00000011

Q3 KLBF 7,920,735 1,180 46,875,122,110 0.00000014

Q4 KLBF 8,479,392 1,250 46,875,122,110 0.00000014

2014 Q1 KLBF 8,992,859 1,465 46,875,122,110 0.00000013

Q2 KLBF 8,723,035 1,660 46,875,122,110 0.00000011

Q3 KLBF 9,222,108 1,700 46,875,122,110 0.00000012

Q4 KLBF 9,764,101 1,830 46,875,122,110 0.00000011

2015 Q1 KLBF 10,370,940 1,865 46,875,122,110 0.00000012

Q2 KLBF 10,011,588 1,675 46,875,122,110 0.00000013

Q3 KLBF 10,488,558 1,375 46,875,122,110 0.00000016

Q4 KLBF 10,938,286 1,320 46,875,122,110 0.00000018

2016 Q1 KLBF 11,520,252 1,445 46,875,122,110 0.00000017

Q2 KLBF 11,234,030 1,530 46,875,122,110 0.00000016

Q3 KLBF 11,813,485 1,715 46,875,122,110 0.00000015

Q4 KLBF 12,463,847 1,515 46,875,122,110 0.00000018

2017 Q1 KLBF 13,079,317 1,540 46,875,122,110 0.00000018

Q2 KLBF 12,675,528 1,625 46,875,122,110 0.00000017

Q3 KLBF 13,263,462 1,665 46,875,122,110 0.00000017

Q4 KLBF 13,894,031 1,690 46,875,122,110 0.00000018

2010 Q3 LSIP 4,162,621 9,850 1,364,572,793 0.00000031

Q4 LSIP 4,554,105 12,850 1,364,572,793 0.00000026

2011 Q1 LSIP 4,948,296 2,275 6,822,863,965 0.00000032

Q2 LSIP 5,024,307 2,325 6,822,863,965 0.00000032

Q3 LSIP 5,450,377 2,050 6,822,863,965 0.00000039

Q4 LSIP 5,839,424 2,250 6,822,863,965 0.00000038

2012 Q1 LSIP 6,138,445 2,875 6,822,863,965 0.00000031

Q2 LSIP 5,796,129 2,675 6,822,863,965 0.00000032

Q3 LSIP 6,112,347 2,450 6,822,863,965 0.00000037

Q4 LSIP 6,279,713 2,300 6,822,863,965 0.00000040

2013 Q1 LSIP 6,380,799 1,930 6,822,863,965 0.00000048

Q2 LSIP 6,010,208 1,720 6,822,863,965 0.00000051

Q3 LSIP 6,283,159 1,270 6,822,863,965 0.00000073

Q4 LSIP 6,613,987 1,930 6,822,863,965 0.00000050

2014 Q1 LSIP 6,826,268 2,210 6,822,863,965 0.00000045

Q2 LSIP 6,767,628 2,315 6,822,863,965 0.00000043

Page 163: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

148

Q3 LSIP 6,998,691 1,900 6,822,863,965 0.00000054

Q4 LSIP 7,218,834 1,890 6,822,863,965 0.00000056

2015 Q1 LSIP 7,162,325 1,730 6,822,863,965 0.00000061

Q2 LSIP 6,958,470 1,555 6,822,863,965 0.00000066

Q3 LSIP 7,130,157 1,385 6,822,863,965 0.00000075

Q4 LSIP 7,337,978 1,320 6,822,863,965 0.00000081

2016 Q1 LSIP 7,396,718 1,820 6,822,863,965 0.00000060

Q2 LSIP 7,196,278 1,380 6,822,863,965 0.00000076

Q3 LSIP 7,355,766 1,495 6,822,863,965 0.00000072

Q4 LSIP 7,645,984 1,740 6,822,863,965 0.00000064

2017 Q1 LSIP 8,019,715 1,465 6,822,863,965 0.00000080

Q2 LSIP 7,865,508 1,370 6,822,863,965 0.00000084

Q3 LSIP 8,045,539 1,410 6,822,863,965 0.00000084

Q4 LSIP 8,122,165 1,420 6,822,863,965 0.00000084

2010 Q3 PGAS 12,298,892 3,850 24,241,508,196 0.00000013

Q4 PGAS 12,726,425 4,425 24,241,508,196 0.00000012

2011 Q1 PGAS 17,150,000 3,900 24,241,508,196 0.00000018

Q2 PGAS 14,226,364 4,025 24,241,508,196 0.00000015

Q3 PGAS 15,606,261 2,675 24,241,508,196 0.00000024

Q4 PGAS 17,220,548 3,175 24,241,508,196 0.00000022

2012 Q1 PGAS 19,821,722 3,800 24,241,508,196 0.00000022

Q2 PGAS 17,738,331 3,525 24,241,508,196 0.00000021

Q3 PGAS 19,941,160 4,125 24,241,508,196 0.00000020

Q4 PGAS 22,270,828 4,600 24,241,508,196 0.00000020

2013 Q1 PGAS 25,490,662 5,950 24,241,508,196 0.00000018

Q2 PGAS 23,001,521 5,750 24,241,508,196 0.00000017

Q3 PGAS 29,059,959 5,200 24,241,508,196 0.00000023

Q4 PGAS 32,558,562 4,475 24,241,508,196 0.00000030

2014 Q1 PGAS 28,098,178 5,125 24,241,508,196 0.00000023

Q2 PGAS 31,119,986 5,575 24,241,508,196 0.00000023

Q3 PGAS 34,278,583 6,000 24,241,508,196 0.00000024

Q4 PGAS 36,860,578 6,000 24,241,508,196 0.00000025

2015 Q1 PGAS 39,050,362 4,800 24,241,508,196 0.00000034

Q2 PGAS 37,838,855 4,315 24,241,508,196 0.00000036

Q3 PGAS 42,626,234 2,530 24,241,508,196 0.00000070

Q4 PGAS 41,699,581 2,745 24,241,508,196 0.00000063

2016 Q1 PGAS 41,585,211 2,615 24,241,508,196 0.00000066

Q2 PGAS 39,777,398 2,340 24,241,508,196 0.00000070

Q3 PGAS 40,444,056 2,870 24,241,508,196 0.00000058

Q4 PGAS 42,594,713 2,700 24,241,508,196 0.00000065

2017 Q1 PGAS 43,680,757 2,530 24,241,508,196 0.00000071

Q2 PGAS 41,265,178 2,250 24,241,508,196 0.00000076

Q3 PGAS 42,450,311 1,575 24,241,508,196 0.00000111

Q4 PGAS 42,922,096 1,750 24,241,508,196 0.00000101

Page 164: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

149

2010 Q3 SMGR 11,181,696 9,900 5,931,520,000 0.00000019

Q4 SMGR 12,139,752 9,450 5,931,520,000 0.00000022

2011 Q1 SMGR 12,006,438 9,100 5,931,520,000 0.00000022

Q2 SMGR 12,555,652 9,600 5,931,520,000 0.00000022

Q3 SMGR 13,450,780 8,300 5,931,520,000 0.00000027

Q4 SMGR 14,615,096 11,450 5,931,520,000 0.00000022

2012 Q1 SMGR 15,629,880 12,250 5,931,520,000 0.00000022

Q2 SMGR 14,751,841 13,100 5,931,520,000 0.00000019

Q3 SMGR 16,050,507 14,450 5,931,520,000 0.00000019

Q4 SMGR 18,164,854 15,850 5,931,520,000 0.00000019

2013 Q1 SMGR 19,420,338 17,700 5,931,520,000 0.00000018

Q2 SMGR 18,970,039 17,100 5,931,520,000 0.00000019

Q3 SMGR 19,812,460 13,000 5,931,520,000 0.00000026

Q4 SMGR 21,803,975 14,150 5,931,520,000 0.00000026

2014 Q1 SMGR 20,617,376 15,800 5,931,520,000 0.00000022

Q2 SMGR 22,200,483 15,075 5,931,520,000 0.00000025

Q3 SMGR 23,485,638 15,425 5,931,520,000 0.00000026

Q4 SMGR 25,004,930 16,200 5,931,520,000 0.00000026

2015 Q1 SMGR 26,386,065 13,650 5,931,520,000 0.00000033

Q2 SMGR 25,189,276 12,000 5,931,520,000 0.00000035

Q3 SMGR 26,338,564 9,050 5,931,520,000 0.00000049

Q4 SMGR 27,440,798 11,400 5,931,520,000 0.00000041

2016 Q1 SMGR 28,313,635 10,175 5,931,520,000 0.00000047

Q2 SMGR 27,557,447 9,350 5,931,520,000 0.00000050

Q3 SMGR 28,490,316 10,100 5,931,520,000 0.00000048

Q4 SMGR 30,574,391 9,175 5,931,520,000 0.00000056

2017 Q1 SMGR 29,444,312 9,000 5,931,520,000 0.00000055

Q2 SMGR 29,738,922 10,000 5,931,520,000 0.00000050

Q3 SMGR 30,147,641 10,125 5,931,520,000 0.00000050

Q4 SMGR 30,439,052 9,900 5,931,520,000 0.00000052

2010 Q3 TINS 3,728,000 3,150 5,033,020,000 0.00000024

Q4 TINS 4,203,075 2,750 5,033,020,000 0.00000030

2011 Q1 TINS 4,553,797 2,775 5,033,020,000 0.00000033

Q2 TINS 4,385,515 2,500 5,033,020,000 0.00000035

Q3 TINS 4,558,054 1,770 5,033,020,000 0.00000051

Q4 TINS 4,597,795 1,670 5,033,020,000 0.00000055

2012 Q1 TINS 4,806,362 1,340 5,033,020,000 0.00000071

Q2 TINS 4,459,188 1,030 5,033,020,000 0.00000086

Q3 TINS 4,497,120 1,610 5,033,020,000 0.00000055

Q4 TINS 4,558,200 1,610 5,033,020,000 0.00000056

2013 Q1 TINS 4,661,068 1,680 5,033,020,000 0.00000055

Q2 TINS 4,480,100 1,380 5,033,020,000 0.00000065

Q3 TINS 4,483,620 1,550 5,033,020,000 0.00000057

Q4 TINS 4,412,278 1,450 5,033,020,000 0.00000060

Page 165: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

150

2014 Q1 TINS 4,682,792 1,318 5,033,020,000 0.00000048

Q2 TINS 4,797,484 1,260 5,033,020,000 0.00000051

Q3 TINS 4,950,266 1,225 5,033,020,000 0.00000054

Q4 TINS 4,499,801 1,225 5,033,020,000 0.00000049

2015 Q1 TINS 5,399,571 950 5,033,020,000 0.00000076

Q2 TINS 5,171,533 710 5,033,020,000 0.00000098

Q3 TINS 5,240,539 640 5,033,020,000 0.00000110

Q4 TINS 5,371,068 505 5,033,020,000 0.00000143

2016 Q1 TINS 5,175,189 740 5,033,020,000 0.00000094

Q2 TINS 5,185,208 700 5,033,020,000 0.00000099

Q3 TINS 5,263,637 815 5,033,020,000 0.00000087

Q4 TINS 5,653,685 1,075 5,033,020,000 0.00000071

2017 Q1 TINS 5,685,784 995 5,033,020,000 0.00000077

Q2 TINS 5,683,832 730 5,033,020,000 0.00000105

Q3 TINS 5,887,972 815 5,033,020,000 0.00000097

Q4 TINS 6,061,493 775 5,033,020,000 0.00000105

2010 Q3 TLKM 42,741,381 9,200 20,159,999,280 0.00000023

Q4 TLKM 56,414,783 7,950 20,159,999,280 0.00000035

2011 Q1 TLKM 60,230,879 7,350 20,159,999,280 0.00000041

Q2 TLKM 55,285,739 7,350 20,159,999,280 0.00000037

Q3 TLKM 58,238,938 7,600 20,159,999,280 0.00000038

Q4 TLKM 60,981,000 7,050 20,159,999,280 0.00000043

2012 Q1 TLKM 64,387,000 1,400 20,159,999,280 0.00000228

Q2 TLKM 57,819,000 1,630 20,159,999,280 0.00000176

Q3 TLKM 62,765,000 1,890 20,159,999,280 0.00000165

Q4 TLKM 51,541,000 1,810 20,159,999,280 0.00000141

2013 Q1 TLKM 71,967,000 2,205 100,799,996,400 0.00000032

Q2 TLKM 64,749,000 2,256 100,799,996,400 0.00000028

Q3 TLKM 72,740,000 2,100 100,799,996,400 0.00000034

Q4 TLKM 59,823,000 2,150 100,799,996,400 0.00000028

2014 Q1 TLKM 82,527,000 2,215 100,799,996,400 0.00000037

Q2 TLKM 74,994,000 2,465 100,799,996,400 0.00000030

Q3 TLKM 80,864,000 2,915 100,799,996,400 0.00000028

Q4 TLKM 67,721,000 2,865 100,799,996,400 0.00000023

2015 Q1 TLKM 90,922,000 2,890 100,799,996,400 0.00000031

Q2 TLKM 82,265,000 2,930 100,799,996,400 0.00000028

Q3 TLKM 87,085,000 2,645 100,799,996,400 0.00000033

Q4 TLKM 75,136,000 3,105 100,799,996,400 0.00000024

2016 Q1 TLKM 100,294,000 3,325 100,799,996,400 0.00000030

Q2 TLKM 94,884,000 3,980 100,799,996,400 0.00000024

Q3 TLKM 102,351,000 4,310 100,799,996,400 0.00000024

Q4 TLKM 84,384,000 3,980 100,799,996,400 0.00000021

2017 Q1 TLKM 91,077,000 4,130 100,799,996,400 0.00000022

Q2 TLKM 84,867,000 4,520 100,799,996,400 0.00000019

Page 166: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

151

Q3 TLKM 90,714,000 4,680 100,799,996,400 0.00000019

Q4 TLKM 112,130,000 4,460 100,799,996,400 0.00000025

2010 Q3 UNTR 15,716,474 20,450 3,326,877,283 0.00000023

Q4 UNTR 16,165,406 23,800 3,326,877,283 0.00000020

2011 Q1 UNTR 17,447,198 21,700 3,730,135,136 0.00000022

Q2 UNTR 24,836,698 24,950 3,730,135,136 0.00000027

Q3 UNTR 26,616,975 22,000 3,730,135,136 0.00000032

Q4 UNTR 27,503,948 26,350 3,730,135,136 0.00000028

2012 Q1 UNTR 28,966,508 33,000 3,730,135,136 0.00000024

Q2 UNTR 29,624,828 21,050 3,730,135,136 0.00000038

