PENGARUH FIVE FACTOR ASSET PRICING MODEL
Transcript of PENGARUH FIVE FACTOR ASSET PRICING MODEL
PENGARUH FIVE FACTOR ASSET PRICING MODEL
FAMA-FRENCH TERHADAP EXCESS RETURN
PADA PERIODE SEBELUM DAN SESUDAH
CURRENCY CRISIS
SKRIPSI
Oleh
Maria Mathilda Rosdiana Dewi
008201405061
Dipersembahkan Kepada
Fakultas Bisnis, President University
Untuk Memenuhi Sebagian dari Persyaratan
Guna Memperoleh Gelar Sarjana Akuntansi
PRESIDENT UNIVERSITY
Cikarang Baru – Bekasi
Indonesia
2018
ii
iii
iv
v
KATA PENGANTAR
Puji dan Syukur kepada Tuhan Yesus Kristus atas berkat dan kasih karunia-
Nya sehingga penulis dapat menyelesaikan skripsi ini dengan baik meskipun dengan
keterbatasan pengetahuan, informasi, waktu dan tenaga yang dimiliki oleh penulis.
Penyusunan skripsi ini bertujuan untuk memenuhi dan melengkapi persyaratan guna
menempuh ujian sidang pada Program Studi Akuntansi President University.
Penulis menyadari bahwa penyusunan skripsi ini masih jauh dari sempurna
karena keterbatasan yang dimiliki oleh penulis. Untuk itu penulis menerima dan
mengharapkan kritik dan saran yang membangun dari semua pihak yang telah
membaca skripsi ini. Pada kesempatan ini, penulis juga ingin mengucapkan terima
kasih kepada:
1. Drs. Gatot Imam Nugroho, Ak., M.B.A., CA dan Dr. Ika Pratiwi Simbolon,
SE., MM. selaku pembimbing skripsi yang telah meluangkan waktu, tenaga
dan pikiran ditengah kesibukan sehari-hari untuk membimbing penulis dalam
menyelesaikan skripsi ini.
2. Andi Ina Yustina, M.Sc., CIBA, CMA. selaku Ketua Program Studi Akuntansi
President University.
3. Segenap dosen Fakultas Bisnis President University atas semua ilmu yang
telah diberikan kepada penulis selama masa perkuliahan.
4. Seluruh staf dan karyawan President University yang telah membantu
kelancaran administrasi penulis.
5. Keluarga penulis yang terkasih. Papa di Surga, Mama, Mas Aldo, Mbak Tika
dan Mbah Uti atas dukungan dan doa yang diberikan kepada penulis selama
proses penyelesaian skripsi.
6. David yang berjuang bersama dalam menyelesaikan skripsi dan mendukung
penulis dalam mengerjakan skripsi.
7. Teman-teman jurusan Akuntansi angkatan 2014 yang telah berjuang bersama-
sama selama menempuh pendidikan di President University.
8. Seluruh pihak yang tidak dapat penulis sebutkan satu per satu yang telah
membantu dalam penyelesaian skripsi ini.
vi
Akhir kata, penulis berharap skripsi ini dapat bermanfaat untuk perkembangan
Ilmu Pengetahuan Umum dan Ilmu Ekonomi khususnya dalam dunia investasi.
Cikarang, 25 Maret 2018
Penulis
vii
DAFTAR ISI
COVER ......................................................................................................................... i
LEMBAR PENGESAHAN ........................................................................................ ii
SURAT REKOMENDASI ........................................................................................ iii
SURAT PERNYATAAN ........................................................................................... iv
KATA PENGANTAR ................................................................................................. v
DAFTAR ISI.............................................................................................................. vii
INTISARI ................................................................................................................... ix
BAB I PENDAHULUAN ............................................................................................ 1
1.1. Latar Belakang ................................................................................................... 1
1.2. Rumusan Masalah .............................................................................................. 4
1.3. Tujuan Penelitian................................................................................................ 4
1.4. Manfaat Penelitian.............................................................................................. 4
1.5. Sistematika Penulisan ......................................................................................... 5
BAB II TINJAUAN PUSTAKA ................................................................................ 6
2.1. Investasi Saham......................................................................................................... 6
2.2. Portofolio Saham ...................................................................................................... 6
2.3. Return dan Excess Return ........................................................................................ 7
2.4. Five Factor Asset Pricing Model Fama-French .................................................... 8
2.5. Penelitian Sebelumnya ........................................................................................... 14
2.6. Pengembangan Hipotesis ....................................................................................... 15
BAB III METODE PENELITIAN .......................................................................... 17
3.1. Pendekatan Penelitian ...................................................................................... 17
3.2. Definisi Operasional dan Pengukuran Variabel .............................................. 17
3.2.1. Excess Return Portofolio .......................................................................... 17
3.2.2. Market Excess Return (MKT) ........................................................................ 18
3.2.3. Small minus big (SMB) ............................................................................. 18
3.2.4. High Minus Low (HML) ............................................................................ 20
3.2.5. High Minus Low Orthogonal (HMLO) ......................................................... 21
3.2.6. Robust Minus Weak (RMW) .......................................................................... 22
3.2.7. Conservative Minus Aggresive (CMA) ......................................................... 23
3.2.8. Five Factor Asset Pricing Model Fama-French ........................................... 24
viii
3.3. Prosedur Penentuan Sample ............................................................................. 24
3.4. Instrumen Penelitian ......................................................................................... 25
3.5. Analisis Statistik ............................................................................................... 25
BAB IV ANALISIS DATA DAN PEMBAHASAN ................................................ 30
4.1. Deskripsi Data .................................................................................................. 30
4.1.1. Deskripsi Hasil Penelitian ............................................................................... 30
4.1.2. Deskripsi Hasil Pembentukan Portofolio ...................................................... 34
4.2 Hasil dan Pembahasan ....................................................................................... 48
4.2.1. Analisis Pengaruh Asset Pricing Model terhadap Excess Return Sebelum
dan Sesudah Currency Crisis ................................................................................... 48
4.2.2. Pembahasan ...................................................................................................... 50
BAB V KESIMPULAN DAN SARAN .................................................................... 51
5.1. Kesimpulan....................................................................................................... 51
5.2. Saran ................................................................................................................. 51
DAFTAR PUSTAKA ................................................................................................ 52
LAMPIRAN............................................................................................................... 55
ix
INTISARI
Dalam berinvestasi, sangat diperlukan kemampuan untuk memprediksi return
suatu saham bagi para investor. Return saham berbanding lurus dengan kemungkinan
risiko kerugian investasi. Salah satu cara untuk meminimalisir risiko adalah dengan
cara membentuk portofolio. Hal tersebut juga diikuti dengan perkembangan asset
pricing model untuk membentuk portofolio dengan harapan dapat memberikan return
yang optimal. Salah satu risiko yang mungkin dihadapi oleh investor yaitu currency
crisis. Tujuan penelitian adalah untuk mengetahui pengaruh Five Factor Asset Pricing
Model secara simultan terhadap excess return pada periode sebelum dan sesudah
currency crisis dengan menggunakan teknik multiple regression dan uji F. Hasil
penelitian ini menunjukkan terdapat pengaruh Five Factor Asset Pricing Model secara
simultan terhadap excess return pada periode sebelum dan sesudah currency crisis.
Kata Kunci: Excess Return, Five Factor Asset Pricing Model, Currency Crisis
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Penelitian
Pasar modal menjadi salah satu pilihan bagi para investor untuk menanamkan
modal serta merupakan sarana bagi pengusaha untuk mendapatkan dana dari pihak
yang memiliki dana lebih atau investor. Perkembangan pasar modal membuat
investasi tidak hanya terbatas pada tabungan dan aktiva riil namun dapat juga dalam
bentuk obligasi, saham, dan sekuritas yang lain. Investor yang berinvestasi dengan
cara membeli saham akan mendapatkan return berupa dividen setiap tahun dan
kenaikan harga saham ketika dijual kembali atau yang disebut capital gain. Didalam
pembentukan portofolio, investor perlu mengukur berapa return yang benar-benar
diterima dari portofolio dibandingkan apabila investor menginvestasikan kedalam aset
bebas risiko (risk-free rate) seperti suku bunga BI. Maka dari itu return sesungguhnya
yang akan diterima investor adalah selisih antara return portofolio dengan nilai risk-
free rate atau disebut excess return. (Bodie et al., 2013)
Peristiwa ekonomi memberikan dampak secara individu maupun secara
keseluruhan bagi perusahaan. Dampak peristiwa ekonomi dapat tercermin dari
bagaimana harga saham merespon informasi atas kejadian selama pemberitaan
kepada publik. Sejak Juni 2013, nilai tukar rupiah cenderung melemah. Hal yang
sama juga dialami oleh beberapa negara seperti Turki, India, dan Brazil. Indonesia
termasuk salah satu negara yang mengalami penurunan nilai tukar terhadap mata uang
asing. Menurut Burnside et al. (2007), krisis nilai tukar adalah peristiwa menurunnya
nilai mata uang secara substansial dari waktu ke waktu.