Q3 UNTR 30,326,880 20,700 3,730,135,136 0.00000039

Q4 UNTR 32,300,577 19,700 3,730,135,136 0.00000044

2013 Q1 UNTR 32,656,483 18,200 3,730,135,136 0.00000048

Q2 UNTR 32,473,186 18,200 3,730,135,136 0.00000048

Q3 UNTR 33,850,303 16,300 3,730,135,136 0.00000056

Q4 UNTR 35,648,898 19,000 3,730,135,136 0.00000050

2014 Q1 UNTR 36,761,662 20,750 3,730,135,136 0.00000047

Q2 UNTR 37,496,180 23,100 3,730,135,136 0.00000044

Q3 UNTR 38,434,402 19,900 3,730,135,136 0.00000052

Q4 UNTR 38,529,645 17,350 3,730,135,136 0.00000060

2015 Q1 UNTR 40,979,989 21,800 3,730,135,136 0.00000050

Q2 UNTR 40,696,620 20,375 3,730,135,136 0.00000054

Q3 UNTR 42,522,110 17,475 3,730,135,136 0.00000065

Q4 UNTR 35,250,325 16,950 3,730,135,136 0.00000056

2016 Q1 UNTR 39,838,864 15,300 3,730,135,136 0.00000070

Q2 UNTR 39,612,641 14,800 3,730,135,136 0.00000072

Q3 UNTR 40,195,669 17,700 3,730,135,136 0.00000061

Q4 UNTR 42,621,493 21,250 3,730,135,136 0.00000054

2017 Q1 UNTR 44,253,684 26,500 3,730,135,136 0.00000045

Q2 UNTR 44,764,284 27,450 3,730,135,136 0.00000044

Q3 UNTR 46,113,140 32,000 3,730,135,136 0.00000039

Q4 UNTR 47,537,925 35,400 3,730,135,136 0.00000036

2010 Q3 UNVR 3,972,723 16,850 7,630,000,000 0.00000003

Q4 UNVR 4,048,853 16,500 7,630,000,000 0.00000003

2011 Q1 UNVR 5,036,548 15,300 7,630,000,000 0.00000004

Q2 UNVR 3,493,050 14,900 7,630,000,000 0.00000003

Q3 UNVR 4,450,314 16,500 7,630,000,000 0.00000004

Q4 UNVR 3,680,937 18,800 7,630,000,000 0.00000003

2012 Q1 UNVR 4,843,623 20,000 7,630,000,000 0.00000003

Q2 UNVR 3,752,158 22,900 7,630,000,000 0.00000002

Q3 UNVR 5,105,626 26,050 7,630,000,000 0.00000003

Q4 UNVR 3,968,365 20,850 7,630,000,000 0.00000002

2013 Q1 UNVR 5,400,348 22,800 7,630,000,000 0.00000003

Q2 UNVR 4,243,835 30,750 7,630,000,000 0.00000002

Page 167: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

152

Q3 UNVR 5,510,444 30,150 7,630,000,000 0.00000002

Q4 UNVR 4,254,670 26,000 7,630,000,000 0.00000002

2014 Q1 UNVR 5,615,651 29,250 7,630,000,000 0.00000003

Q2 UNVR 4,271,931 29,275 7,630,000,000 0.00000002

Q3 UNVR 5,472,869 31,800 7,630,000,000 0.00000002

Q4 UNVR 4,746,514 32,300 7,630,000,000 0.00000002

2015 Q1 UNVR 6,338,213 39,650 7,630,000,000 0.00000002

Q2 UNVR 4,503,074 39,500 7,630,000,000 0.00000001

Q3 UNVR 5,755,607 38,000 7,630,000,000 0.00000002

Q4 UNVR 4,827,360 37,000 7,630,000,000 0.00000002

2016 Q1 UNVR 6,397,400 42,925 7,630,000,000 0.00000002

Q2 UNVR 4,890,447 45,075 7,630,000,000 0.00000001

Q3 UNVR 6,342,791 44,550 7,630,000,000 0.00000002

Q4 UNVR 4,704,258 38,800 7,630,000,000 0.00000002

2017 Q1 UNVR 6,665,099 43,325 7,630,000,000 0.00000002

Q2 UNVR 4,906,114 48,800 7,630,000,000 0.00000001

Q3 UNVR 6,423,858 48,975 7,630,000,000 0.00000002

Q4 UNVR 5,173,388 55,900 7,630,000,000 0.00000001

*) Dalam Jutaan Rupiah

Page 168: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

153

Lampiran 6: Portofolio S/L, S/M, S/H, B/L, B/M, B/H

Kuartal III 2010

No Size Book to Market Equity Size/Book to Market

Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.361 B ASII 0.000000206 M 69874878.5 BM 7.844

2 TLKM 14.268 B TLKM 0.000000230 M 61915781.9 BM 7.792

3 BBCA 14.214 B BBCA 0.000000198 L 71672846.3 BL 7.855

4 BMRI 14.175 B BMRI 0.000000261 M 54359367.5 BM 7.735

5 UNVR 14.109 B UNVR 0.000000031 L 456600331.5 BL 8.660

6 BBRI 14.087 B BBRI 0.000000268 H 52586487.4 BH 7.721

7 PGAS 13.970 B PGAS 0.000000132 L 106011118.6 BL 8.025

8 UNTR 13.833 B UNTR 0.000000231 M 59880149.8 BM 7.777

9 BBNI 13.832 B BBNI 0.000000314 H 44021405.4 BH 7.644

10 SMGR 13.769 S SMGR 0.000000190 L 72308548.2 SL 7.859

11 BDMN 13.684 S BDMN 0.000000367 H 37326785.4 SH 7.572

12 INDF 13.680 S INDF 0.000000243 M 56348918.0 SM 7.751

13 AALI 13.513 S AALI 0.000000206 M 65527378.5 SM 7.816

14 KLBF 13.413 S KLBF 0.000000193 L 69648828.8 SL 7.843

15 TINS 13.200 S TINS 0.000000235 M 56136045.8 SM 7.749

16 LSIP 13.128 S LSIP 0.000000310 H 42391516.9 SH 7.627

17 ADHI 12.238 S ADHI 0.000000432 H 28318203.8 SH 7.452

Kuartal IV 2010

No

Size Book to Market Equity Size/Book to Market

Equity Log

Emiten Size Ket

. Emiten BE/ME Ket.

1 ASII 14.344 B ASII 0.0000003 M 53974566.9 BM 7.732

2 TLKM 14.205 B TLKM 0.0000004 H 40355395.2 BH 7.606

3 BBCA 14.194 B BBCA 0.0000002 M 65007327.7 BM 7.813

4 BMRI 14.131 B BMRI 0.0000003 M 45382168.5 BM 7.657

5 UNVR 14.100 B UNVR 0.0000000 L 438425541.2 BL 8.642

6 BBRI 14.087 B BBRI 0.0000003 M 46927977.2 BM 7.671

7 PGAS 14.030 B PGAS 0.0000001 L 118260251.5 BL 8.073

8 UNTR 13.899 B UNTR 0.0000002 L 68076717.6 BL 7.833

9 BBNI 13.855 B BBNI 0.0000005 H 29899897.8 BH 7.476

10 SMGR 13.749 S SMGR 0.0000002 M 63481386.0 SM 7.803

11 BDMN 13.677 S BDMN 0.0000004 H 34910121.0 SH 7.543

12 INDF 13.631 S INDF 0.0000006 H 23477809.8 SH 7.371

13 AALI 13.616 S AALI 0.0000002 L 77894827.9 SL 7.892

14 KLBF 13.519 S KLBF 0.0000002 L 77306947.4 SL 7.888

15 LSIP 13.244 S LSIP 0.0000003 M 50993249.0 SM 7.708

16 TINS 13.141 S TINS 0.0000003 M 43274091.4 SM 7.636

17 ADHI 12.215 S ADHI 0.0000005 H 23073635.9 SH 7.363

Page 169: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

154

Kuartal I 2011

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket

1 ASII 14.363 B ASII 0.0000003 M 51943133.7 BM 7.715528

2 BBCA 14.230 B BBCA 0.0000002 L 66933078.9 BL 7.825641

3 BMRI 14.196 B BMRI 0.0000004 M 38757924.9 BM 7.588361

4 TLKM 14.171 B TLKM 0.0000004 H 34862003.3 BH 7.542352

5 BBRI 14.147 B BBRI 0.0000003 M 49334971.5 BM 7.693155

6 UNVR 14.067 B UNVR 0.0000000 L 326055211.8 BL 8.513291

7 PGAS 13.976 B PGAS 0.0000002 L 77042671.6 BL 7.886731

8 UNTR 13.908 B UNTR 0.0000002 L 64525153.6 BL 7.809729

9 BBNI 13.866 B BBNI 0.0000005 H 30696005.0 BH 7.487082

10 BDMN 13.781 S BDMN 0.0000003 M 45394748.0 SM 7.657006

11 SMGR 13.732 S SMGR 0.0000002 L 61735300.0 SL 7.790534

12 INDF 13.676 S INDF 0.0000005 H 24923227.3 SH 7.396604

13 AALI 13.553 S AALI 0.0000002 M 57497571.3 SM 7.75965

14 LSIP 13.191 S LSIP 0.0000003 M 41377900.9 SM 7.616768

15 TINS 13.145 S TINS 0.0000003 M 40316386.1 SM 7.605482

16 KLBF 12.839 S KLBF 0.0000009 H 14405434.3 SH 7.158526

17 ADHI 12.180 S ADHI 0.0000006 H 21177017.3 SH 7.325865

Kuartal II 2011

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.410 B ASII 0.0000003 M 55307163.0 BM 7.742781

2 BBCA 14.271 B BBCA 0.0000002 L 71783292.7 BL 7.856023

3 BMRI 14.221 B BMRI 0.0000003 M 41781259.4 BM 7.620982

4 BBRI 14.201 B BBRI 0.0000003 M 54515811.2 BM 7.736522

5 TLKM 14.171 B TLKM 0.0000004 H 37980302.7 BH 7.579558

6 UNVR 14.056 B UNVR 0.0000000 L 457465995.2 BL 8.660359

7 PGAS 13.989 B PGAS 0.0000001 L 95946332.9 BL 7.982028

8 UNTR 13.969 B UNTR 0.0000003 M 52343192.4 BM 7.71886

9 BBNI 13.849 B BBNI 0.0000005 H 28736386.0 BH 7.458432

10 SMGR 13.755 S SMGR 0.0000002 L 62383877.0 SL 7.795072

11 BDMN 13.743 S BDMN 0.0000003 M 39982844.1 SM 7.601874

12 INDF 13.703 S INDF 0.0000006 H 23585540.9 SH 7.372646

13 AALI 13.568 S AALI 0.0000002 L 65063445.7 SL 7.813337

14 LSIP 13.200 S LSIP 0.0000003 M 41677365.0 SM 7.6199

Page 170: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

155

15 TINS 13.100 S TINS 0.0000003 M 37584752.1 SM 7.575012

16 KLBF 12.836 S KLBF 0.0000009 H 15054495.5 SH 7.177666

17 ADHI 12.159 S ADHI 0.0000006 H 21123256.6 SH 7.324761

Kuartal III 2011

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.411 B ASII 0.0000004 M 32903717.6 BM 7.517245

2 BBCA 14.274 B BBCA 0.0000002 L 67417297.6 BL 7.828771

3 TLKM 14.185 B TLKM 0.0000004 M 37318940.7 BM 7.571929

4 BMRI 14.163 B BMRI 0.0000004 M 34487884.5 BM 7.537667

5 BBRI 14.155 B BBRI 0.0000003 M 44937274.7 BM 7.652607

6 UNVR 14.100 B UNVR 0.0000000 L 398875353.0 BL 8.600837

7 UNTR 13.914 B UNTR 0.0000003 M 42898800.1 BM 7.632445

8 BBNI 13.837 B BBNI 0.0000005 H 26604835.0 BH 7.424961

9 PGAS 13.812 B PGAS 0.0000002 L 57390163.3 BL 7.758837

10 SMGR 13.692 S SMGR 0.0000003 L 50115406.2 SL 7.699971

11 INDF 13.647 S INDF 0.0000007 H 19895727.0 SH 7.29876

12 BDMN 13.640 S BDMN 0.0000006 H 23884841.9 SH 7.378122

13 AALI 13.483 S AALI 0.0000003 L 52138439.7 SL 7.717158

14 LSIP 13.146 S LSIP 0.0000004 M 33734822.3 SM 7.528078

15 TINS 12.950 S TINS 0.0000005 M 25309617.5 SM 7.403286

16 KLBF 12.820 S KLBF 0.0000009 H 13935320.7 SH 7.144117

17 ADHI 11.963 S ADHI 0.0000009 H 13110834.2 SH 7.11763

Kuartal IV 2011

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.477 B ASII 0.0000003 M 57185688.7 BM 7.757287

2 BBCA 14.291 B BBCA 0.0000002 L 66397210.3 BL 7.82215

3 BBRI 14.217 B BBRI 0.0000003 M 47043279.4 BM 7.672498

4 BMRI 14.193 B BMRI 0.0000004 M 35321224.1 BM 7.548036

5 UNVR 14.157 B UNVR 0.0000000 L 551677778.9 BL 8.741685

6 TLKM 14.153 B TLKM 0.0000004 M 32985552.5 BM 7.518324

7 UNTR 13.993 B UNTR 0.0000003 M 50004101.0 BM 7.699006

8 PGAS 13.886 B PGAS 0.0000002 L 62064469.4 BL 7.792843

9 BBNI 13.846 B BBNI 0.0000005 M 25668879.7 BM 7.409407

10 SMGR 13.832 S SMGR 0.0000002 L 64276748.3 SL 7.808054

11 INDF 13.606 S INDF 0.0000008 H 17385414.6 SH 7.240185

12 BDMN 13.590 S BDMN 0.0000007 H 20463532.7 SH 7.310981

13 AALI 13.534 S AALI 0.0000002 L 54885289.0 SL 7.739456

14 LSIP 13.186 S LSIP 0.0000004 M 34665479.1 SM 7.539897

15 TINS 12.925 S TINS 0.0000005 H 23627120.2 SH 7.373411

Page 171: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

156

16 KLBF 12.839 S KLBF 0.0000009 H 13608007.3 SH 7.133795

17 ADHI 12.019 S ADHI 0.0000009 H 12679196.2 SH 7.103092

Kuartal I 2012

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.468 B ASII 0.0000003 M 52552273.7 BM 7.720592

2 BBCA 14.291 B BBCA 0.0000002 L 62967252.6 BL 7.799115

3 BBRI 14.230 B BBRI 0.0000003 M 44223817.2 BM 7.645656

4 BMRI 14.199 B BMRI 0.0000004 M 33911487.6 BM 7.530347

5 UNVR 14.184 B UNVR 0.0000000 L 446857738.9 BL 8.650169

6 UNTR 14.090 B UNTR 0.0000002 M 59877093.0 BM 7.777261

7 PGAS 13.964 B PGAS 0.0000002 L 64896663.1 BL 7.812222

8 BBNI 13.868 B BBNI 0.0000005 M 26082954.7 BM 7.416357

9 SMGR 13.861 B SMGR 0.0000002 L 64439249.3 BL 7.80915

10 BDMN 13.640 S BDMN 0.0000006 H 23124452.3 SH 7.364071

11 INDF 13.629 S INDF 0.0000008 H 17617320.1 SH 7.24594

12 AALI 13.565 S AALI 0.0000002 M 57058166.5 SM 7.756318

13 KLBF 13.557 S KLBF 0.0000002 L 70397873.2 SL 7.84756

14 TLKM 13.451 S TLKM 0.0000023 H 5896069.8 SH 6.770563

15 LSIP 13.293 S LSIP 0.0000003 M 42477238.8 SM 7.628156

16 TINS 12.829 S TINS 0.0000007 H 18001451.7 SH 7.255308

17 ADHI 12.159 S ADHI 0.0000007 H 17593861.9 SH 7.245361

Kuartal II 2012

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.443 B ASII 0.0000003 M 49613070.5 BM 7.695596

2 BBCA 14.251 B BBCA 0.0000003 L 55789373.0 BL 7.746551

3 UNVR 14.242 B UNVR 0.0000000 L 663224959.9 BL 8.821661

4 BMRI 14.221 B BMRI 0.0000004 M 35249296.6 BM 7.54715

5 BBRI 14.191 B BBRI 0.0000004 M 39876527.2 BM 7.600717

6 PGAS 13.932 B PGAS 0.0000002 L 67113625.7 BL 7.826811

7 UNTR 13.895 B UNTR 0.0000004 M 36828043.7 BM 7.566179

8 SMGR 13.890 B SMGR 0.0000002 L 73165608.7 BL 7.864307

9 BBNI 13.849 B BBNI 0.0000006 H 24836501.7 BH 7.39509

10 BDMN 13.773 S BDMN 0.0000005 M 29243399.9 SM 7.466028

11 INDF 13.629 S INDF 0.0000008 H 18100997.6 SH 7.257703

12 KLBF 13.584 S KLBF 0.0000002 L 80979298.5 SL 7.908374

13 TLKM 13.517 S TLKM 0.0000018 H 7682056.8 SH 6.885478

14 AALI 13.499 S AALI 0.0000003 M 51998946.2 SM 7.715995

15 LSIP 13.261 S LSIP 0.0000003 M 41757861.0 SM 7.620738

16 TINS 12.715 S TINS 0.0000006 H 22768365.6 SH 7.357332

Page 172: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

157

17 ADHI 12.251 S ADHI 0.0000009 H 14242612.3 SH 7.15359

Kuartal III 2012

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.479 B ASII 0.0000003 M 52099000.5 BM 7.716829

2 UNVR 14.298 B UNVR 0.0000000 L 556632618.3 BL 8.745569

3 BBCA 14.285 B BBCA 0.0000003 M 55963646.2 BM 7.747906

4 BMRI 14.277 B BMRI 0.0000004 M 37932833.9 BM 7.579015

5 BBRI 14.260 B BBRI 0.0000003 M 43346528.7 BM 7.636954

6 PGAS 14.000 B PGAS 0.0000002 L 59117924.9 BL 7.771719

7 SMGR 13.933 B SMGR 0.0000002 L 69868088.7 BL 7.844279

8 UNTR 13.888 B UNTR 0.0000004 M 35358786.0 BM 7.548497

9 BBNI 13.860 B BBNI 0.0000006 H 24340844.3 BH 7.386336

10 BDMN 13.773 S BDMN 0.0000005 M 29353503.9 SM 7.46766

11 INDF 13.695 S INDF 0.0000007 H 19863359.9 SH 7.298053

12 KLBF 13.679 S KLBF 0.0000001 L 95037241.2 SL 7.977894

13 TLKM 13.581 S TLKM 0.0000016 H 8244513.0 SH 6.916165

14 AALI 13.539 S AALI 0.0000002 L 54502754.3 SL 7.736418

15 LSIP 13.223 S LSIP 0.0000004 M 36162559.0 SM 7.558259

16 TINS 12.909 S TINS 0.0000006 H 23259535.3 SH 7.366601

17 ADHI 12.273 S ADHI 0.0000006 H 21791677.5 SH 7.338291

Kuartal IV 2012

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket

1 ASII 14.474 B ASII 0.0000003 M 47950977.8 BM 7.680797

2 BBCA 14.347 B BBCA 0.0000002 L 61401652.2 BL 7.78818

3 BMRI 14.272 B BMRI 0.0000004 M 35250891.8 BM 7.54717

4 BBRI 14.230 B BBRI 0.0000004 M 37226281.9 BM 7.57085

5 UNVR 14.202 B UNVR 0.0000000 L 569320993.5 BL 8.755357

6 PGAS 14.047 B PGAS 0.0000002 L 70335487.4 BL 7.847175

7 SMGR 13.973 B SMGR 0.0000002 L 72320110.7 BL 7.859259

8 UNTR 13.866 B UNTR 0.0000004 M 31545519.4 BM 7.498938

9 BBNI 13.834 B BBNI 0.0000006 H 21712296.6 BH 7.336706

10 KLBF 13.731 S KLBF 0.0000001 L 100262152.7 SL 8.001137

11 BDMN 13.729 S BDMN 0.0000005 H 25616573.9 SH 7.408521

12 INDF 13.711 S INDF 0.0000006 H 21134912.1 SH 7.325

13 TLKM 13.562 S TLKM 0.0000014 H 9601639.6 SH 6.982345

14 AALI 13.492 S AALI 0.0000003 M 44690533.7 SM 7.650216

15 LSIP 13.196 S LSIP 0.0000004 M 32975167.2 SM 7.518187

16 TINS 12.909 S TINS 0.0000006 H 22947856.9 SH 7.360742

17 ADHI 12.501 S ADHI 0.0000004 M 33560787.9 SM 7.525832

Page 173: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

158

Kuartal I 2013

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket Emiten BE/ME Ket

1 ASII 14.505 B ASII 0.0000003 M 49471685.6 BM 7.694357

2 BBCA 14.444 B BBCA 0.0000002 L 71012533.3 BL 7.851335

3 BMRI 14.364 B BMRI 0.0000004 M 40945833.2 BM 7.61221

4 TLKM 14.347 B TLKM 0.0000003 M 44309091.7 BM 7.646493

5 BBRI 14.330 B BBRI 0.0000003 M 47377228.7 BM 7.67557

6 UNVR 14.240 B UNVR 0.0000000 L 458734747.5 BL 8.661562

7 PGAS 14.159 B PGAS 0.0000002 L 80118058.9 BL 7.90373

8 SMGR 14.021 B SMGR 0.0000002 L 75799402.8 BL 7.879666

9 BBNI 13.860 B BBNI 0.0000006 H 22225126.2 BH 7.346844

10 UNTR 13.832 S UNTR 0.0000005 M 28754453.4 SM 7.458705

11 INDF 13.816 S INDF 0.0000005 H 25632712.2 SH 7.408795

12 BDMN 13.787 S BDMN 0.0000005 H 28346238.7 SH 7.452495

13 KLBF 13.764 S KLBF 0.0000001 L 101972865.0 SL 8.008485

14 AALI 13.464 S AALI 0.0000003 M 40342133.1 SM 7.605759

15 LSIP 13.120 S LSIP 0.0000005 H 27074910.9 SH 7.432567

16 TINS 12.927 S TINS 0.0000006 H 23450649.8 SH 7.370155

17 ADHI 12.736 S ADHI 0.0000002 M 58192901.7 SM 7.76487

Kuartal II 2013

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.452 B ASII 0.0000000 L 799006734.1 BL 8.90255

2 BBCA 14.388 B BBCA 0.0000003 M 42676777.4 BM 7.630192

3 UNVR 14.370 B UNVR 0.0000002 M 60863909.1 BM 7.78436

4 TLKM 14.357 B TLKM 0.0000003 M 50422478.0 BM 7.702624

5 BMRI 14.318 B BMRI 0.0000004 M 37460651.4 BM 7.573575

6 BBRI 14.277 B BBRI 0.0000004 M 39379272.1 BM 7.595268

7 PGAS 14.144 B PGAS 0.0000002 L 85713683.3 BL 7.93305

8 SMGR 14.006 B SMGR 0.0000002 L 74888138.3 BL 7.874413

9 BBNI 13.900 B BBNI 0.0000006 H 25018471.8 BH 7.398261

10 UNTR 13.832 S UNTR 0.0000005 M 28916759.8 SM 7.46115

11 KLBF 13.829 S KLBF 0.0000001 L 125348106.8 SL 8.098118

12 INDF 13.810 S INDF 0.0000005 H 25972695.4 SH 7.414517

13 BDMN 13.744 S BDMN 0.0000005 H 25870158.1 SH 7.412799

14 AALI 13.492 S AALI 0.0000003 M 44926380.9 SM 7.652501

15 LSIP 13.069 S LSIP 0.0000005 H 25519048.0 SH 7.406864

16 TINS 12.842 S TINS 0.0000006 H 19908696.1 SH 7.299043

17 ADHI 12.767 S ADHI 0.0000002 L 61920254.7 SL 7.791833

Kuartal III 2013

Page 174: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

159

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.417 B ASII 0.0000004 M 38198977.4 BM 7.582052

2 BBCA 14.388 B BBCA 0.0000003 L 57352556.2 BL 7.758553

3 UNVR 14.362 B UNVR 0.0000000 L 599562544.7 BL 8.777834

4 TLKM 14.326 B TLKM 0.0000003 M 41689026.6 BM 7.620022

5 BMRI 14.264 B BMRI 0.0000005 M 31280607.4 BM 7.495275

6 BBRI 14.248 B BBRI 0.0000004 M 34210813.6 BM 7.534163

7 PGAS 14.101 B PGAS 0.0000002 L 61165204.9 BL 7.786504

8 BBNI 13.895 B BBNI 0.0000006 H 23860195.4 BH 7.377674

9 SMGR 13.887 B SMGR 0.0000003 L 54048395.3 BL 7.732783

10 INDF 13.792 S INDF 0.0000006 H 22129480.5 SH 7.344971

11 UNTR 13.784 S UNTR 0.0000006 M 24758373.3 SM 7.393722

12 KLBF 13.743 S KLBF 0.0000001 L 95969876.0 SL 7.982135

13 BDMN 13.577 S BDMN 0.0000008 H 16790465.9 SH 7.225063

14 AALI 13.487 S AALI 0.0000003 M 44615520.4 SM 7.649486

15 LSIP 12.938 S LSIP 0.0000007 H 17842340.5 SH 7.251452

16 TINS 12.892 S TINS 0.0000006 H 22431445.2 SH 7.350857

17 ADHI 12.567 S ADHI 0.0000004 M 35156990.9 SM 7.546012

Kuartal IV 2013

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.440 B ASII 0.0000004 M 37434574.2 BM 7.573273

2 BBCA 14.370 B BBCA 0.0000003 L 52639150.7 BL 7.721309

3 TLKM 14.336 B TLKM 0.0000003 M 51934471.9 BM 7.715456

4 UNVR 14.297 B UNVR 0.0000000 L 666641039.3 BL 8.823892

5 BMRI 14.258 B BMRI 0.0000005 M 29119770.4 BM 7.464188

6 BBRI 14.248 B BBRI 0.0000004 M 31802558.0 BM 7.502462

7 PGAS 14.035 B PGAS 0.0000003 M 46763907.2 BM 7.669911

8 SMGR 13.924 B SMGR 0.0000003 L 53623634.5 BL 7.729356

9 BBNI 13.863 B BBNI 0.0000007 H 21201428.6 BH 7.326365

10 UNTR 13.850 S UNTR 0.0000005 M 27535744.6 SM 7.439897

11 KLBF 13.768 S KLBF 0.0000001 L 95137977.4 SL 7.978354

12 INDF 13.763 S INDF 0.0000006 H 21623965.8 SH 7.334935

13 AALI 13.597 S AALI 0.0000003 L 52339088.5 SL 7.718826

14 BDMN 13.554 S BDMN 0.0000009 H 15387188.4 SH 7.187159

15 LSIP 13.120 S LSIP 0.0000005 M 26120336.3 SM 7.416979

16 TINS 12.863 S TINS 0.0000006 H 21275643.3 SH 7.327883

17 ADHI 12.435 S ADHI 0.0000006 H 21842279.6 SH 7.339298

Kuartal I 2014

No Size Book to Market Equity Log

Page 175: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

160

Emiten Size Ket. Emiten BE/ME Ket. Size/Book to

Market Equity

1 ASII 14.440 B ASII 0.0000003 L 54953888.4 BL 7.739998

2 BBCA 14.413 B BBCA 0.0000004 M 35080909.4 BM 7.545071

3 BBRI 14.369 B BBRI 0.0000003 M 42483417.4 BM 7.628219

4 TLKM 14.349 B TLKM 0.0000004 M 38819935.4 BM 7.589055

5 UNVR 14.349 B UNVR 0.0000000 L 570244825.8 BL 8.756061

6 BMRI 14.339 B BMRI 0.0000004 M 35153934.6 BM 7.545974

7 PGAS 14.094 B PGAS 0.0000002 L 62318562.2 BL 7.794617

8 SMGR 13.972 B SMGR 0.0000002 L 63510096.5 BL 7.802843

9 BBNI 13.962 B BBNI 0.0000006 H 25009626.8 BH 7.398107

10 UNTR 13.889 S UNTR 0.0000005 H 29242228.1 SH 7.46601

11 KLBF 13.837 S KLBF 0.0000001 L 105661626.0 SL 8.023917

12 INDF 13.807 S INDF 0.0000006 H 22549410.4 SH 7.353135

13 BDMN 13.616 S BDMN 0.0000008 H 17326364.3 SH 7.238707

14 AALI 13.612 S AALI 0.0000003 M 50399377.9 SM 7.702425

15 LSIP 13.178 S LSIP 0.0000005 M 29109650.1 SM 7.464037

16 TINS 12.992 S TINS 0.0000005 H 27233901.6 SH 7.43511

17 ADHI 12.732 S ADHI 0.0000003 M 47609742.8 SM 7.677696

Kuartal II 2014

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 ASII 14.469 B ASII 0.0000004 M 37780816.5 BM 7.577271