2
Penurunan nilai tukar mata uang juga berdampak terhadap pergerakan Indeks
Harga Saham Gabungan (IHSG). Pada Oktober 2008, penurunan secara drastis
dialami oleh IHSG akibat terjadinya krisis moneter sehingga menyentuh posisi
terendah di 1,111 dan pada Maret 2009 perlahan mengalami kenaikan. Namun pada
akhir bulan Juni 2013 kembali mengalami penurunan secara drastis yang diakibatkan
krisis nilai tukar.
Beberapa peneliti telah melakukan penelitian pada periode sebelum dan
sesudah krisis. Olowe (2009), Wu & Chang (2002), dan Kim (1999) dalam
penelitiannya menjelaskan bahwa financial crisis tidak memberikan dampak yang
signifikan terhadap return dan juga terhadap variabel makroekonomi. Namun berbeda
dengan penelitian yang dilakukan oleh Blandon (2011) yang menyebutkan bahwa
financial crisis secara dramatis dapat mengubah perilaku peserta di pasar keuangan.
Ketika berinvestasi, para investor juga akan menghadapi kemungkinan risiko
kerugian yang memiliki perbandingan lurus dengan keuntungan yang didapatkan.
Menurut Gitman (2003), risiko adalah kemungkinan kerugian atau lebih formal
diartikan sebagai variabilitas return yang terkait dengan aset yang telah diserahkan.
Salah satu cara investor untuk mendiversifikasi risiko adalah dengan membentuk
portofolio saham. Kemampuan memprediksi return bagi para investor sangatlah
penting dalam rangka untuk pengambilan keputusan terkait kegiatan investasi. Oleh
karena itu, para peneliti terus melakukan perkembangan atas asset pricing model yang
bertujuan untuk menemukan model terbaik dalam memprediksi return yang optimal.
Sejarah asset pricing model merupakan salah satu evolusi. Ketika sebuah
anomali ditemukan, maka asset pricing model dikembangkan. Asset pricing model
pertama yang paling banyak berkontribusi pada pemberian definisi risiko yang tepat
dan dalam memprediksi return yaitu berasal dari penelitian dari William Sharpe
3
(1964), John Lintner (1965a, b), dan Jan Mossin (1966) yang disebut Capital Asset
Pricing Model (CAPM). Dalam perkembangannya, muncul penelitian Fama dan
French (1992) tentang Three Factor Asset Pricing Model ternyata mampu
menggantikan CAPM. Fama dan French dalam Three Factor Model menemukan
bahwa tidak hanya beta yang mempengaruhi return tetapi size atau ukuran kapitalisasi
perusahaan dan book-to-market ratio setiap perusahaan juga mempengaruhinya.
Kemudian pada tahun 1997, Mark Carhart memperkenalkan Carhart Four Factor
Model dengan menambahkan faktor momentum dalam Three Factor Model yang
dapat menjelaskan mutual fund return.
Pada tahun 2015, Fama dan French melakukan penelitian tentang asset pricing
model baru yaitu Five Factor Model. Tujuan dari dilakukannya penelitian tersebut
adalah untuk menentukan apakah dua faktor baru yaitu profitability dan investment
pattern — yang pertama kali diperkenalkan oleh Hou et al. (2012), dapat lebih
mampu memprediksi return. Sebelumnya, Hou et al. (2012) melakukan pengujian
terhadap asset pricing model dan memperkenalkan q-Factor Model dengan
menambahkan faktor profitability dan investment pattern dalam Three Factor Model
namun tidak mengikutsertakan book-to-market ratio didalam pengujiannya. Hasilnya
menunjukkan bahwa penelitian yang dilakukan oleh Hou et al. (2012) lebih akurat
untuk memprediksi return daripada Three Factor Model. Kemudian Fama dan French
(2015) memperbaiki Three Factor Model dan menambahkan faktor profitability dan
investment pattern dalam penelitiannya. Selain menambahkan dua faktor, Fama dan
French juga membenahi faktor book-to-market karena ketika dilakukan pengujian
dengan q-Factor model yang tidak mengikutsertakan book-to-market dengan Five
Factor Model yang mengikutsertakan faktor book-to-market hasilnya menunjukkan
bahwa q-Factor Model lebih akurat dalam memprediksi return. Oleh karena itu, Fama
dan French mengubah faktor book-to-market menjadi book-to-market orthogonal dan
hasil penelitian Fama dan French (Five Factor Asset Pricing Model) lebih akurat
untuk memprediksi return dibandingkan dengan penelitian Hou et al. (2012) atau q-
Factor Model.
Berdasarkan latar belakang tersebut, peneliti tertarik untuk menganalisis
pengaruh Five Factor Model Fama-French terhadap excess return pada periode
sebelum dan sesudah currency crisis. Dengan melakukan analisis pada periode
sebelum dan sesudah currency crisis menjadikan penelitian ini berbeda dengan
penelitian yang lainnya.
4
1.2. Rumusan Masalah
Permasalahan yang muncul berdasarkan latar belakang yang diatas adalah:
1. Apakah terdapat pengaruh Five Factor Model yang meliputi market excess
return, size, book-to-market orthogonal, profitability, dan investment pattern
secara simultan terhadap excess return pada periode sebelum currency crisis?
2. Apakah terdapat pengaruh Five Factor Model yang meliputi market excess
return, size, book-to-market orthogonal, profitability, dan investment pattern
secara simultan terhadap excess return pada periode sesudah currency crisis?
1.3. Tujuan Penelitian
Berdasarkan permasalahan yang muncul, maka penelitian ini bertujuan untuk:
1. Mengetahui adakah pengaruh secara simultan antara market excess return,
size, book-to-market orthogonal, profitability, dan investment pattern terhadap
excess return pada periode sebelum currency crisis.
2. Mengetahui adakah pengaruh secara simultan antara market excess return,
size, book-to-market orthogonal, profitability, dan investment pattern terhadap
excess return pada periode sesudah currency crisis.
1.4. Manfaat Penelitian
Manfaat dari penelitian ini antara lain:
1) Penelitian ini diharapkan dapat memberi informasi mengenai Five Factor
Model dalam memprediksi return portofolio bagi para investor, sehingga dapat
memberi pertimbangan ketika menganalisis portofolio sekaligus dapat
membantu para investor dalam proses pengambilan keputusan.
2) Penelitian ini dapat menambah wawasan bagi penulis terkait faktor-faktor
yang mempengaruhi excess return portofolio melalui Five Factor Model
Fama-French pada periode sebelum dan sesudah currency crisis. Penelitian ini
juga sebagai penerapan dari ilmu yang telah penulis dapatkan selama kuliah.
3) Bagi akademisi, penelitian ini diharapkan dapat digunakan sebagai referensi
bagi para peneliti selanjutnya yang tertarik untuk meneliti mengenai pasar
modal terutama dengan tema asset pricing model, return portofolio, serta
currency crisis.
5
1.5. Sistematika Penulisan
Bab I : Pendahuluan
Pada bab ini membahas tentang latar belakang penelitian,
permasalahan yang akan dijawab melalui penelitian, tujuan dari
penelitian, manfaat penelitian bagi para investor, bagi penulis, dan bagi
akademisi serta sistematika penulisan penelitian.
Bab II : Tinjauan Pustaka
Pada bab ini berisi teori-teori yang mendukung penelitian ini serta
faktor-faktor yang terdapat pada model yang diteliti (Five Factor
Model Fama-French). Bab ini juga membahas mengenai penelitian
sebelumnya, hipotesis dan model analisis penelitian, serta kerangka
berpikir yang digunakan oleh penulis dalam penelitian ini.
Bab III : Metode Penelitian
Pada bab ini berisi tentang jenis dan sumber data yang digunakan
untuk penelitian, prosedur penentuan sample, serta teknik analisis data
dalam penelitian.
Bab IV : Analisa Data dan Pembahasan
Pada bab ini akan dibahas hasil penelitian bagaimana pengaruh Five
Factor Model Fama-French terhadap excess return pada periode
sebelum dan sesudah currency crisis, serta dicantumkan hasil
pengujiannya.
Bab V : Kesimpulan dan Saran
Pada bab ini berisi tentang kesimpulan dari penelitian yang telah
dilakukan secara keseluruhan dan saran bagi para peneliti selanjutnya
agar dapat dikembangkan dalam penelitian selanjutnya.
6
BAB II
TINJAUAN PUSTAKA
2.1. Investasi Saham
Horne dan Wachowicz (2008) dalam bukunya menjelaskan bahwa keputusan
untuk berinvestasi merupakan hal yang penting ketika perusahaan ingin melakukan
value creation. Serta bagaimana manajer keuangan mengalokasikan dana ke
dalam jenis-jenis investasi yang dapat mendatangkan keuntungan di masa
depan. Selanjutnya, Gitman dan Joehnk (2005) dalam bukunya mendefinisikan
investasi sebagai sarana untuk menempatkan dana dengan harapan akan menghasilkan
hal positif dan/atau menjaga atau meningkatkan dana tersebut.