2 BBCA 14.429 B BBCA 0.0000003 M 55066103.8 BM 7.740884

3 BBRI 14.402 B BBRI 0.0000003 M 42699960.4 BM 7.630427

4 TLKM 14.395 B TLKM 0.0000003 M 47694792.2 BM 7.678471

5 BMRI 14.352 B BMRI 0.0000004 M 34312665.0 BM 7.535454

6 UNVR 14.349 B UNVR 0.0000000 L 750273309.3 BL 8.875219

7 PGAS 14.131 B PGAS 0.0000002 L 61366591.7 BL 7.787932

8 SMGR 13.951 B SMGR 0.0000002 L 56192637.0 BL 7.749679

9 BBNI 13.944 B BBNI 0.0000006 H 22086048.0 BJ 7.344118

10 UNTR 13.935 S UNTR 0.0000004 H 32023366.2 SH 7.505467

11 KLBF 13.891 S KLBF 0.0000001 L 123913314.9 SL 8.093118

12 INDF 13.770 S INDF 0.0000007 H 20447323.2 SH 7.310636

13 AALI 13.647 S AALI 0.0000002 L 54811355.2 SL 7.738871

14 BDMN 13.595 S BDMN 0.0000008 H 16838198.5 SH 7.226296

15 LSIP 13.199 S LSIP 0.0000004 M 30803948.5 SM 7.488606

16 TINS 12.972 S TINS 0.0000005 H 25374792.2 SH 7.404402

17 ADHI 12.700 S ADHI 0.0000003 M 42886252.3 SM 7.632318

Kuartal III 2014

No Size Book to Market Equity Log

Page 176: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

161

Emiten Size Ket. Emiten BE/ME Ket. Size/Book to

Market Equity

1 BBCA 14.504 B BBCA 0.0000002 L 61947225.0 BL 7.792022

2 TLKM 14.468 B TLKM 0.0000003 M 52572100.5 BM 7.720755

3 ASII 14.455 B ASII 0.0000004 M 35729501.9 BM 7.553027

4 BBRI 14.406 B BBRI 0.0000004 M 40104338.3 BM 7.603191

5 UNVR 14.385 B UNVR 0.0000000 L 637741988.8 BL 8.804645

6 BMRI 14.367 B BMRI 0.0000004 M 33762406.3 BM 7.528433

7 PGAS 14.163 B PGAS 0.0000002 L 60094457.0 BL 7.778834

8 BBNI 14.009 B BBNI 0.0000006 H 24690497.0 BH 7.39253

9 SMGR 13.961 B SMGR 0.0000003 L 54389805.4 BL 7.735518

10 KLBF 13.901 S KLBF 0.0000001 L 120121127.1 SL 8.079619

11 UNTR 13.871 S UNTR 0.0000005 M 26788726.1 SM 7.427952

12 INDF 13.789 S INDF 0.0000007 H 20788764.9 SH 7.317829

13 BDMN 13.569 S BDMN 0.0000009 H 15561044.3 SH 7.192039

14 AALI 13.559 S AALI 0.0000003 M 43819737.1 SM 7.64167

15 LSIP 13.113 S LSIP 0.0000005 H 24288253.8 SH 7.385396

16 TINS 12.960 S TINS 0.0000005 H 23885990.4 SH 7.378143

17 ADHI 12.697 S ADHI 0.0000003 M 41407508.3 SM 7.617079

Kuartal IV 2014

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 BBCA 14.506 B BBCA 0.0000002 L 59638152.1 BL 7.775524

2 ASII 14.478 B ASII 0.0000004 M 36209740.3 BM 7.558825

3 TLKM 14.461 B TLKM 0.0000002 L 61666265.3 BL 7.790048

4 BBRI 14.454 B BBRI 0.0000003 M 42090738.1 BM 7.624187

5 UNVR 14.392 B UNVR 0.0000000 L 747248768.7 BL 8.873465

6 BMRI 14.368 B BMRI 0.0000004 M 31972879.3 BM 7.504782

7 PGAS 14.163 B PGAS 0.0000003 L 55884984.6 BL 7.747295

8 BBNI 14.052 B BBNI 0.0000005 H 25933267.1 BH 7.413857

9 SMGR 13.983 B SMGR 0.0000003 M 53733585.5 BM 7.730246

10 KLBF 13.933 S KLBF 0.0000001 L 122410350.4 SL 8.087818

11 UNTR 13.811 S UNTR 0.0000006 H 23198233.7 SH 7.365455

12 INDF 13.773 S INDF 0.0000007 H 20268206.2 SH 7.306815

13 BDMN 13.633 S BDMN 0.0000008 H 17728469.5 SH 7.248671

14 AALI 13.582 S AALI 0.0000003 M 43828821.7 SM 7.64176

15 LSIP 13.110 S LSIP 0.0000006 H 23419539.3 SH 7.369578

16 TINS 12.960 S TINS 0.0000005 M 26277163.4 SM 7.419578

17 ADHI 12.797 S ADHI 0.0000003 M 48891538.6 SM 7.689234

Kuartal II 2015

No Size Book to Market Equity Log

Page 177: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

162

Emiten Size Ket. Emiten BE/ME Ket. Size/Book to

Market Equity

1 BBCA 14.518 B BBCA 0.0000002 L 58515686.23 BL 7.767272

2 UNVR 14.479 B UNVR 0.0000000 L 969069145.6 BL 8.986355

3 TLKM 14.470 B TLKM 0.0000003 L 51950701.28 BL 7.715591

4 ASII 14.457 B ASII 0.0000004 M 33493151.8 BM 7.524956

5 BBRI 14.403 B BBRI 0.0000004 M 35622240.95 BM 7.551721

6 BMRI 14.366 B BMRI 0.0000005 M 30523814.6 BM 7.484639

7 PGAS 14.020 B PGAS 0.0000004 M 38755757.3 BM 7.588336

8 BBNI 13.991 B BBNI 0.0000006 H 22420550.09 BH 7.350646

9 KLBF 13.895 B KLBF 0.0000001 L 108971133.5 BL 8.037311

10 UNTR 13.881 S UNTR 0.0000005 M 25922628.32 SM 7.413679

11 SMGR 13.852 S SMGR 0.0000004 M 39143074.09 SM 7.592655

12 INDF 13.761 S INDF 0.0000007 H 19551679.29 SH 7.291184

13 BDMN 13.611 S BDMN 0.0000008 H 16680893.56 SH 7.222219

14 AALI 13.558 S AALI 0.0000003 M 42558364.16 SM 7.628985

15 LSIP 13.026 S LSIP 0.0000007 H 19860232.19 SH 7.297984

16 ADHI 12.806 S ADHI 0.0000003 L 50688920.05 SL 7.704913

17 TINS 12.723 S TINS 0.0000010 H 13009588.18 SH 7.114264

Kuartal I 2015

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 BBCA 14.559 B BBCA 0.0000002 L 65835905.66 BL 7.818463

2 ASII 14.541 B ASII 0.0000004 M 39997841.88 BM 7.602037

3 BBRI 14.511 B BBRI 0.0000003 L 48955034.19 BL 7.689797

4 UNVR 14.481 B UNVR 0.0000000 L 691182107.8 BL 8.839592

5 TLKM 14.464 B TLKM 0.0000003 M 46343470.36 BM 7.665989

6 BMRI 14.460 B BMRI 0.0000004 M 39763756.84 BM 7.599487

7 BBNI 14.125 B BBNI 0.0000005 M 30456957.73 BM 7.483687

8 PGAS 14.066 B PGAS 0.0000003 M 41912182.28 BM 7.62234

9 KLBF 13.942 B KLBF 0.0000001 L 117521251.2 BL 8.070116

10 UNTR 13.910 S UNTR 0.0000005 H 27602092.37 SH 7.440942

11 SMGR 13.908 S SMGR 0.0000003 M 42677407.54 SM 7.630198

12 INDF 13.816 S INDF 0.0000006 H 21840905.09 SH 7.339271

13 BDMN 13.687 S BDMN 0.0000007 H 19717391.89 SH 7.294849

14 AALI 13.583 S AALI 0.0000003 M 43211407.39 SM 7.635598

15 LSIP 13.072 S LSIP 0.0000006 H 21542755.71 SH 7.333301

16 ADHI 12.985 S ADHI 0.0000002 L 73955893.66 SL 7.868973

17 TINS 12.850 S TINS 0.0000008 H 16837758.71 SH 7.226284

Kuartal III 2015

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 BBCA 14.477 B BBCA 0.0000003 L 50284853.61 BL 7.701437

2 UNVR 14.462 B UNVR 0.0000000 L 728542032.2 BL 8.862455

Page 178: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

163

Kuartal IV 2015

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 BBCA 14.501 B BBCA 0.0000003 L 51341349.2 BL 7.710467

2 TLKM 14.496 B TLKM 0.0000002 L 60382058.31 BL 7.780908

3 UNVR 14.451 B UNVR 0.0000000 L 845096394.5 BL 8.926906

4 BBRI 14.446 B BBRI 0.0000004 L 35629998.56 BL 7.551816

5 ASII 14.385 B ASII 0.0000005 M 27615245.73 BM 7.441149

6 BMRI 14.330 B BMRI 0.0000006 M 25624428.4 BM 7.408654

7 BBNI 13.964 B BBNI 0.0000009 H 16401263.6 BH 7.214877

8 SMGR 13.830 B SMGR 0.0000004 M 34079916.23 BM 7.532499

9 PGAS 13.823 B PGAS 0.0000006 M 22058491.33 BM 7.343576

10 UNTR 13.801 S UNTR 0.0000006 M 24753600.16 SM 7.393638

11 KLBF 13.792 S KLBF 0.0000002 L 78015175.02 SL 7.892179

12 INDF 13.657 S INDF 0.0000009 H 14391297.6 SH 7.1581

13 BDMN 13.482 S BDMN 0.0000011 H 11964993.27 SH 7.077912

14 AALI 13.397 S AALI 0.0000005 M 28583406.93 SM 7.456114

15 LSIP 12.955 S LSIP 0.0000008 H 15899602.11 SH 7.201386

16 ADHI 12.882 S ADHI 0.0000007 M 19016060.49 SM 7.279121

17 TINS 12.575 S TINS 0.0000014 H 8805924.329 SH 6.944775

Kuartal I 2016

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 TLKM 14.525 B TLKM 0.0000003 L 48540125.45 BL 7.686101

2 UNVR 14.515 B UNVR 0.0000000 L 743113930.1 BL 8.871055

3 BBCA 14.511 B BBCA 0.0000003 L 46633405.1 BL 7.668697

3 TLKM 14.426 B TLKM 0.0000003 L 44165722.41 BL 7.645085

4 ASII 14.325 B ASII 0.0000006 M 23933300.97 BM 7.379003

5 BBRI 14.325 B BBRI 0.0000005 M 28115920.48 BM 7.448952

6 BMRI 14.263 B BMRI 0.0000006 M 23078397.06 BM 7.363206

7 BBNI 13.883 B BBNI 0.0000008 H 16654112.28 BH 7.221521

8 UNTR 13.814 B UNTR 0.0000007 M 21176337.58 BM 7.325851

9 KLBF 13.809 B KLBF 0.0000002 L 84859264.72 BL 7.928699

10 PGAS 13.788 S PGAS 0.0000007 M 19837840.44 SM 7.297494

11 SMGR 13.730 S SMGR 0.0000005 M 27982541.55 SM 7.446887

12 INDF 13.684 S INDF 0.0000009 H 16039814.57 SH 7.205199

13 AALI 13.455 S AALI 0.0000004 M 34180564.51 SM 7.533779

14 BDMN 13.439 S BDMN 0.0000012 H 10881637.6 SH 7.036694

15 LSIP 12.975 S LSIP 0.0000008 H 17196445.98 SH 7.235439

16 ADHI 12.852 S ADHI 0.0000002 L 54581689.98 SL 7.737047

17 TINS 12.678 S TINS 0.0000011 H 11531534.09 SH 7.061887

Page 179: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

164

4 ASII 14.468 B ASII 0.0000004 M 32762354.89 BM 7.515375

5 BBRI 14.446 B BBRI 0.0000004 M 35723845.07 BM 7.552958

6 BMRI 14.376 B BMRI 0.0000005 M 28976433.82 BM 7.462045

7 BBNI 13.982 B BBNI 0.0000008 H 16728214.99 BH 7.22345

8 KLBF 13.831 B KLBF 0.0000002 L 81319725.39 BL 7.910196

9 INDF 13.802 B INDF 0.0000007 H 19687537.29 BH 7.294191

10 PGAS 13.802 S PGAS 0.0000007 M 21039500.69 SM 7.323035

11 SMGR 13.781 S SMGR 0.0000005 M 29374878.53 SM 7.467976

12 UNTR 13.756 S UNTR 0.0000007 H 19706720.23 SH 7.294614

13 BDMN 13.557 S BDMN 0.0000010 H 13865336.03 SH 7.14193

14 AALI 13.544 S AALI 0.0000003 L 39114418.29 SL 7.592337

15 LSIP 13.094 S LSIP 0.0000006 M 21982275.12 SM 7.342073

16 ADHI 12.981 S ADHI 0.0000005 M 24038524.95 SM 7.380908

17 TINS 12.741 S TINS 0.0000009 H 13568850.97 SH 7.132543

Kuartal II 2016

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 TLKM 14.603 B TLKM 0.0000002 L 61745158.14 BL 7.790603