Saham adalah surat berharga yang merupakan bukti penyertaan kepemilikan
suatu perusahaan (Bodie et al., 2013). Masing-masing lembar saham mewakili satu
suara mengenai hal-hal yang berhubungan dalam pengurusan perusahaan dan dapat
suara tersebut dapat dipergunakan dalam rapat tahunan perusahaan serta dalam
pembagian keuntungan. Perusahaan yang hanya dapat menerbitkan satu kelas saham,
maka saham itu disebut saham biasa, sedangkan apabila perusahaan hendak menarik
investor lain dan memberikan hak-hak istimewa didalam saham yang melebihi saham
biasa, maka perusahaan tersebut dapat menerbitkan saham preferen. Hak istimewa
didalam saham preferen berupa hak prioritas atas pembagian dividen yang tetap
dibagikan apabila terjadi likuidasi. Pemegang saham preferen pada umumnya
memiliki hak suara yang berbeda dengan pemegang saham biasa.
2.2. Portofolio Saham
Portofolio yang baik adalah portofolio yang mampu memberi return dengan
risiko yang dapat ditentukan oleh para investor. Dalam pemilihan saham yang akan
dimasukkan kedalam portofolio, diperlukan metode yang dapat menilai saham mana
saja yang mampu memberikan return bagi para investor. Modern Portfolio Theory
merupakan teori yang memberi investor cara-cara untuk menentukan risiko dan return
dengan memilih aset yang beragam atau bervariasi.
Harry Markowitz merumuskan Modern Portfolio Theory pada tahun 1952
berdasarkan asumsi:
7
1) Evaluasi portofolio dilakukan oleh investor dengan melihat expected
return dan simpangan baku portofolio dalam periode tertentu.
2) Para investor tidak pernah merasa puas, jadi ketika mereka diberikan
pilihan antara dua portofolio dengan simpangan baku identik, para investor
akan memilih portofolio yang mampu memberikan return yang tinggi.
3) Investor memiliki karakteristik sebagai risk averse, sehingga ketika
diberikan pilihan antara dua portofolio dengan expected return yang
identik, mereka akan memilih portofolio dengan simpangan baku yang
rendah.
4) Aset individual dapat dibagi menjadi tidak terbatas, yang berarti bahwa
investor dapat membeli sebagian saham apabila mereka menginginkannya.
5) Adanya risk-free rate yang pada tingkat/rate tersebut para investor dapat
meminjam uang atau memberikan pinjaman.
6) Biaya transaksi dan pajak tidak relevan.
7) Seluruh investor mempunyai rentang periode yang sama.
8) Risk-free interest rate untuk semua investor adalah sama.
9) Informasi dapat diperoleh dengan bebas dan dapat tersedia dengan cepat
bagi seluruh investor.
10) Para investor memiliki persepsi yang sama dalam hal expected return,
simpangan baku, dan kovarian sekuritas.
2.3. Return dan Excess Return
Bodie et al. (2013) menjelaskan bahwa return merupakan penghasilan yang
diperoleh selama periode investasi atas semua dana yang telah diinvestasikan. Secara
umum, return pada suatu investasi adalah persentase dari penghasilan total selama
periode investasi dibandingkan harga beli investasi tersebut. Ketika harga jual lebih
besar dari harga beli maka disebut capital gain. Demikian sebaliknya, ketika harga
jual lebih kecil dari harga beli maka disebut capital loss.
Rumus untuk menghitung return saham adalah (Bodie et al., 2013):
𝑅𝑡 =𝑃𝑡 − 𝑃𝑣
𝑃𝑣
Rt = Actual return saham dan atau indeks pasar pada bulan ke-t
Pt = Harga saham dan atau indeks pasar pada bulan ke-t
Pv = Harga saham dan atau indeks pasar pada bulan ke t-1
8
Dalam proses pembentukan portofolio, diperlukan pengukuran bagi para
investor atas actual return yang diterima dari portofolio dibandingkan jika investor
menginvestasikan dalam aset bebas risiko seperti suku bunga BI. Maka dari itu actual
return yang akan diterima investor adalah selisih dari return portofolio dengan risk-
free rate atau disebut excess return. Excess return adalah perbedaan yang terjadi pada
satu periode tertentu antara tingkat return suatu aset dengan tingkat return yang akan
didapatkan dibandingkan ketika menempatkan dananya pada aset bebas risiko. (Bodie
et al., 2013)
2.4. Five Factor Asset Pricing Model Fama-French
Fama dan French memperkenalkan Five Factor Model yang menambahkan
faktor profitability atau RMW (Robust Minus Weak) dan investment pattern atau
CMA (Conservative Minus Aggressive) didalam Three Factor Model. Kedua faktor
ini adalah penambahan dari q-Factor Model yang diperkenalkan oleh Hou et al.
(2014). Fama dan French (2015) mencatat bahwa dengan menambahkan kelima faktor
itu menghasilkan keakuratan yang lebih baik dibandingkan dengan Three Factor
Model. Faktor yang dipertimbangkan pada Five Factor Model yaitu: market excess
return, size atau SMB (Small Minus Big), book-to-market atau HML (High Minus
Low), serta menambahkan faktor profitability atau RMW (Robust Minus Weak) dan
investment pattern atau CMA (Conservative Minus Aggressive).
Selain menambahkan faktor profitability dan investment pattern, Five Factor
Model juga mengganti faktor HML (High Minus Low) dengan faktor HMLO (High
Minus Low Orthogonal). Pergantian faktor tersebut dilakukan oleh Fama dan French
(2015) karena dalam regresi dari kelima variabel tersebut, q-Factor Model yang tidak
memasukkan variabel HML, menunjukkan hasil yang lebih akurat dibandingkan
dengan Five Factor Model ketika variabel HML dimasukkan sebagai variabel. Karena
itulah Fama dan French (2015) mengganti faktor HML dengan faktor HMLO.
Penggunaan HMLO dikarenakan variabel HML adalah redundant/berlebihan didalam
Five Factor Model. Hal yang menyebabkan Fama dan French (2015) menganggap
bahwa variabel HML sebagai faktor redundant yaitu adanya korelasi antara variabel
HML dengan variabel lainnya, terutama dengan variabel RMW dan CMA.
HMLO adalah nilai dari variabel book-to-market terhadap market return, size,
profitability dan investment pattern ketika nilai dari keempat variabel tersebut tidak
9
mempengaruhi book-to-market ratio. Oleh sebab itu, Fama dan French (2015)
menggunakan return variabel HML dari nilai yang didapatkan dari regresi HML
dengan MKT, SMB, RMW dan CMA. Novy-Marx (2013) mengemukakan bahwa
faktor profitability memiliki kemampuan yang sama dengan faktor book-to-market
dalam menjelaskan return saham.
Setelah mengganti faktor HML dengan HMLO maka rumus Five Factor
Model dapat diketahui dengan (Fama & French, 2015):
E(Ri) = Rf + 𝛽m[E(𝑅m)–𝑅f]+𝛽s𝑆𝑀𝐵 +𝛽h𝐻𝑀𝐿O+𝛽rRMW+𝛽cCMA
Dimana:
E(Ri) = Expected Return Portofolio
Rf = Return yang tidak terpengaruh oleh risiko pasar
E(Rm) = Expected Return indeks pasar
𝛽m = Beta indeks pasar
SMB = Small Minus Big; perbedaan setiap bulan antara rata-rata dari
return pada portofolio saham kecil (S/L, S/H) dan rata- rata
return pada portofolio saham besar (B/L, B/H)
𝛽s = Beta dari SMB
HMLO = High Minus Low Orthogonal; penjumlahan antara intercept
dengan nilai residu dari regresi HML dengan market factor,
size, profitability dan investment pattern
𝛽h = Beta dari HML
RMW = Robust Minus Weak; perbedaan setiap bulan antara rata-rata
return pada portofolio dengan profitability tinggi (S/R dan
B/R) dan rata-rata return pada portofolio dengan profitability
rendah (S/W dan B/W)
𝛽r = Beta dari RMW
CMA = Conservative Minus Aggressive; perbedaan setiap bulan
antara rata-rata return pada portofolio yang perubahan total
asetnya rendah (S/C dan B/C) dan rata-rata return pada
portofolio yang perubahan total asetnya tinggi (S/A dan B/A)
𝛽c = Beta dari CMA
10
Setelah diketahui rumus dari Five Factor Model, dapat dikembangkan lagi
untuk mencari nilai excess return dari portofolio Five Factor Model supaya investor
dapat mengetahui berapa return portofolio yang akan didapat setelah dikurangi risk-
free rate. Pengembangan rumus Five Factor Model dapat ditulis menjadi:
E(Ri)-Rf = Rf+𝛽m[E(𝑅m)–𝑅f]+𝛽s𝑆𝑀𝐵 +𝛽h𝐻𝑀𝐿O+𝛽rRMW+𝛽cCMA
a. Market Excess Return (MKT)
Menurut Franke (1984) dan Fama dan French (1993), market excess return
(MKT) merupakan selisih antara return pasar (Rm) dengan return aset bebas risiko
atau risk-free rate (Rf). Di Indonesia untuk mencari return pasar (Rm) dapat
menggunakan indeks harga saham gabungan (IHSG) untuk keseluruhan industri di
Indonesia. Risk-free rate (Rf) merupakan tingkat bunga yang diperoleh investor
apabila berinvestasi pada aset bebas risiko, misalnya obligasi jangka pendek yang
dikeluarkan oleh pemerintah. Untuk tingkat aset bebas risiko (Rf) dalam penelitian ini
menggunakan SBI.
b. Small Minus Big (SMB)
Small Minus Big (SMB) merupakan salah satu variabel dalam penilaian return
portofolio berdasarkan Five Factor Model Fama-French. SMB merupakan selisih dari
return saham perusahaan dengan nilai kapitalisasi pasar kecil (small caps) pada
periode t dengan return saham perusahaan dengan nilai kapitalisasi pasar besar (big
caps) pada periode t. SMB sendiri dimaksudkan untuk menggambarkan faktor risiko
pada tingkat pengembalian yang berkaitan dengan ukuran perusahaan (firm size).
Menurut Fama dan French (1993), size adalah ukuran kapitalisasi suatu perusahaan
dipasar modal yang diukur dengan nilai saham perusahaan keseluruhan di bursa. Cara
menentukan perusahaan yang masuk golongan big size dan small size adalah dengan
meranking nilai kapitalisasi pasar seluruh perusahaan yang ada di bursa dari yang
terbesar sampai yang terkecil. Perusahaan yang memiliki nilai yang besar akan masuk
golongan big size, sedangkan perusahaan dengan nilai yang kecil akan masuk
golongan small size. Ukuran perusahaan (size) menggambarkan besar kecilnya suatu
perusahaan yang ditunjukkan oleh total aktiva, total penjualan, atau total kapitalisasi
pasar. Kapitalisasi pasar dihitung dengan mengalikan jumlah saham perusahaan yang
beredar (outstanding shares) dengan harga sekarang dari saham tersebut.
11
Menurut Fama dan French (1995), firm size (kapitalisasi pasar) secara parsial
berpengaruh terhadap return. Adapun tingkat pertumbuhan pendapatan perusahaan
kecil (small caps) cenderung lebih besar daripada perusahaan besar (big caps). Hal ini
dikarenakan return saham perusahaan kecil cenderung lebih fluktuatif, dibandingkan
dengan perusahaan besar yang lebih stabil. Harga saham perusahaan besar yang stabil
menyebabkan volatilitas yang kecil sehingga return yang dihasilkan pun juga kecil.
Sehingga dapat disimpulkan bahwa SMB berhubungan positif dengan return
portofolio.
c. High Minus Low (HML)
Variabel selanjutnya yang ada pada Five Factor Model Fama-French adalah
High Minus Low (HML). HML dalam Five Factor Model Fama-French berkaitan
dengan tinggi atau rendahnya nilai book-to-market (B/M) dari perusahaan.
Menurut Rosenberg et al. (1985) serta Fama dan French (1993), book-to-
market ratio adalah rasio perbandingan antara book value of equity suatu perusahaan
dengan market value of equity. Rasio ini menunjukkan seberapa jauh suatu
perusahaan mampu menciptakan nilai perusahaan relatif terhadap jumlah modal yang
diinvestasikan. Book-to-market ratio dapat menjadi indikator bahwa perusahaan
tersebut under value atau over value. Apabila book value suatu sekuritas lebih kecil
dibanding market value (book-to-market ratio < 1), maka saham perusahaan tersebut
over value. Sebaliknya, bila book value sekuritas lebih lebih besar dibanding market
value (book-to-market ratio > 1), maka saham perusahaan tersebut under valued.
Persamaan untuk mendapatkan nilai book-to-market ratio adalah:
𝑩𝒐𝒐𝒌 − 𝒕𝒐 − 𝒎𝒂𝒓𝒌𝒆𝒕 =𝑩𝒐𝒐𝒌 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑬𝒒𝒖𝒊𝒕𝒚
𝑴𝒂𝒓𝒌𝒆𝒕 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑬𝒒𝒖𝒊𝒕𝒚
HML merupakan selisih dari return saham perusahaan dengan nilai B/M
tinggi dengan return saham dari perusahaan dengan nilai B/M rendah. Batas tengah
untuk menentukan nilai B/M tergolong tinggi atau rendah diperoleh berdasarkan rata-
rata nilai B/M dari keseluruhan sampel yang diteliti.
Fama dan French (1995) menyatakan bahwa perusahaan dengan nilai B/M
tinggi mempunyai profitability lebih rendah daripada perusahaan dengan nilai B/M
yang lebih rendah. Nilai B/M yang tinggi juga menunjukkan bahwa perusahaan
sedang dalam kondisi distress. Dengan kondisi seperti ini, pada akhirnya akan terjadi
yang namanya over reaction. Dimana pada akhirnya investor akan menilai saham
12
perusahaan sedang dalam kondisi under value. Under value merupakan kondisi
dimana book value perusahaan lebih tinggi dibandingkan dengan market valuenya.
Perusahaan under value tidak selalu menandakan bahwa kinerja perusahaan
tidak baik, akan tetapi hal ini bisa diakibatkan oleh investor yang menilai saham
perusahaan terlalu rendah. Maka dari itu, nantinya dapat dimungkinkan adanya
koreksi harga naik mendekati nilai wajarnya. Dengan adanya persepsi (positif)
koreksi harga tersebut, akan mendorong investor untuk membeli saham dari
perusahaan-perusahaan dengan nilai B/M yang tinggi dengan harapan mengalami
kenaikan harga yang akan mendorong kenaikan return. Sehingga berdasarkan analisis
tersebut dapat disimpulkan bahwa nilai B/M berpengaruh positif terhadap return
portofolio.
d. Robust Minus Weak (RMW)
Robust Minus Weak (RMW) merupakan salah satu variabel baru dari dua
variabel tambahan yang ada dalam Five Factor Model Fama-French. Variabel RMW
berkaitan erat dengan faktor profitability perusahaan. Profitability adalah kemampuan
perusahaan untuk menghasilkan keuntungan pada tingkat penjualan, aset, dan modal
saham tertentu. Ada tiga rasio yang sering dibicarakan, yaitu: profit margin, return on
asset (ROA) dan return on equity (ROE).
Berdasarkan Hou et al. (2014) dan Chiah et al. (2015), variabel profitability
pada Five Factor Model diproksikan dengan ROE. Perusahaan dengan nilai ROE
yang tinggi nantinya akan masuk dalam kelompok robust, sedangkan perusahaan
dengan nilai ROE yang rendah nantinya akan masuk dalam kelompok weak.
Menurut Horne & Wachowicz (2008), Return on Equity (ROE)
membandingkan laba bersih setelah pajak (dikurangi dividen saham preferen, jika
ada) dengan ekuitas yang telah diinvestasikan oleh pemegang saham di perusahaan.
Return on Equity (ROE) yang tinggi mencerminkan penerimaan perusahaan terhadap
peluang investasi yang kuat dan pengelolaan biaya yang efektif. Semakin tinggi nilai
ROE, maka semakin efisien pula penggunaan modal sendiri yang dilakukan oleh
pihak manajemen perusahaan. Sehingga investor lebih percaya untuk menanamkan
modalnya pada perusahaan dengan nilai ROE yang tinggi, dimana mereka percaya
bahwa perusahaan akan mampu menyisakan atau memberikan margin tertentu (dalam
hal ini adalah dividen) sebagai kompensasi yang wajar untuk investor yang telah
menanamkan modalnya. Bagi investor semakin tinggi ROE menunjukkan risiko
13
investasi yang semakin kecil. Dengan demikian, dapat disimpulkan bahwa nilai ROE
berpengaruh positif terhadap return portofolio.
Berdasarkan Horne dan Wachowicz (2008), nilai ROE perusahaan dapat
dihitung dengan:
𝑹𝑶𝑬𝒕 =𝑵𝑷𝑨𝑻𝒕
𝑺𝑯𝑬𝑸𝒕
Keterangan:
ROEt = return on equity
NPBTt = net profit after tax pada periode t
SHEQt = total share holder's equity pada periode t
e. Conservative Minus Aggressive (CMA)
Variabel baru selanjutnya dalam Five Factor Model Fama-French adalah
Conservative Minus Aggressive (CMA), yang berkaitan dengan faktor investment.
CMA merupakan selisih dari return saham perusahaan dengan conservative
investment dengan return saham perusahaan dengan aggressive investment.
Berdasarkan Cooper et al. (2008), Gray dan Johnson (2011), dan Chiah et al.
(2015), variabel investment dalam model Five Factor Model Fama-French dapat
diproksikan dengan asset growth (AG). Jadi, perusahaan dengan nilai AG tinggi
nantinya akan masuk pada kelompok aggressive dan perusahaan dengan nilai AG
rendah akan masuk pada kelompok conservative.
Cooper et al. (2008) dalam penelitiannya menjelaskan bahwa asset growth
(AG) merupakan prediktor kuat terhadap abnormal return di masa yang akan datang.