2 UNVR 14.536 B UNVR 0.0000000 L 1022281220 BL 9.00957

3 BBCA 14.512 B BBCA 0.0000003 L 45589364.68 BL 7.658864

4 ASII 14.477 B ASII 0.0000004 L 33361141.11 BL 7.523241

5 BBRI 14.421 B BBRI 0.0000005 M 28457794.65 BM 7.454201

6 BMRI 14.342 B BMRI 0.0000007 M 21454596.79 BM 7.33152

7 BBNI 13.982 B BBNI 0.0000009 H 16148375.52 BH 7.208129

8 KLBF 13.856 B KLBF 0.0000002 L 88455463.29 BL 7.946725

9 INDF 13.804 B INDF 0.0000007 M 20118954.05 BM 7.303605

10 PGAS 13.754 S PGAS 0.0000007 M 19613768.89 SM 7.292561

11 SMGR 13.744 S SMGR 0.0000005 M 27659929.46 SM 7.441851

12 UNTR 13.742 S UNTR 0.0000007 H 19151464.68 SH 7.282202

13 BDMN 13.526 S BDMN 0.0000011 H 12834571.08 SH 7.108381

14 AALI 13.452 S AALI 0.0000006 M 23173583.41 SM 7.364993

15 ADHI 12.996 S ADHI 0.0000005 M 25106302.85 SM 7.399783

16 LSIP 12.974 S LSIP 0.0000008 H 16974875.52 SH 7.229807

17 TINS 12.717 S TINS 0.0000010 H 12786333.63 SH 7.106746

Kuartal III 2016

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 TLKM 14.638 B TLKM 0.0000002 L 62133467.86 BL 7.793326

2 BBCA 14.583 B BBCA 0.0000003 L 51083482.24 BL 7.70828

3 UNVR 14.531 B UNVR 0.0000000 L 778750741.5 BL 8.891398

4 ASII 14.524 B ASII 0.0000004 L 36803194.69 BL 7.565886

Page 180: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

165

5 BBRI 14.474 B BBRI 0.0000005 M 30598860.14 BM 7.485705

6 BMRI 14.413 B BMRI 0.0000006 M 24405996.16 BM 7.387497

7 BBNI 13.982 B BBNI 0.0000009 H 15440376.73 BH 7.188658

8 KLBF 13.905 B KLBF 0.0000001 L 94625011.69 BL 7.976006

9 INDF 13.883 B INDF 0.0000006 M 23616578.91 BM 7.373217

10 PGAS 13.842 S PGAS 0.0000006 M 23812200.34 SM 7.3768

11 UNTR 13.820 S UNTR 0.0000006 M 22699543.23 SM 7.356017

12 SMGR 13.777 S SMGR 0.0000005 M 28970776.01 SM 7.46196

13 BDMN 13.585 S BDMN 0.0000009 H 14394356.21 SH 7.158192

14 AALI 13.455 S AALI 0.0000006 M 23150379.26 SM 7.364558

15 LSIP 13.009 S LSIP 0.0000007 H 18038932.09 SH 7.256211

16 ADHI 12.924 S ADHI 0.0000006 H 20952858.75 SH 7.321243

17 TINS 12.783 S TINS 0.0000009 H 14741306.36 SH 7.168536

Kuartal IV 2016

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 BBRI 14.682 B BBRI 0.0000003 L 48052668.03 BL 7.681718

2 TLKM 14.603 B TLKM 0.0000002 L 69428180.52 BL 7.841536

3 BBCA 14.578 B BBCA 0.0000003 L 48931018.27 BL 7.689584

4 ASII 14.525 B ASII 0.0000004 M 34779859.24 BM 7.541328

5 UNVR 14.471 B UNVR 0.0000000 L 910697966.3 BL 8.959374

6 BMRI 14.427 B BMRI 0.0000006 M 25152049.62 BM 7.400573

7 BBNI 14.009 B BBNI 0.0000009 H 16009675.8 BH 7.204383

8 UNTR 13.899 B UNTR 0.0000005 M 25848836.86 BM 7.412441

9 KLBF 13.851 B KLBF 0.0000002 L 78921475.69 BL 7.897195

10 INDF 13.843 S INDF 0.0000006 M 21920779.43 SM 7.340856

11 PGAS 13.816 S PGAS 0.0000007 H 21229883.97 SH 7.326948

12 SMGR 13.736 S SMGR 0.0000006 M 24449350.83 SM 7.388267

13 BDMN 13.547 S BDMN 0.0000010 H 13109206.54 SH 7.117576

14 AALI 13.509 S AALI 0.0000005 M 24791059.11 SM 7.394295

15 LSIP 13.075 S LSIP 0.0000006 M 20300568.28 SM 7.307508

16 TINS 12.903 S TINS 0.0000007 H 18272898.62 SH 7.261807

17 ADHI 12.870 S ADHI 0.0000007 H 17513052.85 SH 7.243362

Kuartal I 2017

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 TLKM 14.619 B TLKM 0.0000002 L 66823883.96 BL 7.824932

2 BBCA 14.606 B BBCA 0.0000003 L 49829218.48 BL 7.697484

3 ASII 14.543 B ASII 0.0000004 L 34813263.56 BL 7.541745

4 UNVR 14.519 B UNVR 0.0000000 L 720113711.2 BL 8.857401

5 BMRI 14.432 B BMRI 0.0000006 M 25690731.67 BM 7.409776

Page 181: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

166

6 BBNI 14.078 B BBNI 0.0000007 H 18807114.95 BH 7.274322

7 UNTR 13.995 B UNTR 0.0000004 M 31260289.44 BM 7.494993

8 KLBF 13.858 B KLBF 0.0000002 L 76487970.55 BL 7.883593

9 INDF 13.847 B INDF 0.0000007 M 21201828.95 BM 7.326373

10 BBRI 13.802 S BBRI 0.0000023 H 6070105.832 SH 6.783196

11 PGAS 13.788 S PGAS 0.0000007 M 19358923.4 SM 7.286881

12 SMGR 13.727 S SMGR 0.0000006 M 24888324.21 SM 7.395996

13 BDMN 13.649 S BDMN 0.0000008 H 16232059.27 SH 7.210374

14 AALI 13.458 S AALI 0.0000006 M 20937378.44 SM 7.320922

15 LSIP 13.000 S LSIP 0.0000008 H 16202507 SH 7.209582

16 ADHI 12.926 S ADHI 0.0000006 M 20344802.87 SM 7.308453

17 TINS 12.870 S TINS 0.0000008 H 16773799.42 SH 7.224631

Kuartal II 2017

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 TLKM 14.659 B TLKM 0.000000 L 78695982.91 BL 7.895953

2 BBCA 14.646 B BBCA 0.000000 L 53670800.44 BL 7.729738

3 UNVR 14.571 B UNVR 0.000000 L 1105845422 BL 9.043694

4 ASII 14.558 B ASII 0.000000 L 36147181.4 BL 7.558074

5 BMRI 14.469 B BMRI 0.000001 M 27066831.51 BM 7.432437

6 BBNI 14.086 B BBNI 0.000001 H 18441104.95 BH 7.265787

7 UNTR 14.010 B UNTR 0.000000 M 32046579.47 BM 7.505782

8 KLBF 13.882 B KLBF 0.000000 L 83420995.74 BL 7.921275

9 INDF 13.878 B INDF 0.000001 M 23571058.1 BM 7.372379

10 BBRI 13.872 S BBRI 0.000002 H 6857383.089 SH 6.836158

11 SMGR 13.773 S SMGR 0.000001 M 27471005.7 SM 7.438875

12 PGAS 13.737 S PGAS 0.000001 M 18156919.91 SM 7.259042

13 BDMN 13.687 S BDMN 0.000001 H 17732398.88 SH 7.248767

14 AALI 13.452 S AALI 0.000001 M 21263589.15 SM 7.327637

15 LSIP 12.971 S LSIP 0.000001 H 15414288.78 SH 7.187923

16 ADHI 12.884 S ADHI 0.000001 M 18018778.32 SM 7.255725

17 TINS 12.735 S TINS 0.000001 H 12181976.04 SH 7.085718

Kuartal III 2017

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 BBCA 14.695 B BBCA 0.000000 L 57086300.54 BL 7.756532

2 TLKM 14.674 B TLKM 0.000000 L 76308317.24 BL 7.882572

3 UNVR 14.572 B UNVR 0.000000 L 847690047.1 BL 8.928237

4 ASII 14.505 B ASII 0.000000 M 31152776.56 BM 7.493497

5 BMRI 14.191 B BMRI 0.000001 H 13451514.07 BH 7.128771

6 BBNI 14.136 B BBNI 0.000001 M 19846404.07 BM 7.297682

Page 182: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

167

7 UNTR 14.077 B UNTR 0.000000 L 36438130.63 BL 7.561556

8 KLBF 13.892 B KLBF 0.000000 L 81747725.25 BL 7.912476

9 BBRI 13.873 B BBRI 0.000002 H 6525725.81 BH 6.814629

10 INDF 13.869 S INDF 0.000001 M 22320970.09 SM 7.348713

11 SMGR 13.779 S SMGR 0.000001 M 27448054.05 SM 7.438512

12 BDMN 13.693 S BDMN 0.000001 M 17538946.08 SM 7.244003

13 PGAS 13.582 S PGAS 0.000001 H 12215688.06 SH 7.086918

14 AALI 13.457 S AALI 0.000001 M 21405720.64 SM 7.33053

15 LSIP 12.983 S LSIP 0.000001 H 15524297.39 SH 7.191012

16 ADHI 12.853 S ADHI 0.000001 M 16492658.95 SM 7.217291

17 TINS 12.783 S TINS 0.000001 H 13178202.21 SH 7.119856

Kuartal IV 2017

No Size Book to Market Equity Size/Book to

Market Equity

Log

Emiten Size Ket. Emiten BE/ME Ket.

1 BBCA 14.728 B BBCA 0.000000 L 59913795.44 BL 7.777527

2 TLKM 14.653 B TLKM 0.000000 L 76199572.88 BL 7.881953

3 UNVR 14.630 B UNVR 0.000000 L 1206156693 BL 9.081404

4 ASII 14.526 B ASII 0.000000 M 31187833.18 BM 7.493985

5 BMRI 14.267 B BMRI 0.000001 H 15508184.87 BH 7.190561

6 BBNI 14.262 B BBNI 0.000001 M 25833930.32 BM 7.41219

7 UNTR 14.121 B UNTR 0.000000 L 39223350.51 BL 7.593545

8 BBRI 13.949 B BBRI 0.000002 H 7409884.555 BH 6.869811

9 KLBF 13.899 B KLBF 0.000000 L 79246313.57 BL 7.898979

10 INDF 13.826 S INDF 0.000001 M 19797039.8 SM 7.2966

11 BDMN 13.820 S BDMN 0.000001 M 23299433.4 SM 7.367345

12 SMGR 13.769 S SMGR 0.000001 M 26562331.99 SM 7.424266

13 PGAS 13.628 S PGAS 0.000001 H 13469022.15 SH 7.129336

14 AALI 13.403 S AALI 0.000001 M 18128679.75 SM 7.258366

15 LSIP 12.986 S LSIP 0.000001 M 15490562.11 SM 7.190067

16 ADHI 12.827 S ADHI 0.000001 H 14667412.97 SH 7.166354

17 TINS 12.761 S TINS 0.000001 H 12151873.03 SH 7.084643

Page 183: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

168

Lampiran 7: Return Saham (Excess Return) (Y)