Asset growth mempertahankan kemampuan peramalan bahkan pada saham
kapitalisasi besar. Perusahaan yang sedang dalam tahap pertumbuhan akan
membutuhkan dana yang besar. Dikarenakan kebutuhan dana yang makin besar
tersebut, maka perusahaan akan lebih cenderung untuk menahan sebagian besar
pendapatannya. Semakin besar pendapatan yang ditahan dalam perusahaan, dapat
diartikan bahwa semakin rendah dividen yang dibayarkan kepada para pemegang
saham. Rendahnya pembayaran dividen akan menjadikan perusahaan makin kurang
menarik bagi investor. Tingkat pertumbuhan yang cepat mengidentifikasikan bahwa
perusahaan tersebut sedang mengadakan ekspansi. Sehingga berdasarkan analisis
tersebut dapat disimpulkan bahwa nilai AG berpengaruh positif terhadap return
portofolio.
14
Berdasarkan Cooper et al. (2008), nilai asset growth (AG) suatu perusahaan
dapat dihitung dengan:
𝑨𝑮𝒕 = 𝑻𝑨𝒕−𝑻𝑨𝒕−𝟏
𝑻𝑨𝒕−𝟏
Keterangan:
AGt = asset growth, perubahan (tingkat pertumbuhan) tahunan dari aset
total
TAt = total aset pada periode t
TA(t-1) = total aset pada periode t-1
2.5. Penelitian Sebelumnya
Fama dan French (1992) melakukan penelitian mengenai asset pricing model
dan berhasil memperkenalkan asset pricing model baru yang dapat menggantikan
CAPM dalam memprediksi return yaitu Three Factor Model. Pemikiran Fama dan
French (1992) mengenai Three Factor Model didasari oleh penelitian yang dilakukan
oleh Banz (1981), Rosenberg et al. (1985), Bhandari (1988), dan Chan et al. (1991).
Mereka meneliti adanya kontradiksi empiris bahwa rata–rata return tidak hanya
dipengaruhi oleh beta (Fama & French, 1992). Hal ini juga sesuai dengan hasil
penelitian Lam (2002) menyatakan bahwa size dan book to market equity merupakan
variabel yang mempengaruhi cross section return sedangkan beta tidak berpengaruh
pada cross section return portofolio pada bursa Hongkong periode Juli 1984–Juni
1997.
Fama dan French (2015), melakukan pengembangan pada Three Factor Model
dengan memperkenalkan Five Factor Model dimana Fama dan French menambahkan
dua faktor baru yakni faktor profitability (RMW) dan faktor investment (CMA).
Penambahan variabel RMW dan CMA yang sebelumnya diperkenalkan oleh Hou et
al. (2012), serta perubahan variabel HML menjadi HMLO, ternyata mampu
memberikan hasil yang lebih akurat dalam memprediksi return saham. Penelitian ini
juga didukung oleh Chiah et al. (2015) yang menunjukkan bahwa Five Factor Model
lebih akurat dari q-Factor Model.
Perubahan variabel HML menjadi HMLO dilakukan oleh Fama dan French
(2015) karena variabel HML adalah redundant/berlebihan didalam Five Factor
Model. Hal yang menyebabkan Fama dan French (2015) menganggap bahwa variabel
15
HML sebagai faktor redundant yaitu adanya korelasi antara variabel HML dengan
variabel lainnya, terutama dengan variabel RMW dan CMA.
Di dalam penelitian Fama dan French (2015) juga ditunjukkan bahwa
konstruksi portofolio 2x2 lebih akurat dibandingkan dengan kontruksi 2x3 maupun
2x2x2x2. Adapun hasil dari penelitian tersebut menunjukkan bahwa Five Factor
Model lebih akurat dalam memprediksi dan menjelaskan return saham pada NYSE
dibandingkan dengan model sebelumnya, yaitu Three Factor Model.
Selain itu, penelitian mengenai Five Factor Model pernah dilakukan oleh
Chiah et al. (2015) pada saham yang diperdagangkan di ASX, dengan periode sampel
yang digunakan adalah antara Januari 1982 hingga Desember 2013, dimana penelitian
tersebut bertujuan untuk menguji performa dari Five Factor Model dalam harga
ekuitas Australia. Hasil dari penelitian tersebut menunjukkan bahwa Five Factor
Model lebih mampu untuk menjelaskan anomali harga aset daripada Three Factor
Model. Namun, dikatakan bahwa masih perlu dilakukan perbaikan, sebagaimana Five
Factor Model tidak dapat menjelaskan sepenuhnya variasi time-series dalam return
portofolio.
2.6. Pengembangan Hipotesis
Kemampuan investor dalam memprediksi return sangat diperlukan sehingga
para peneliti terus melakukan perkembangan pada asset pricing model. Market excess
return, size, book-to-market orthogonal, profitability, dan investment pattern
merupakan faktor-faktor dalam Five Factor Asset Pricing Model dimana model ini
adalah model yang lebih efektif untuk memprediksi return dibandingkan dengan q-
factor model (Fama & French, 2015).
Dalam memutuskan untuk berinvestasi, para investor dihadapkan dengan
risiko-risiko yang mungkin terjadi, termasuk krisis. Olowe (2009) melakukan
penelitian selama periode terjadinya global financial crisis pada Nigerian Stock
Exchange. Dalam hasil penelitiannya dijelaskan bahwa risiko global financial crisis
memiliki hubungan positif tetapi tidak signifikan dengan return dan global financial
crisis tidak berdampak pada return saham.
Wu dan Chang (2002) melakukan penelitian apakah financial crisis yang
terjadi di Asia pada tahun 1997 berdampak pada sektor real estate di Taiwan selama
periode sebelum dan sesudah krisis dan hasilnya membuktikan bahwa financial crisis
yang terjadi membawa dampak yang tidak signifikan. Wu dan Chang (2002)
16
menekankan penelitian tersebut pada variabel makroekonomi seperti GDP, jumlah
uang beredar, dan indeks harga konsumen. Pendapat serupa disuarakan oleh Kim
(1999) dalam penelitiannya tentang pasar real estate di Korea dan Reinhart (2010)
dalam penelitiannya tentang ”The Impact of the Global Fall”.
Dari beberapa penelitian diatas, peneliti menarik kesimpulan bahwa krisis
yang terjadi tidak membawa dampak yang signifikan terhadap perekonomian
sehingga faktor-faktor dalam asset pricing model dapat bekerja secara efektif
berpengaruh terhadap return. Maka disimpulkan hipotesis:
H1 : Five Factor Model yang meliputi market excess return, size, book-to-market
orthogonal, profitability, dan investment pattern memiliki pengaruh secara
simultan terhadap excess return pada periode sebelum currency crisis.
Blandón (2011) dalam penelitiannya mengatakan bahwa financial crisis secara
dramatis mempengaruhi perilaku harga saham di seluruh dunia, yang menyebabkan,
antara lain, peningkatan volatilitas harga yang sangat besar dan mungkin mengubah
perilaku peserta di pasar keuangan. Berdasarkan penelitian tersebut, peneliti menarik
kesimpulan bahwa krisis yang terjadi membawa dampak yang sangat signifikan
terhadap pasar keuangan dan return saham. Maka disimpulkan hipotesis:
H2 : Five Factor Model yang meliputi market excess return, size, book-to-market
orthogonal, profitability, dan investment pattern memiliki pengaruh secara
simultan terhadap excess return pada periode sesudah currency crisis.
17
BAB III
METODE PENELITIAN
3.1. Pendekatan Penelitian
Penelitian ini menggunakan teknik multiple regression untuk menguji
hipotesis penelitian dan merupakan penelitian hypothesis testing yang bertujuan untuk
meneliti hipotesis yang diajukan peneliti sehingga dapat menghasilkan sebuah
kesimpulan. Adapun penelitian ini menggunakan data-data kuantitatif berdasarkan
pada variabel-variabel dan model penelitian yang telah disusun pada bab sebelumnya.
Pendekatan penelitian yang digunakan adalah uji pengaruh variabel Five Factor
Model terhadap excess return portofolio pada periode sebelum dan sesudah currency
crisis. Populasi dari penelitian ini adalah harga saham perusahaan yang terdaftar di
Bursa Efek Indonesia. Sedangkan sampel dari penelitian ini adalah harga saham dari
perusahaan yang termasuk dalam Kompas 100 di Bursa Efek Indonesia selama tahun
2010 sampai 2016. Alat statistik yang akan digunakan didalam penelitian ini adalah
software SPSS 24.
3.2. Definisi Operasional dan Pengukuran Variabel
Berdasarkan latar belakang dan rumusan permasalahan yang ada, maka pada
peneltian ini menggunakan variabel-variabel sebagai berikut:
1) Variabel dependen menggunakan excess return portofolio
2) Variabel independen adalah:
a. Market excess return (MKT)
b. Small Minus Big (SMB)
c. High Minus Low (HML)
d. Robust Minus Weak (RMW)
e. Conservative Minus Aggressive (CMA)
Berikut akan dijelaskan definisi operasional dari masing-masing variabel
beserta rumus yang digunakan:
3.2.1 Excess return Portofolio
Excess return adalah perbedaan yang terjadi pada satu periode tertentu antara
tingkat return suatu aset dengan tingkat return yang akan didapatkan dibandingkan
ketika menempatkan dananya pada aset bebas risiko. (Bodie et al., 2013)
18
Excess return dapat diperoleh dengan cara menghitung selisih antara return
portofolio dengan risk-free rate.