Tahun Periode Kode

Emiten

Close

Price

Return

saham

Risk

Free

Rate

Excess

Return

2010 Q3 AALI 20,700 0.123 0.065 0.058

Q4 AALI 26,200 0.266 0.065 0.201

2011 Q1 AALI 22,700 -0.134 0.0675 -0.201

Q2 AALI 23,500 0.035 0.0675 -0.032

Q3 AALI 19,300 -0.179 0.0675 -0.246

Q4 AALI 21,700 0.124 0.06 0.064

2012 Q1 AALI 23,350 0.076 0.0575 0.019

Q2 AALI 20,050 -0.141 0.0575 -0.199

Q3 AALI 21,950 0.095 0.0575 0.037

Q4 AALI 19,700 -0.103 0.0575 -0.160

2013 Q1 AALI 18,500 -0.061 0.0575 -0.118

Q2 AALI 19,700 0.065 0.06 0.005

Q3 AALI 19,500 -0.010 0.0725 -0.083

Q4 AALI 25,100 0.287 0.075 0.212

2014 Q1 AALI 26,000 0.036 0.075 -0.039

Q2 AALI 28,175 0.084 0.075 0.009

Q3 AALI 23,000 -0.184 0.075 -0.259

Q4 AALI 24,250 0.054 0.0775 -0.023

2015 Q1 AALI 24,300 0.002 0.075 -0.073

Q2 AALI 22,950 -0.056 0.075 -0.131

Q3 AALI 18,125 -0.210 0.075 -0.285

Q4 AALI 15,850 -0.126 0.075 -0.201

2016 Q1 AALI 18,200 0.148 0.0675 0.081

Q2 AALI 14,700 -0.192 0.0525 -0.245

Q3 AALI 14,825 0.009 0.05 -0.041

Q4 AALI 16,775 0.132 0.0475 0.084

2017 Q1 AALI 14,900 -0.112 0.0475 -0.159

Q2 AALI 14,700 -0.013 0.0475 -0.061

Q3 AALI 14,875 0.012 0.0425 -0.031

Q4 AALI 13,150 -0.116 0.0425 -0.158

2010 Q3 ADHI 960 0.548 0.065 0.483

Q4 ADHI 910 -0.052 0.065 -0.117

2011 Q1 ADHI 840 -0.077 0.068 -0.144

Q2 ADHI 800 -0.048 0.068 -0.115

Q3 ADHI 510 -0.363 0.068 -0.430

Q4 ADHI 580 0.137 0.060 0.077

2012 Q1 ADHI 800 0.379 0.058 0.322

Q2 ADHI 990 0.238 0.058 0.180

Q3 ADHI 1,040 0.051 0.058 -0.007

Q4 ADHI 1,760 0.692 0.058 0.635

Page 184: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

169

2013 Q1 ADHI 3,025 0.719 0.058 0.661

Q2 ADHI 3,250 0.074 0.060 0.014

Q3 ADHI 2,050 -0.369 0.073 -0.442

Q4 ADHI 1,510 -0.263 0.075 -0.338

2014 Q1 ADHI 2,995 0.983 0.075 0.908

Q2 ADHI 2,785 -0.070 0.075 -0.145

Q3 ADHI 2,765 -0.007 0.075 -0.082

Q4 ADHI 3,480 0.259 0.078 0.181

2015 Q1 ADHI 2,714 -0.220 0.075 -0.295

Q2 ADHI 1,795 -0.339 0.075 -0.414

Q3 ADHI 1,999 0.114 0.075 0.039

Q4 ADHI 2,140 0.071 0.075 -0.004

2016 Q1 ADHI 2,690 0.257 0.068 0.190

Q2 ADHI 2,780 0.033 0.053 -0.019

Q3 ADHI 2,360 -0.151 0.050 -0.201

Q4 ADHI 2,080 -0.119 0.048 -0.166

2017 Q1 ADHI 2,370 0.139 0.048 0.092

Q2 ADHI 2,150 -0.093 0.048 -0.140

Q3 ADHI 2,000 -0.070 0.043 -0.112

Q4 ADHI 1,885 -0.058 0.043 -0.100

2010 Q3 ASII 5,670 0.174 0.065 0.109

Q4 ASII 5,455 -0.038 0.065 -0.103

2011 Q1 ASII 5,700 0.045 0.068 -0.023

Q2 ASII 6,355 0.115 0.068 0.047

Q3 ASII 6,365 0.002 0.068 -0.066

Q4 ASII 7,400 0.163 0.060 0.103

2012 Q1 ASII 7,250 -0.020 0.058 -0.078

Q2 ASII 6,850 -0.055 0.058 -0.113

Q3 ASII 7,435 0.085 0.058 0.028

Q4 ASII 7,350 -0.011 0.058 -0.069

2013 Q1 ASII 7,900 0.075 0.058 0.017

Q2 ASII 7,000 -0.114 0.060 -0.174

Q3 ASII 6,450 -0.079 0.073 -0.151

Q4 ASII 6,800 0.054 0.075 -0.021

2014 Q1 ASII 6,800 0.000 0.075 -0.075

Q2 ASII 7,275 0.070 0.075 -0.005

Q3 ASII 7,050 -0.031 0.075 -0.106

Q4 ASII 7,425 0.053 0.078 -0.024

2015 Q1 ASII 8,575 0.155 0.075 0.080

Q2 ASII 7,075 -0.175 0.075 -0.250

Q3 ASII 5,225 -0.261 0.075 -0.336

Q4 ASII 6,000 0.148 0.075 0.073

2016 Q1 ASII 7,250 0.208 0.068 0.141

Q2 ASII 7,400 0.021 0.053 -0.032

Page 185: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

170

Q3 ASII 8,250 0.115 0.050 0.065

Q4 ASII 8,275 0.003 0.048 -0.044

2017 Q1 ASII 8,625 0.042 0.048 -0.005

Q2 ASII 8,925 0.035 0.048 -0.013

Q3 ASII 7,900 -0.115 0.043 -0.157

Q4 ASII 8,300 0.051 0.043 0.008

2010 Q3 BBCA 6,700 0.126 0.065 0.061

Q4 BBCA 6,400 -0.045 0.065 -0.110

2011 Q1 BBCA 6,950 0.086 0.068 0.018

Q2 BBCA 7,650 0.101 0.068 0.033

Q3 BBCA 7,700 0.007 0.068 -0.061

Q4 BBCA 8,000 0.039 0.060 -0.021

2012 Q1 BBCA 8,000 0.000 0.058 -0.058

Q2 BBCA 7,300 -0.088 0.058 -0.145

Q3 BBCA 7,900 0.082 0.058 0.025

Q4 BBCA 9,100 0.152 0.058 0.094

2013 Q1 BBCA 11,400 0.253 0.058 0.195

Q2 BBCA 10,000 -0.123 0.060 -0.183

Q3 BBCA 10,000 0.000 0.073 -0.073

Q4 BBCA 9,600 -0.040 0.075 -0.115

2014 Q1 BBCA 10,600 0.104 0.075 0.029

Q2 BBCA 11,000 0.038 0.075 -0.037

Q3 BBCA 13,075 0.189 0.075 0.114

Q4 BBCA 13,125 0.004 0.078 -0.074

2015 Q1 BBCA 14,825 0.130 0.075 0.055

Q2 BBCA 13,500 -0.089 0.075 -0.164

Q3 BBCA 12,275 -0.091 0.075 -0.166

Q4 BBCA 13,000 0.059 0.075 -0.016

2016 Q1 BBCA 13,300 0.023 0.068 -0.044

Q2 BBCA 13,325 0.002 0.053 -0.051

Q3 BBCA 15,700 0.178 0.050 0.128

Q4 BBCA 15,500 -0.013 0.048 -0.060

2017 Q1 BBCA 16,550 0.068 0.048 0.020

Q2 BBCA 18,150 0.097 0.048 0.049

Q3 BBCA 20,300 0.118 0.043 0.076

Q4 BBCA 21,900 0.079 0.043 0.036

2010 Q3 BBNI 3,675 0.564 0.065 0.499

Q4 BBNI 3,875 0.054 0.065 -0.011

2011 Q1 BBNI 3,975 0.026 0.068 -0.042

Q2 BBNI 3,825 -0.038 0.068 -0.105

Q3 BBNI 3,725 -0.026 0.068 -0.094

Q4 BBNI 3,800 0.020 0.060 -0.040

2012 Q1 BBNI 4,000 0.053 0.058 -0.005

Q2 BBNI 3,825 -0.044 0.058 -0.101

Page 186: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

171

Q3 BBNI 3,925 0.026 0.058 -0.031

Q4 BBNI 3,700 -0.057 0.058 -0.115

2013 Q1 BBNI 3,925 0.061 0.058 0.003

Q2 BBNI 4,300 0.096 0.060 0.036

Q3 BBNI 4,250 -0.012 0.073 -0.084

Q4 BBNI 3,950 -0.071 0.075 -0.146

2014 Q1 BBNI 4,960 0.256 0.075 0.181

Q2 BBNI 4,765 -0.039 0.075 -0.114

Q3 BBNI 5,525 0.159 0.075 0.084

Q4 BBNI 6,100 0.104 0.078 0.027

2015 Q1 BBNI 7,225 0.184 0.075 0.109

Q2 BBNI 5,300 -0.266 0.075 -0.341

Q3 BBNI 4,135 -0.220 0.075 -0.295

Q4 BBNI 4,990 0.207 0.075 0.132

2016 Q1 BBNI 5,200 0.042 0.068 -0.025

Q2 BBNI 5,200 0.000 0.053 -0.053

Q3 BBNI 5,200 0.000 0.050 -0.050

Q4 BBNI 5,525 0.063 0.048 0.015

2017 Q1 BBNI 6,475 0.172 0.048 0.124

Q2 BBNI 6,600 0.019 0.048 -0.028

Q3 BBNI 7,400 0.121 0.043 0.079

Q4 BBNI 9,900 0.338 0.043 0.295

2010 Q3 BBRI 10,000 0.053 0.065 -0.012

Q4 BBRI 10,500 0.050 0.065 -0.015

2011 Q1 BBRI 5,750 -0.452 0.068 -0.520

Q2 BBRI 6,500 0.130 0.068 0.063

Q3 BBRI 5,850 -0.100 0.068 -0.168

Q4 BBRI 6,750 0.154 0.060 0.094

2012 Q1 BBRI 6,950 0.030 0.058 -0.028

Q2 BBRI 6,350 -0.086 0.058 -0.144

Q3 BBRI 7,450 0.173 0.058 0.116

Q4 BBRI 6,950 -0.067 0.058 -0.125

2013 Q1 BBRI 8,750 0.259 0.058 0.201

Q2 BBRI 7,750 -0.114 0.060 -0.174

Q3 BBRI 7,250 -0.065 0.073 -0.137

Q4 BBRI 7,250 0.000 0.075 -0.075

2014 Q1 BBRI 9,575 0.321 0.075 0.246

Q2 BBRI 10,325 0.078 0.075 0.003

Q3 BBRI 10,425 0.010 0.075 -0.065

Q4 BBRI 11,650 0.118 0.078 0.040

2015 Q1 BBRI 13,275 0.139 0.075 0.064

Q2 BBRI 10,350 -0.220 0.075 -0.295

Q3 BBRI 8,650 -0.164 0.075 -0.239

Q4 BBRI 11,425 0.321 0.075 0.246

Page 187: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

172

2016 Q1 BBRI 11,425 0.000 0.068 -0.068

Q2 BBRI 10,800 -0.055 0.053 -0.107

Q3 BBRI 12,200 0.130 0.050 0.080

Q4 BBRI 19,675 0.613 0.048 0.565

2017 Q1 BBRI 2,595 -0.868 0.048 -0.916

Q2 BBRI 3,050 0.175 0.048 0.128

Q3 BBRI 3,055 0.002 0.043 -0.041

Q4 BBRI 3,640 0.191 0.043 0.149

2010 Q3 BDMN 5,800 0.074 0.065 0.009

Q4 BDMN 5,700 -0.017 0.065 -0.082

2011 Q1 BDMN 6,360 0.116 0.068 0.048

Q2 BDMN 5,826 -0.084 0.068 -0.151

Q3 BDMN 4,600 -0.210 0.068 -0.278

Q4 BDMN 4,100 -0.109 0.060 -0.169

2012 Q1 BDMN 4,600 0.122 0.058 0.064

Q2 BDMN 6,000 0.304 0.058 0.247

Q3 BDMN 6,250 0.042 0.058 -0.016

Q4 BDMN 5,650 -0.096 0.058 -0.154

2013 Q1 BDMN 6,450 0.142 0.058 0.084

Q2 BDMN 5,850 -0.093 0.060 -0.153

Q3 BDMN 3,975 -0.321 0.073 -0.393

Q4 BDMN 3,775 -0.050 0.075 -0.125

2014 Q1 BDMN 4,350 0.152 0.075 0.077

Q2 BDMN 4,145 -0.047 0.075 -0.122

Q3 BDMN 3,905 -0.058 0.075 -0.133

Q4 BDMN 4,525 0.159 0.078 0.081

2015 Q1 BDMN 5,125 0.133 0.075 0.058

Q2 BDMN 4,300 -0.161 0.075 -0.236

Q3 BDMN 2,895 -0.327 0.075 -0.402

Q4 BDMN 3,200 0.105 0.075 0.030

2016 Q1 BDMN 3,800 0.188 0.068 0.120

Q2 BDMN 3,540 -0.068 0.053 -0.121

Q3 BDMN 4,050 0.144 0.050 0.094

Q4 BDMN 3,710 -0.084 0.048 -0.131

2017 Q1 BDMN 4,700 0.267 0.048 0.219

Q2 BDMN 5,125 0.090 0.048 0.043

Q3 BDMN 5,200 0.015 0.043 -0.028

Q4 BDMN 6,960 0.338 0.043 0.296

2010 Q3 BMRI 7,200 0.200 0.065 0.135

Q4 BMRI 6,500 -0.097 0.065 -0.162

2011 Q1 BMRI 6,800 0.046 0.068 -0.021

Q2 BMRI 7,200 0.059 0.068 -0.009

Q3 BMRI 6,300 -0.125 0.068 -0.193

Q4 BMRI 6,750 0.071 0.060 0.011

Page 188: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

173

2012 Q1 BMRI 6,850 0.015 0.058 -0.043

Q2 BMRI 7,200 0.051 0.058 -0.006

Q3 BMRI 8,200 0.139 0.058 0.081

Q4 BMRI 8,100 -0.012 0.058 -0.070

2013 Q1 BMRI 10,000 0.235 0.058 0.177

Q2 BMRI 9,000 -0.100 0.060 -0.160

Q3 BMRI 7,950 -0.117 0.073 -0.189

Q4 BMRI 7,850 -0.013 0.075 -0.088

2014 Q1 BMRI 9,450 0.204 0.075 0.129

Q2 BMRI 9,725 0.029 0.075 -0.046

Q3 BMRI 10,075 0.036 0.075 -0.039

Q4 BMRI 10,100 0.002 0.078 -0.075

2015 Q1 BMRI 12,475 0.235 0.075 0.160

Q2 BMRI 10,050 -0.194 0.075 -0.269

Q3 BMRI 7,925 -0.211 0.075 -0.286

Q4 BMRI 9,250 0.167 0.075 0.092

2016 Q1 BMRI 10,300 0.114 0.068 0.046

Q2 BMRI 9,525 -0.075 0.053 -0.128

Q3 BMRI 11,200 0.176 0.050 0.126

Q4 BMRI 11,575 0.033 0.048 -0.014

2017 Q1 BMRI 11,700 0.011 0.048 -0.037

Q2 BMRI 12,750 0.090 0.048 0.042

Q3 BMRI 6,725 -0.473 0.043 -0.515

Q4 BMRI 8,000 0.190 0.043 0.147

2010 Q3 INDF 5,450 0.313 0.065 0.248

Q4 INDF 4,875 -0.106 0.065 -0.171

2011 Q1 INDF 5,400 0.108 0.068 0.040

Q2 INDF 5,750 0.065 0.068 -0.003

Q3 INDF 5,050 -0.122 0.068 -0.189

Q4 INDF 4,600 -0.089 0.060 -0.149

2012 Q1 INDF 4,850 0.054 0.058 -0.003

Q2 INDF 4,850 0.000 0.058 -0.058

Q3 INDF 5,640 0.163 0.058 0.105

Q4 INDF 5,850 0.037 0.058 -0.020

2013 Q1 INDF 7,450 0.274 0.058 0.216

Q2 INDF 7,350 -0.013 0.060 -0.073

Q3 INDF 7,050 -0.041 0.073 -0.113

Q4 INDF 6,600 -0.064 0.075 -0.139

2014 Q1 INDF 7,300 0.106 0.075 0.031

Q2 INDF 6,700 -0.082 0.075 -0.157

Q3 INDF 7,000 0.045 0.075 -0.030

Q4 INDF 6,750 -0.036 0.078 -0.113

2015 Q1 INDF 7,450 0.104 0.075 0.029

Q2 INDF 6,575 -0.117 0.075 -0.192

Page 189: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

174

Q3 INDF 5,500 -0.163 0.075 -0.238

Q4 INDF 5,175 -0.059 0.075 -0.134

2016 Q1 INDF 7,225 0.396 0.068 0.329

Q2 INDF 7,250 0.003 0.053 -0.049