𝑹𝒊 = 𝒓𝒊 − 𝒓𝒇
Keterangan:
Ri = Excess return
ri = Actual Return
rf = Risk-free rate
3.2.2 Market Excess Return (MKT)
Menurut Franke (1984) serta Fama dan French (1993), market excess return
(MKT) merupakan selisih antara return pasar (Rm) dengan return aset bebas risiko
atau risk-free rate (Rf). Di Indonesia untuk mencari return pasar (Rm) dapat
menggunakan Indeks Harga Saham Gabungan (IHSG), sedangkan risk-free rate (Rf)
menggunakan SBI.
Untuk mencari market excess return (MKT), maka rumus perhitungannya
adalah sebagai berikut:
𝑴𝑲𝑻𝒕 = 𝑹𝒎𝒕 − 𝑹𝒇𝒕
Keterangan:
MKTt = market excess return pada periode t
Rmt = nilai return pasar pada periode t
Rft = nilai risk-free rate pada periode t
3.2.3 Small Minus Big (SMB)
Small Minus Big (SMB) merupakan variabel yang didasarkan pada ukuran
besar kecilnya perusahaan dan ukuran besar kecilnya perusahaan didasarkan pada
besar kecilnya kapitalisasi pasar. SMB sendiri dimaksudkan untuk menggambarkan
faktor risiko pada tingkat pengembalian yang berkaitan dengan ukuran perusahaan
(firm size). Penilaian terhadap SMB adalah dengan mengelompokkan perusahaan
berdasarkan ukuran perusahaan (firm size) yang didasarkan pada besar kecilnya nilai
kapitalisasi sahamnya pada perdagangan di Bursa Efek Indonesia. Dalam
mengelompokkan perusahaan berdasarkan SMB, maka nantinya akan diurutkan mulai
dari perusahaan dengan nilai kapitalisasi besar (big caps) hingga hingga perusahaan
dengan nilai kapitalisasi kecil (small caps). Menurut Fama dan French (1993),
19
kapitalisasi pasar dihitung dengan mengalikan jumlah saham perusahaan yang beredar
(outstanding shares) dengan harga sekarang dari saham tersebut.
Rumus perhitungan kelompok Small Minus Big (SMB) adalah sebagai berikut
(Fama & French, 1993):
𝑺𝑴𝑩𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒔𝒎𝒂𝒍𝒍)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒃𝒊𝒈)𝒕
Keterangan:
SMBt = selisih antara return saham perusahaan small caps
dengan return saham perusahaan big caps pada periode
t
MeanRi(small)t = rata-rata return saham pada kelompok perusahaan
small caps pada periode t
MeanRi(big)t = rata-rata return saham pada kelompok perusahaan big
caps pada periode t
Kemudian nilai kapitalisasi pasar saham perusahaan dalam Five Factor Model
Fama-French dikelompokkan menjadi dua belas portofolio berdasarkan perpotongan
(cross section) antara nilai kapitalisasi perusahaan (SMB), nilai book-to-market
(HML), nilai return on equity atau ROE (RMW), dan nilai asset growth atau AG
(CMA) perusahaan, sehingga terbentuk portofolio SH, SL, SR, SW, SC, SA, BH, BL,
BR, BW, BC, dan BA.
Untuk menentukan nilai SMB (Five Factor Model Fama-French) adalah:
𝑺𝑴𝑩𝒕 =(𝑺𝑯 + 𝑺𝑳 + 𝑺𝑹 + 𝑺𝑾 + 𝑺𝑪 + 𝑺𝑨) − (𝑩𝑯 + 𝑩𝑳 + 𝑩𝑹 + 𝑩𝑾 + 𝑩𝑪 + 𝑩𝑨
𝟔
SMBt = selisih return antara return saham small caps (setelah cross section)
dengan return saham perusahaan big caps (setelah cross section) pada
periode t
SH = rata-rata return saham pada kelompok perusahaan small caps-high
B/M pada periode t
SL = rata-rata return saham pada kelompok perusahaan small caps-low
B/M pada periode t
SR = rata-rata return saham pada kelompok perusahaan small caps-robust
profitability pada periode t
SW = rata-rata return saham pada kelompok perusahaan small caps-weak
profitability pada periode t
20
SC = rata-rata return saham pada kelompok perusahaan small caps-
conservative investment pada periode t
SA = rata-rata return saham pada kelompok perusahaan small caps-
aggressive investment pada periode t
BH = rata-rata return saham pada kelompok perusahaan big caps-high
B/M pada periode t
BL = rata-rata return saham pada kelompok perusahaan big caps-low B/M
pada periode t
BR = rata-rata return saham pada kelompok perusahaan big caps-robust
profitability pada periode t
BW = rata-rata return saham pada kelompok perusahaan big caps-weak
profitability pada periode t
BC = rata-rata return saham pada kelompok perusahaan big caps-
conservative investment pada periode t
BA = rata-rata return saham pada kelompok perusahaan big caps-
aggressive investment pada periode t
3.2.4 High Minus Low (HML)
High Minus Low (HML) merupakan variabel yang didasarkan pada nilai book-
to-market (B/M), dimana HML dimaksudkan untuk menggambarkan faktor risiko
pada tingkat pengembalian yang berhubungan dengan firm value atau dalam hal ini
adalah book-to-market ratio. Penilaian terhadap HML adalah dengan
mengelompokkan perusahaan berdasarkan tinggi rendahnya nilai book-to-market
(B/M) perusahaan sampel. Book-to-market (B/M) merupakan nilai perbandingan
antara nilai buku (book value) perusahaan terhadap nilai pasar (market value)
perusahaan di pasar modal. Nantinya perusahaan akan dikelompokkan menjadi
perusahaan dengan kelompok nilai B/M tinggi (high) dan perusahaan dengan nilai
B/M rendah (low).
Rumus perhitungan kelompok High Minus Low (HML) menurut Fama dan
French (1993) adalah sebagai berikut:
𝑯𝑴𝑳𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒉𝒊𝒈𝒉)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒍𝒐𝒘)𝒕
21
HMLt = selisih return antara return saham perusahaan dengan high
B/M dengan return saham perusahaan dengan low B/M pada
periode t
MeanRi(high)t = rata-rata return saham pada kelompok perusahaan high B/M
pada periode t
MeanRi(low)t = rata-rata return saham pada kelompok perusahaan low B/M
pada periode t
Kemudian nilai B/M perusahaan dikelompokkan menjadi empat portofolio
berdasarkan perpotongan (cross section) antara nilai B/M perusahaan (HML) dengan
nilai kapitalisasi perusahaan (SMB) sehingga terbentuk portofolio SH, BH, SL, dan
BL.
Untuk menentukan nilai HML adalah:
𝑯𝑴𝑳𝒕 =(𝑺𝑯 + 𝑩𝑯) − (𝑺𝑳 + 𝑩𝑳)
𝟐
Keterangan:
HMLt = selisih return antara return saham perusahaan high B/M (setelah
cross section) dengan return saham perusahaan low B/M (setelah cross
section) pada periode t
SH = rata-rata return saham pada kelompok perusahaan small caps-high
B/M pada periode t
BH = rata-rata return saham pada kelompok perusahaan big caps-high
B/M pada periode t
SL = rata-rata return saham pada kelompok perusahaan small caps-low
B/M pada periode t
BL = rata-rata return saham pada kelompok perusahaan big caps-low B/M
pada periode t
3.2.5 High Minus Low Orthogonal (HMLO)
Nilai HMLO dapat diketahui dengan menjumlahkan intercept dengan nilai
residu dari regresi HML dengan Market Factor, Size, Profitability dan Investment
Pattern. Untuk nilai beta dari variabel HMLO tetap menggunakan beta dari variabel
HML (Fama & French, 2015).
𝑯𝑴𝑳𝑶 = 𝑰𝒏𝒕𝒆𝒓𝒄𝒆𝒑𝒕𝑯𝑴𝑳 + 𝑹𝒆𝒔𝒊𝒅𝒖𝒂𝒍𝑯𝑴𝑳
22
3.2.6 Robust Minus Weak (RMW)
Variabel baru yang ditambahkan oleh Fama dan French pada Five Factor
Model adalah variabel Robust Minus Weak (RMW), RMW merupakan variabel yang
menggambarkan faktor risiko pada tingkat pengembalian yang berhubungan dengan
profitability perusahaan, dimana dalam penelitian ini diwakili oleh ROE. Nilai return
on equity (ROE) dalam penelitian ini menunjukkan seberapa besar kemampuan
perusahaan untuk menghasilkan laba sebelum pajak dengan menggunakan modal
sendiri yang dimiliki perusahaan.
Dalam mengelompokkan perusahaan berdasarkan nilai profitability, maka
nantinya perusahaan akan dikelompokkan menjadi dua kelompok, yakni perusahaan
dengan nilai ROE tinggi akan masuk dalam kelompok robust dan perusahaan dengan
nilai ROE rendah akan masuk dalam kelompok weak.