Q3 INDF 8,700 0.200 0.050 0.150

Q4 INDF 7,925 -0.089 0.048 -0.137

2017 Q1 INDF 8,000 0.009 0.048 -0.038

Q2 INDF 8,600 0.075 0.048 0.028

Q3 INDF 8,425 -0.020 0.043 -0.063

Q4 INDF 7,625 -0.095 0.043 -0.137

2010 Q3 KLBF 2,550 0.214 0.065 0.149

Q4 KLBF 3,250 0.275 0.065 0.210

2011 Q1 KLBF 680 -0.791 0.068 -0.858

Q2 KLBF 675 -0.007 0.068 -0.075

Q3 KLBF 650 -0.037 0.068 -0.105

Q4 KLBF 680 0.046 0.060 -0.014

2012 Q1 KLBF 710 0.044 0.058 -0.013

Q2 KLBF 755 0.063 0.058 0.006

Q3 KLBF 940 0.245 0.058 0.188

Q4 KLBF 1,060 0.128 0.058 0.070

2013 Q1 KLBF 1,240 0.170 0.058 0.112

Q2 KLBF 1,440 0.161 0.060 0.101

Q3 KLBF 1,180 -0.181 0.073 -0.253

Q4 KLBF 1,250 0.059 0.075 -0.016

2014 Q1 KLBF 1,465 0.172 0.075 0.097

Q2 KLBF 1,660 0.133 0.075 0.058

Q3 KLBF 1,700 0.024 0.075 -0.051

Q4 KLBF 1,830 0.076 0.078 -0.001

2015 Q1 KLBF 1,865 0.019 0.075 -0.056

Q2 KLBF 1,675 -0.102 0.075 -0.177

Q3 KLBF 1,375 -0.179 0.075 -0.254

Q4 KLBF 1,320 -0.040 0.075 -0.115

2016 Q1 KLBF 1,445 0.095 0.068 0.027

Q2 KLBF 1,530 0.059 0.053 0.006

Q3 KLBF 1,715 0.121 0.050 0.071

Q4 KLBF 1,515 -0.117 0.048 -0.164

2017 Q1 KLBF 1,540 0.017 0.048 -0.031

Q2 KLBF 1,625 0.055 0.048 0.008

Q3 KLBF 1,665 0.025 0.043 -0.018

Q4 KLBF 1,690 0.015 0.043 -0.027

2010 Q3 LSIP 9,850 0.187 0.065 0.122

Q4 LSIP 12,850 0.305 0.065 0.240

2011 Q1 LSIP 2,275 -0.823 0.068 -0.890

Q2 LSIP 2,325 0.022 0.068 -0.046

Page 190: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

175

Q3 LSIP 2,050 -0.118 0.068 -0.186

Q4 LSIP 2,250 0.098 0.060 0.038

2012 Q1 LSIP 2,875 0.278 0.058 0.220

Q2 LSIP 2,675 -0.070 0.058 -0.127

Q3 LSIP 2,450 -0.084 0.058 -0.142

Q4 LSIP 2,300 -0.061 0.058 -0.119

2013 Q1 LSIP 1,930 -0.161 0.058 -0.218

Q2 LSIP 1,720 -0.109 0.060 -0.169

Q3 LSIP 1,270 -0.262 0.073 -0.334

Q4 LSIP 1,930 0.520 0.075 0.445

2014 Q1 LSIP 2,210 0.145 0.075 0.070

Q2 LSIP 2,315 0.048 0.075 -0.027

Q3 LSIP 1,900 -0.179 0.075 -0.254

Q4 LSIP 1,890 -0.005 0.078 -0.083

2015 Q1 LSIP 1,730 -0.085 0.075 -0.160

Q2 LSIP 1,555 -0.101 0.075 -0.176

Q3 LSIP 1,385 -0.109 0.075 -0.184

Q4 LSIP 1,320 -0.047 0.075 -0.122

2016 Q1 LSIP 1,820 0.379 0.068 0.311

Q2 LSIP 1,380 -0.242 0.053 -0.294

Q3 LSIP 1,495 0.083 0.050 0.033

Q4 LSIP 1,740 0.164 0.048 0.116

2017 Q1 LSIP 1,465 -0.158 0.048 -0.206

Q2 LSIP 1,370 -0.065 0.048 -0.112

Q3 LSIP 1,410 0.029 0.043 -0.013

Q4 LSIP 1,420 0.007 0.043 -0.035

2010 Q3 PGAS 3,850 -0.006 0.065 -0.071

Q4 PGAS 4,425 0.149 0.065 0.084

2011 Q1 PGAS 3,900 -0.119 0.068 -0.186

Q2 PGAS 4,025 0.032 0.068 -0.035

Q3 PGAS 2,675 -0.335 0.068 -0.403

Q4 PGAS 3,175 0.187 0.060 0.127

2012 Q1 PGAS 3,800 0.197 0.058 0.139

Q2 PGAS 3,525 -0.072 0.058 -0.130

Q3 PGAS 4,125 0.170 0.058 0.113

Q4 PGAS 4,600 0.115 0.058 0.058

2013 Q1 PGAS 5,950 0.293 0.058 0.236

Q2 PGAS 5,750 -0.034 0.060 -0.094

Q3 PGAS 5,200 -0.096 0.073 -0.168

Q4 PGAS 4,475 -0.139 0.075 -0.214

2014 Q1 PGAS 5,125 0.145 0.075 0.070

Q2 PGAS 5,575 0.088 0.075 0.013

Q3 PGAS 6,000 0.076 0.075 0.001

Q4 PGAS 6,000 0.000 0.078 -0.078

Page 191: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

176

2015 Q1 PGAS 4,800 -0.200 0.075 -0.275

Q2 PGAS 4,315 -0.101 0.075 -0.176

Q3 PGAS 2,530 -0.414 0.075 -0.489

Q4 PGAS 2,745 0.085 0.075 0.010

2016 Q1 PGAS 2,615 -0.047 0.068 -0.115

Q2 PGAS 2,340 -0.105 0.053 -0.158

Q3 PGAS 2,870 0.226 0.050 0.176

Q4 PGAS 2,700 -0.059 0.048 -0.107

2017 Q1 PGAS 2,530 -0.063 0.048 -0.110

Q2 PGAS 2,250 -0.111 0.048 -0.158

Q3 PGAS 1,575 -0.300 0.043 -0.343

Q4 PGAS 1,750 0.111 0.043 0.069

2010 Q3 SMGR 9,900 0.131 0.065 0.066

Q4 SMGR 9,450 -0.045 0.065 -0.110

2011 Q1 SMGR 9,100 -0.037 0.068 -0.105

Q2 SMGR 9,600 0.055 0.068 -0.013

Q3 SMGR 8,300 -0.135 0.068 -0.203

Q4 SMGR 11,450 0.380 0.060 0.320

2012 Q1 SMGR 12,250 0.070 0.058 0.012

Q2 SMGR 13,100 0.069 0.058 0.012

Q3 SMGR 14,450 0.103 0.058 0.046

Q4 SMGR 15,850 0.097 0.058 0.039

2013 Q1 SMGR 17,700 0.117 0.058 0.059

Q2 SMGR 17,100 -0.034 0.060 -0.094

Q3 SMGR 13,000 -0.240 0.073 -0.312

Q4 SMGR 14,150 0.088 0.075 0.013

2014 Q1 SMGR 15,800 0.117 0.075 0.042

Q2 SMGR 15,075 -0.046 0.075 -0.121

Q3 SMGR 15,425 0.023 0.075 -0.052

Q4 SMGR 16,200 0.050 0.078 -0.027

2015 Q1 SMGR 13,650 -0.157 0.075 -0.232

Q2 SMGR 12,000 -0.121 0.075 -0.196

Q3 SMGR 9,050 -0.246 0.075 -0.321

Q4 SMGR 11,400 0.260 0.075 0.185

2016 Q1 SMGR 10,175 -0.107 0.068 -0.175

Q2 SMGR 9,350 -0.081 0.053 -0.134

Q3 SMGR 10,100 0.080 0.050 0.030

Q4 SMGR 9,175 -0.092 0.048 -0.139

2017 Q1 SMGR 9,000 -0.019 0.048 -0.067

Q2 SMGR 10,000 0.111 0.048 0.064

Q3 SMGR 10,125 0.013 0.043 -0.030

Q4 SMGR 9,900 -0.022 0.043 -0.065

2010 Q3 TINS 3,150 0.770 0.065 0.705

Q4 TINS 2,750 -0.127 0.065 -0.192

Page 192: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

177

2011 Q1 TINS 2,775 0.009 0.068 -0.058

Q2 TINS 2,500 -0.099 0.068 -0.167

Q3 TINS 1,770 -0.292 0.068 -0.360

Q4 TINS 1,670 -0.056 0.060 -0.116

2012 Q1 TINS 1,340 -0.198 0.058 -0.255

Q2 TINS 1,030 -0.231 0.058 -0.289

Q3 TINS 1,610 0.563 0.058 0.506

Q4 TINS 1,610 0.000 0.058 -0.058

2013 Q1 TINS 1,680 0.043 0.058 -0.014

Q2 TINS 1,380 -0.179 0.060 -0.239

Q3 TINS 1,550 0.123 0.073 0.051

Q4 TINS 1,450 -0.065 0.075 -0.140

2014 Q1 TINS 1,318 -0.091 0.075 -0.166

Q2 TINS 1,260 -0.044 0.075 -0.119

Q3 TINS 1,225 -0.028 0.075 -0.103

Q4 TINS 1,225 0.000 0.078 -0.078

2015 Q1 TINS 950 -0.224 0.075 -0.299

Q2 TINS 710 -0.253 0.075 -0.328

Q3 TINS 640 -0.099 0.075 -0.174

Q4 TINS 505 -0.211 0.075 -0.286

2016 Q1 TINS 740 0.465 0.068 0.398

Q2 TINS 700 -0.054 0.053 -0.107

Q3 TINS 815 0.164 0.050 0.114

Q4 TINS 1,075 0.319 0.048 0.272

2017 Q1 TINS 995 -0.074 0.048 -0.122

Q2 TINS 730 -0.266 0.048 -0.314

Q3 TINS 815 0.116 0.043 0.074

Q4 TINS 775 -0.049 0.043 -0.092

2010 Q3 TLKM 9,200 0.195 0.065 0.130

Q4 TLKM 7,950 -0.136 0.065 -0.201

2011 Q1 TLKM 7,350 -0.075 0.0675 -0.143

Q2 TLKM 7,350 0.000 0.0675 -0.068

Q3 TLKM 7,600 0.034 0.0675 -0.033

Q4 TLKM 7,050 -0.072 0.06 -0.132

2012 Q1 TLKM 1,400 -0.801 0.0575 -0.859

Q2 TLKM 1,630 0.164 0.0575 0.107

Q3 TLKM 1,890 0.160 0.0575 0.102

Q4 TLKM 1,810 -0.042 0.0575 -0.100

2013 Q1 TLKM 2,205 0.218 0.0575 0.161

Q2 TLKM 2,256 0.023 0.06 -0.037

Q3 TLKM 2,100 -0.069 0.0725 -0.142

Q4 TLKM 2,150 0.024 0.075 -0.051

2014 Q1 TLKM 2,215 0.030 0.075 -0.045

Q2 TLKM 2,465 0.113 0.075 0.038

Page 193: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

178

Q3 TLKM 2,915 0.183 0.075 0.108

Q4 TLKM 2,865 -0.017 0.0775 -0.095

2015 Q1 TLKM 2,890 0.009 0.075 -0.066

Q2 TLKM 2,930 0.014 0.075 -0.061

Q3 TLKM 2,645 -0.097 0.075 -0.172

Q4 TLKM 3,105 0.174 0.075 0.099

2016 Q1 TLKM 3,325 0.071 0.0675 0.003

Q2 TLKM 3,980 0.197 0.0525 0.144

Q3 TLKM 4,310 0.083 0.05 0.033

Q4 TLKM 3,980 -0.077 0.0475 -0.124

2017 Q1 TLKM 4,130 0.038 0.0475 -0.010

Q2 TLKM 4,520 0.094 0.0475 0.047

Q3 TLKM 4,680 0.035 0.0425 -0.007

Q4 TLKM 4,460 -0.047 0.0425 -0.090

2010 Q3 UNTR 20,450 0.091 0.065 0.026

Q4 UNTR 23,800 0.164 0.065 0.099

2011 Q1 UNTR 21,700 -0.088 0.0675 -0.156

Q2 UNTR 24,950 0.150 0.0675 0.082

Q3 UNTR 22,000 -0.118 0.0675 -0.186

Q4 UNTR 26,350 0.198 0.06 0.138

2012 Q1 UNTR 33,000 0.252 0.0575 0.195

Q2 UNTR 21,050 -0.362 0.0575 -0.420

Q3 UNTR 20,700 -0.017 0.0575 -0.074

Q4 UNTR 19,700 -0.048 0.0575 -0.106

2013 Q1 UNTR 18,200 -0.076 0.0575 -0.134

Q2 UNTR 18,200 0.000 0.06 -0.060

Q3 UNTR 16,300 -0.104 0.0725 -0.177

Q4 UNTR 19,000 0.166 0.075 0.091

2014 Q1 UNTR 20,750 0.092 0.075 0.017

Q2 UNTR 23,100 0.113 0.075 0.038

Q3 UNTR 19,900 -0.139 0.075 -0.214

Q4 UNTR 17,350 -0.128 0.0775 -0.206

2015 Q1 UNTR 21,800 0.256 0.075 0.181

Q2 UNTR 20,375 -0.065 0.075 -0.140

Q3 UNTR 17,475 -0.142 0.075 -0.217

Q4 UNTR 16,950 -0.030 0.075 -0.105

2016 Q1 UNTR 15,300 -0.097 0.0675 -0.165

Q2 UNTR 14,800 -0.033 0.0525 -0.085

Q3 UNTR 17,700 0.196 0.05 0.146

Q4 UNTR 21,250 0.201 0.0475 0.153

2017 Q1 UNTR 26,500 0.247 0.0475 0.200

Q2 UNTR 27,450 0.036 0.0475 -0.012

Q3 UNTR 32,000 0.166 0.0425 0.123

Q4 UNTR 35,400 0.106 0.0425 0.064

Page 194: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

179

2010 Q3 UNVR 16,850 -0.009 0.065 -0.074

Q4 UNVR 16,500 -0.021 0.065 -0.086

2011 Q1 UNVR 15,300 -0.073 0.0675 -0.140

Q2 UNVR 14,900 -0.026 0.0675 -0.094

Q3 UNVR 16,500 0.107 0.0675 0.040

Q4 UNVR 18,800 0.139 0.06 0.079

2012 Q1 UNVR 20,000 0.064 0.0575 0.006

Q2 UNVR 22,900 0.145 0.0575 0.088

Q3 UNVR 26,050 0.138 0.0575 0.080

Q4 UNVR 20,850 -0.200 0.0575 -0.257

2013 Q1 UNVR 22,800 0.094 0.0575 0.036

Q2 UNVR 30,750 0.349 0.06 0.289

Q3 UNVR 30,150 -0.020 0.0725 -0.092

Q4 UNVR 26,000 -0.138 0.075 -0.213

2014 Q1 UNVR 29,250 0.125 0.075 0.050

Q2 UNVR 29,275 0.001 0.075 -0.074

Q3 UNVR 31,800 0.086 0.075 0.011

Q4 UNVR 32,300 0.016 0.0775 -0.062

2015 Q1 UNVR 39,650 0.228 0.075 0.153

Q2 UNVR 39,500 -0.004 0.075 -0.079

Q3 UNVR 38,000 -0.038 0.075 -0.113

Q4 UNVR 37,000 -0.026 0.075 -0.101

2016 Q1 UNVR 42,925 0.160 0.0675 0.093

Q2 UNVR 45,075 0.050 0.0525 -0.002

Q3 UNVR 44,550 -0.012 0.05 -0.062

Q4 UNVR 38,800 -0.129 0.0475 -0.177

2017 Q1 UNVR 43,325 0.117 0.0475 0.069

Q2 UNVR 48,800 0.126 0.0475 0.079

Q3 UNVR 48,975 0.004 0.0425 -0.039

Q4 UNVR 55,900 0.141 0.0425 0.099

Page 195: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

180

Lampiran 8: Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation Variance

Pre_RiskX1 30 -.215 .137 -.03387 .077948 .006

SMBX2 30 -4.028 -3.100 -3.46317 .224555 .050

HMLX3 30 -2.396 -1.113 -1.84680 .275543 .076

ReturnY 30 -.243 .155 -.04010 .093785 .009

Valid N (listwise) 30

Page 196: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

181

Lampiran 9: Hasil Uji Stasioneritas (Unit Root Test)

A. Return Saham (Y)

Null Hypothesis: AVERAGE_EXCESS_RETURN__Y has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.299813 0.0002