Rumus perhitungan kelompok Robust Minus Weak (RMW) adalah sebagai
berikut (Hou et al., 2014):
𝑹𝑴𝑾𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒓𝒐𝒃𝒖𝒔𝒕)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒘𝒆𝒂𝒌)𝒕
Keterangan:
RMWt = selisih return antara return saham perusahaan robust
dengan return saham perusahaan weak pada periode t
MeanRi(robust)t = rata-rata return saham pada kelompok perusahaan
robust pada periode t
MeanRi(weak)t = rata-rata return saham pada kelompok perusahaan
weak pada periode t
Kemudian nilai profitability (ROE) perusahaan dikelompokkan menjadi empat
portofolio berdasarkan perpotongan (cross section) antara nilai ROE (RMW) dan nilai
kapitalisasi perusahaan (SMB), sehingga terbentuk portofolio SR, BR, SW, dan BW.
Untuk menentukan nilai RMW adalah:
𝑹𝑴𝑾𝒕 =(𝑺𝑹 + 𝑩𝑹) − (𝑺𝑾 + 𝑩𝑾)
𝟐
Keterangan:
RMWt = selisih return antara return saham perusahaan robust (setelah cross
section) dengan return saham perusahaan weak (setelah cross section)
pada periode t
SR = rata-rata return saham pada kelompok perusahaan small caps-robust
pada periode t
23
BR = rata-rata return saham pada kelompok perusahaan big caps-robust
pada periode t
SW = rata-rata return saham pada kelompok perusahaan small caps-weak
pada periode t
BW = rata-rata return saham pada kelompok perusahaan big caps-weak
pada periode t
3.2.7 Conservative Minus Aggressive (CMA)
Dalam penelitian ini CMA menggambarkan faktor risiko pada tingkat
pengembalian yang berhubungan dengan investment. Investment yang dimaksudkan
adalah nilai dari asset growth (AG) perusahaan, dimana nilai AG menunjukkan
seberapa besar kemampuan perusahaan untuk berkembang dibandingkan dengan
periode sebelumnya.
Pada nantinya, perusahaan dengan nilai AG rendah akan masuk pada
kelompok conservative, sedangkan perusahaan dengan nilai AG tinggi akan masuk
pada kelompok aggressive.
Rumus perhitungan kelompok Conservative Minus Aggressive (CMA) adalah
sebagai berikut (Hou et al., 2014):
𝑪𝑴𝑨𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒄𝒐𝒏𝒔𝒆𝒓𝒗𝒂𝒕𝒊𝒗𝒆)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒂𝒈𝒈𝒓𝒆𝒔𝒊𝒗𝒆)𝒕
Keterangan:
CMAt = selisih return antara return saham perusahaan
conservative dengan return saham perusahaan
aggressive pada periode t
MeanRi(conservative)t = rata-rata return saham pada kelompok perusahaan
conservative pada periode t
MeanRi(aggresive)t = rata-rata return saham pada kelompok perusahaan
aggressive pada periode t
Kemudian nilai investasi perusahaan dikelompokkan menjadi empat portofolio
berdasarkan perpotongan (cross section) antara nilai asset growth perusahaan (CMA)
dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk portofolio SC, BC, SA,
dan BA.
Untuk menentukan nilai CMA adalah:
𝑪𝑴𝑨𝒕 =(𝑺𝑪 + 𝑩𝑪) − (𝑺𝑨 + 𝑩𝑨)
𝟐
24
Keterangan:
CMAt = selisih return antara return saham perusahaan conservative (setelah
cross section) dengan return saham perusahaan aggressive (setelah
cross section) pada periode t
SC = rata-rata return saham pada kelompok perusahaan small caps-
conservative pada periode t
BC = rata-rata return saham pada kelompok perusahaan big caps-
conservative pada periode t
SA = rata-rata return saham pada kelompok perusahaan small caps-
aggressive pada periode t
BA = rata-rata return saham pada kelompok perusahaan big caps-
aggressive pada periode t
3.2.8 Five Factor Asset Pricing Model Fama-French
Menurut Fama dan French (2015), Five Factor Model adalah model penilaian
aset yang menjelaskan hubungan antara return portofolio terhadap market excess
return, firm size, book-to-market orthogonal, profitability dan investment pattern.
Perhitungan untuk Five Factor Model adalah:
E(Ri)-Rf = Rf+𝛽m[E(𝑅m)–𝑅f]+𝛽s𝑆𝑀𝐵 +𝛽h𝐻𝑀𝐿O+𝛽rRMW+𝛽cCMA
3.3. Prosedur Penentuan Sample
Populasi = Perusahaan yang terdaftar di Bursa Efek Indonesia
Sampel = Perusahaan yang termasuk dalam Kompas 100 di Bursa Efek
Indonesia selama tahun 2010 sampai 2016
Teknik pengambilan sampel yang digunakan pada penelitian ini adalah
purposive sampling, yaitu teknik pemilihan sampel dengan menggunakan kriteria
tertentu. Kriteria yang digunakan pada penelitian ini adalah :
1) Perusahaan yang termasuk dalam Kompas 100 di Bursa Efek Indonesia selama
tahun 2010 sampai 2016.
2) Perusahaan mempunyai data harga saham tahunan yang lengkap (tidak pernah
suspense) selama tahun penelitian.
3) Perusahaan mempunyai data laporan keuangan tahunan (audited) yang
lengkap selama periode tahun 2010 sampai 2016
25
4) Perusahaan yang tidak memiliki nilai book-to-market ratio yang negatif tidak
diikutkan didalam penelitian ini. Nilai book-to-market ratio yang negatif dapat
diartikan bahwa perusahaan mempunyai nilai buku ekuitas yang negatif
sehingga likuiditas perusahaan lebih besar daripada aset yang menandakan
perusahaan sedang dalam keadaan distress.
5) Perusahaan yang dimasukkan dalam penelitian ini adalah perusahaan yang
selama tahun penelitian membukukan net income yang positif dan memiliki
tingkat pertumbuhan aset tiap tahun yang positif pula.
Berdasarkan kriteria pemilihan sampel di atas, banyaknya perusahaan yang
terdaftar di Kompas 100 selama periode 2010 hingga 2016 adalah sebanyak 100
perusahaan, adapun perusahaan yang mempunyai nilai B/M, ROE, serta AG negatif
selama periode tersebut sebanyak 44 perusahaan, sehinggga total perusahaan yang
memenuhi kriteria pemilihan sampel adalah sebanyak 56 perusahaan.
3.4. Instrumen Penelitian
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Dimana
data-data yang ada dalam penelitian ini diperoleh dari www.finance.yahoo.com dan
www.idx.co.id yang berupa data historis harga saham bulanan serta laporan keuangan
tahunan (audited) dari perusahaan-perusahaan sampel selama tahun 2010 hingga
2016.
3.5. Analisis Statistik
Penelitian ini menggunakan teknik multiple regression untuk menguji
hipotesis penelitian. Sebelum melakukan analisis multiple regression maka diperlukan
pembentukan portofolio dari model Five Factor Model Fama-French.
Berikut adalah konstruksi portofolio bagaimana variabel SMB, HML, RMW,
dan CMA dibangun dengan menghitung rata-rata return perusahaan yang termasuk
golongan dari keempat faktor diatas. Cara yang digunakan didalam pembentukan
konstruksi portofolio ini mengikuti aturan dari Fama dan French (2015) yang
menggunakan konstruksi portofolio dengan skema 2x2. Skema 2x2 mengelompokkan
perusahaan berdasarkan nilai median. Artinya pada variabel SMB, 50% perusahaan
yang memiliki nilai kapitalisasi yang besar akan digolongkan menjadi big size,
sedangkan 50% perusahaan yang memiliki nilai kapitalisasi yang kecil akan
digolongkan menjadi small size. Untuk variabel HML, RMW dan CMA juga
26
diberlakukan aturan yang sama dengan variabel SMB. Penggunaan konstruksi
portofolio dengan skema 2x2 ini dilatarbelakangi oleh hasil penelitian dari Fama dan
French (2015) yang menyatakan bahwa konstruksi portofolio 2x2 lebih
terdiversifikasi karena semua perusahaan akan dimasukkan didalam portofolio
daripada konstruksi portofolio dengan skema 2x3.
1. Pembentukan kelompok portofolio Small Minus Big (SMB)
1) Menghitung kapitalisasi pasar perusahaan sampel, kemudian diurutkan
dari perusahaan dengan nilai kapitalisasi pasar terkecil hingga yang
terbesar per tahun.
2) Portofolio kelompok small merupakan kelompok perusahaan dengan
persentase 50% terbawah, sedangkan kelompok dengan persentase 50%
teratas termasuk kedalam kelompok big.
3) Portofolio SMB akan dibagi menjadi dua belas portofolio, hal ini sesuai
dengan cross section antara nilai kapitalisasi perusahaan (SMB), nilai B/M
(HML), nilai ROE (RMW), dan nilai AG perusahaan (CMA). Persentase
sampel untuk masing-masing variabel adalah 50% teratas (untuk kelompok
high, robust, dan aggressive), dan 50% terbawah (untuk kelompok low,
weak, dan conservative). Dimana pada kelompok small akan terbentuk
portofolio SH, SL, SR, SW, SC, dan SA. Sedangkan pada kelompok big
akan terbentuk portofolio BH, BL, BR, BW, BC, dan BA.