Test critical values: 1% level -3.679322 5% level -2.967767 10% level -2.622989 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(AVERAGE_EXCESS_RETURN__Y) Method: Least Squares Date: 05/21/18 Time: 21:57 Sample (adjusted): 2 30 Included observations: 29 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. AVERAGE_EXCESS_RETURN__Y(-

1) -0.938891 0.177155 -5.299813 0.0000 C -0.044378 0.018123 -2.448754 0.0211 R-squared 0.509875 Mean dependent var -0.005274

Adjusted R-squared 0.491723 S.D. dependent var 0.125032 S.E. of regression 0.089140 Akaike info criterion -1.930751 Sum squared resid 0.214539 Schwarz criterion -1.836455 Log likelihood 29.99589 Hannan-Quinn criter. -1.901219 F-statistic 28.08802 Durbin-Watson stat 1.962612 Prob(F-statistic) 0.000014

B. Premi Risiko (X1)

Null Hypothesis: PREMI_RISIKO_S_X1_01 has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.391189 0.0001

Test critical values: 1% level -3.679322 5% level -2.967767 10% level -2.622989 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(PREMI_RISIKO_S_X1_01) Method: Least Squares Date: 05/21/18 Time: 21:59

Page 197: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

182

Sample (adjusted): 2 30 Included observations: 29 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. PREMI_RISIKO_S_X1_01(-

1) -0.956633 0.177444 -5.391189 0.0000 C -0.038208 0.015068 -2.535781 0.0173 R-squared 0.518415 Mean dependent var -0.003525

Adjusted R-squared 0.500579 S.D. dependent var 0.103826 S.E. of regression 0.073374 Akaike info criterion -2.320026 Sum squared resid 0.145361 Schwarz criterion -2.225729 Log likelihood 35.64037 Hannan-Quinn criter. -2.290493 F-statistic 29.06491 Durbin-Watson stat 2.002188 Prob(F-statistic) 0.000011

C. SMB (X2)

Null Hypothesis: D(SMB__X2_) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.019887 0.0000

Test critical values: 1% level -3.689194 5% level -2.971853 10% level -2.625121 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(SMB__X2_,2) Method: Least Squares Date: 05/21/18 Time: 22:00 Sample (adjusted): 3 30 Included observations: 28 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. D(SMB__X2_(-1)) -1.181560 0.196276 -6.019887 0.0000

C -0.026668 0.026652 -1.000579 0.3263 R-squared 0.582256 Mean dependent var -0.006754

Adjusted R-squared 0.566189 S.D. dependent var 0.212466 S.E. of regression 0.139939 Akaike info criterion -1.026468 Sum squared resid 0.509158 Schwarz criterion -0.931310 Log likelihood 16.37055 Hannan-Quinn criter. -0.997377 F-statistic 36.23904 Durbin-Watson stat 1.961974 Prob(F-statistic) 0.000002

D. HML (X3)

Null Hypothesis: D(HML_X3_) has a unit root Exogenous: Constant

Page 198: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

183

Lag Length: 0 (Automatic - based on SIC, maxlag=7) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.739671 0.0000

Test critical values: 1% level -3.689194 5% level -2.971853 10% level -2.625121 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(HML_X3_,2) Method: Least Squares Date: 05/21/18 Time: 22:00 Sample (adjusted): 3 30 Included observations: 28 after adjustments

Variable Coefficient Std. Error t-Statistic Prob. D(HML_X3_(-1)) -1.179870 0.175063 -6.739671 0.0000

C -0.040509 0.027747 -1.459923 0.1563 R-squared 0.635972 Mean dependent var 0.011611

Adjusted R-squared 0.621971 S.D. dependent var 0.229339 S.E. of regression 0.141007 Akaike info criterion -1.011270 Sum squared resid 0.516955 Schwarz criterion -0.916112 Log likelihood 16.15778 Hannan-Quinn criter. -0.982179 F-statistic 45.42317 Durbin-Watson stat 1.905474 Prob(F-statistic) 0.000000

Page 199: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

184

Lampiran 10: Hasil Uji Multikolonearitas (Kolomogrov Sminorv Test)

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 30

Normal Parametersa Mean .0000000

Std. Deviation .04081822

Most Extreme Differences Absolute .072

Positive .065

Negative -.072

Kolmogorov-Smirnov Z .394

Asymp. Sig. (2-tailed) .998

a. Test distribution is Normal.

Page 200: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

185

Lampiran 11: Hasil Uji Autokorelasi (Durbin Watson)

Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 HMLX3,

Pre_RiskX1,

SMBX2a

. Enter

a. All requested variables entered.

b. Dependent Variable: ReturnY

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate Durbin-Watson

1 .900a .811 .789 .043109 1.975

a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2

b. Dependent Variable: ReturnY

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression .207 3 .069 37.085 .000a

Residual .048 26 .002

Total .255 29

a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2

b. Dependent Variable: ReturnY

Page 201: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

186

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig. B Std. Error Beta

1 (Constant) .134 .146 .918 .367

Pre_RiskX1 1.093 .106 .909 10.294 .000

SMBX2 .053 .060 .127 .886 .384

HMLX3 -.026 .050 -.075 -.518 .609

a. Dependent Variable: ReturnY

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -.23158 .14573 -.04010 .084436 30

Residual -.116376 .078028 .000000 .040818 30

Std. Predicted Value -2.268 2.201 .000 1.000 30

Std. Residual -2.700 1.810 .000 .947 30

a. Dependent Variable: ReturnY

Page 202: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

187

Lampiran 12: Uji Multikolonearitas

Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 HMLX3,

Pre_RiskX1,

SMBX2a

. Enter

a. All requested variables entered.

b. Dependent Variable: ReturnY

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .900a .811 .789 .043109

a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2

b. Dependent Variable: ReturnY

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression .207 3 .069 37.085 .000a

Residual .048 26 .002

Total .255 29

a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2

b. Dependent Variable: ReturnY

Page 203: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

188

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) .134 .146 .918 .367

Pre_RiskX1 1.093 .106 .909 10.294 .000 .935 1.070

SMBX2 .053 .060 .127 .886 .384 .352 2.840

HMLX3 -.026 .050 -.075 -.518 .609 .344 2.905

a. Dependent Variable: ReturnY

Coefficient Correlationsa

Model HMLX3 Pre_RiskX1 SMBX2

1 Correlations HMLX3 1.000 -.255 -.805

Pre_RiskX1 -.255 1.000 .209

SMBX2 -.805 .209 1.000

Covariances HMLX3 .002 -.001 -.002

Pre_RiskX1 -.001 .011 .001

SMBX2 -.002 .001 .004

a. Dependent Variable: ReturnY

Collinearity Diagnosticsa

Model

Dimensi

on Eigenvalue Condition Index

Variance Proportions

(Constant) Pre_RiskX1 SMBX2 HMLX3

1 1 3.215 1.000 .00 .02 .00 .00

2 .774 2.038 .00 .92 .00 .00

3 .011 17.291 .10 .02 .00 .40

4 .001 59.170 .90 .04 1.00 .60

a. Dependent Variable: ReturnY

Page 204: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

189

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -.23158 .14573 -.04010 .084436 30

Residual -.116376 .078028 .000000 .040818 30

Std. Predicted Value -2.268 2.201 .000 1.000 30

Std. Residual -2.700 1.810 .000 .947 30

a. Dependent Variable: ReturnY

Page 205: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

190

Lampiran 13: Hasil Uji Heterekodastisitas (Glesjer Test)

Variables Entered/Removedb

Model

Variables

Entered

Variables

Removed Method

1 HMLX3,

Pre_RiskX1,

SMBX2a

. Enter

a. All requested variables entered.

b. Dependent Variable: ReturnY

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .900a .811 .789 .043109

a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2

b. Dependent Variable: ReturnY

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression .207 3 .069 37.085 .000a

Residual .048 26 .002

Total .255 29

a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2

b. Dependent Variable: ReturnY

Page 206: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

191

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.

Collinearity

Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) .134 .146 .918 .367

Pre_RiskX

1 1.093 .106 .909 10.294 .000 .935 1.070

SMBX2 .053 .060 .127 .886 .384 .352 2.840

HMLX3 -.026 .050 -.075 -.518 .609 .344 2.905

a. Dependent Variable: ReturnY

Coefficient Correlationsa

Model HMLX3 Pre_RiskX1 SMBX2

1 Correlations HMLX3 1.000 -.255 -.805

Pre_RiskX1 -.255 1.000 .209

SMBX2 -.805 .209 1.000

Covariances HMLX3 .002 -.001 -.002

Pre_RiskX1 -.001 .011 .001

SMBX2 -.002 .001 .004

a. Dependent Variable: ReturnY

Collinearity Diagnosticsa

Model

Dimensi

on Eigenvalue Condition Index

Variance Proportions

(Constant) Pre_RiskX1 SMBX2 HMLX3

1 1 3.215 1.000 .00 .02 .00 .00

2 .774 2.038 .00 .92 .00 .00

3 .011 17.291 .10 .02 .00 .40

4 .001 59.170 .90 .04 1.00 .60

a. Dependent Variable: ReturnY

Page 207: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

192

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value -.23158 .14573 -.04010 .084436 30

Residual -.116376 .078028 .000000 .040818 30

Std. Predicted Value -2.268 2.201 .000 1.000 30

Std. Residual -2.700 1.810 .000 .947 30

a. Dependent Variable: ReturnY

Page 208: PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE …repository.uinjkt.ac.id/dspace/bitstream/123456789/40727/1/INTAN... · ii pembentukan portofolio optimal dengan single index model

193

Lampiran 14: Hasil Analisis Regresi Linear Berganda (Ordinary Least Square)

Dependent Variable: Y Method: Least Squares Date: 05/21/18 Time: 22:07 Sample: 1 30 Included observations: 30

Variable Coefficient Std. Error t-Statistic Prob. C 0.134659 0.145221 0.927270 0.3623

X1 1.095388 0.105984 10.33538 0.0000 X2 0.053544 0.059846 0.894697 0.3792 X3 -0.025840 0.049326 -0.523850 0.6048

R-squared 0.811784 Mean dependent var -0.040179

Adjusted R-squared 0.790066 S.D. dependent var 0.093783 S.E. of regression 0.042970 Akaike info criterion -3.333057 Sum squared resid 0.048007 Schwarz criterion -3.146231 Log likelihood 53.99586 Hannan-Quinn criter. -3.273290 F-statistic 37.37964 Durbin-Watson stat 1.989096 Prob(F-statistic) 0.000000