2. Pembentukan kelompok portofolio High Minus Low (HML)
1) Menghitung B/M perusahaan sampel, lalu diurutkan dari perusahaan
dengan nilai B/M terendah hingga perusahaan dengan nilai B/M tertinggi
per tahun.
2) Portofolio kelompok high merupakan perusahaan dengan persentase nilai
B/M 50% teratas atau tertinggi, kelompok low merupakan perusahaan
dengan persentase nilai B/M 50% terbawah atau terendah.
3) Portofolio HML diperoleh dari cross section antara nilai B/M perusahaan
(HML) dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk empat
portofolio. Dimana portofolio SH dan BH masuk kedalam kelompok
perusahaan high, sedangkan portofolio SL dan BL masuk kedalam
kelompok low.
3. Pembentukan kelompok portofolio Robust Minus Weak (RMW)
27
1) Menghitung nilai ROE perusahaan sampel, lalu diurutkan dari perusahaan
dengan nilai ROE terendah hingga perusahaan dengan nilai ROE tertinggi
per tahun.
2) Portofolio kelompok robust merupakan perusahaan dengan persentase
nilai ROE 50% teratas atau tertinggi, kelompok weak merupakan
perusahaan dengan persentase nilai ROE 50% terbawah atau terendah.
3) Portofolio RMW diperoleh dari cross section antara nilai ROE perusahaan
(RMW) dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk
empat portofolio. Dimana portofolio SR dan BR masuk kedalam kelompok
perusahaan robust, sedangkan portofolio SW dan BW masuk kedalam
kelompok weak.
4. Pembentukan kelompok portofolio Conservative Minus Aggressive (CMA)
1) Menghitung nilai AG perusahaan sampel, lalu diurutkan dari perusahaan
dengan nilai AG terendah hingga perusahaan dengan nilai AG tertinggi per
tahun.
2) Portofolio kelompok conservative merupakan perusahaan dengan
persentase nilai AG 50% terendah, kelompok aggressive merupakan
perusahaan dengan persentase nilai AG 50% tertinggi.
3) Portofolio CMA diperoleh dari cross section antara nilai AG perusahaan
(CMA) dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk empat
portofolio. Dimana portofolio SC dan BC masuk kedalam kelompok
perusahaan conservative, sedangkan portofolio SA dan BA masuk
kedalam kelompok aggressive.
5. Menghitung excess return portofolio menggunakan rata-rata excess return
perusahaan selama periode 2010 sampai 2016 dari seluruh saham yang
menjadi anggota portofolio tersebut dengan asumsi proporsi penyertaan setiap
saham didalam portofolio adalah sama.
6. Melakukan transformasi data mentah sampel penelitian menjadi variabel-
variabel yang sesuai dengan definisi operasional.
7. Melakukan analisis regresi dengan menggunakan data hasil perhitungan yang
ada pada tahap 1 dengan persamaan Five Factor Model Fama-French.
8. Menentukan uji asumsi klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada
analisis regresi linear berganda yang berbasis Ordinary Least Square (OLS).
28
Ordinary Least Square adalah suatu metode ekonometrik dimana terdapat
variabel independen yang merupakan variabel penjelas dan variabel dependen
yaitu variabel yang dijelaskan dalam suatu persamaan linear. Dalam OLS
hanya terdapat satu variabel dependen, sedangkan untuk variabel independen
jumlahnya bisa lebih dari satu. Model regresi berganda disebut sebagai model
yang baik jika memenuhi beberapa asumsi klasik yaitu residual terdistribusi
normal, tidak adanya multikolinearitas, tidak adanya autokorelasi, dan tidak
adanya heterokedastisitas. Uji asumsi klasik dalam penelitian ini adalah
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah data atau variabel yang
digunakan telah terdistribusi normal atau tidak.
Uji normalitas pada penelitian ini adalah uji Kolmogorov-Smirnov.
Adapun hipotesis dalam uji ini adalah:
H0 = data terdistribusi normal
H1 = data tidak terdistribusi normal
H0 diterima apabila nilai signifikansi >0,05.
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mendeteksi apakah terdapat kolerasi
antar variabel bebas didalam model regresi. Uji multikolinearitas dapat
diketahui dengan melihat nilai Tolerance dan nilai Variation Inflation
Factor (VIF). Nilai Tolerance > 0,10 dan nilai VIF < 10, maka dapat
dikatakan bahwa variabel bebas tidak mengalami multikolinearitas.
c. Uji Autokolerasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t
dengan periode sebelumnya. Uji autokorelasi dalam penelitian ini
menggunakan uji Runs Test, korelasi dalam residual tidak akan terjadi jika
nilai Runs Test > 0,05.
d. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Jika residualnya mempunyai variance yang sama,
maka telah terjadi homoskedastisitas dan jika variance tidak sama maka
disebut heterokedastisitas. Persamaan regresi yang baik adalah jika tidak
29
terjadi heterokedastisitas. Uji heterokedastisitas dalam penelitian ini
menggunakan uji korelasi Spearman’s Rho yaitu mengkorelasikan variabel
independen dengan nilai unstandarized residual. Model regresi tidak
mengalami heterokedastisitas jika nilai signifikasi > 0,05 dengan uji 2 sisi.
e. Uji F
Melakukan uji F untuk melihat pengaruh variabel independen terhadap
variabel dependen. Selanjutnya menghitung nilai Adjusted R2 yang
bertujuan untuk menentukan proporsi atau persentase total variance dalam
variabel terikat yang diterangkan oleh variabel bebas (Lind et al., 2008).
1) Merumuskan hipotesis statistik:
H0 : β1= β2= β3= β4= β5= 0, variabel MKT, SMB, HMLO, RMW, dan
CMA sebagai variabel independen secara simultan memiliki pengaruh
terhadap excess return portofolio pada periode sebelum currency
crisis.
H0 : β1= β2= β3= β4= β5= 0, variabel MKT, SMB, HMLO, RMW, dan
CMA sebagai variabel independen secara simultan memiliki pengaruh
terhadap excess return portofolio pada periode sesudah currency crisis.
H1: β1≠β2≠ β3≠ β4≠ β5≠ 0, variabel MKT, SMB, HMLO, RMW, dan
CMA sebagai variabel independen secara simultan tidak memiliki
pengaruh terhadap excess return portofolio pada periode sebelum
currency criris.
H1: β1≠β2≠ β3≠ β4≠ β5≠ 0, variabel MKT, SMB, HMLO, RMW, dan
CMA sebagai variabel independen secara simultan tidak memiliki
pengaruh terhadap excess return portofolio pada periode sebelum
currency criris.
2) Melihat nilai signifikansi yaitu sebesar 0,05 atau 5%
Jika nilai signifikansi ≥ 0,05 maka H1 diterima dan H0 ditolak.
Jika nilai signifikansi ≤ 0,05 maka H1 ditolak dan H0 diterima.
9. Menginterpretasikan data yang sudah dianalisis.
10. Menyimpulkan hasil analisis.
30
BAB IV
ANALISA DATA DAN PEMBAHASAN
4.1. Deskripsi Data
4.1.1 Deskripsi Hasil Penelitian
Tabel 4.1
Deskripsi Statistik Excess Return Portofolio Sebelum Currency Crisis
Portofolio Min Max Average Stdev
SH -0,112000 0,205996 0,025401 0,069545
SL -0,184869 0,327689 0,067549 0,099486
SR -0,073152 0,298577 0,062272 0,073275
SW -0,141265 0,203679 0,028745 0,081650
SC -0,124992 0,345623 0,042691 0,083494
SA -0,128906 0,227253 0,034212 0,075131
BH -0,116082 0,163553 0,015979 0,055312
BL -0,102861 0,146970 0,033682 0,062504
BR -0,095239 0,165760 0,031017 0,058551
BW -0,126245 0,128225 0,019558 0,063207
BC -0,116246 0,109874 0,014091 0,054291
BA -0,100808 0,158119 0,033779 0,063772
MKT -0,088009 0,130673 0,010885 0,049282
SMB -0,092652 0,118386 0,018794 0,042322
HML -0,149464 0,050885 -0,029925 0,042481
HMLO -0,158041 0,070622 -0,027360 0,050056
31
RMW -0,053927 0,138216 0,022493 0,047493
CMA -0,102940 0,089677 -0,005605 0,041180
Sumber: Data diolah
Tabel 4.2
Deskripsi Statistik Excess Return Portofolio Sesudah Currency Crisis
Portofolio Min Max Average Stdev
SH -0,134113 0,185262 -0,001206 0,070627
SL -0,166392 0,127278 0,007210 0,065994
SR -0,149586 0,191845 0,001940 0,068817
SW -0,140374 0,192964 0,002549 0,071264
SC -0,116678 0,102185 -0,001516 0,063958
SA -0,178879 0,293385 0,007017 0,084832
BH -0,124975 0,376478 0,024184 0,104601
BL -0,142635 0,253982 0,011175 0,086887
BR -0,165960 0,306374 0,035199 0,101390
BW -0,122224 0,101151 0,007972 0,051687
BC -0,096885 0,158600 0,013012 0,046956
BA -0,108299 0,334539 0,035544 0,100101
MKT -0,084575 0,048503 -0,000422 0,033063
SMB -0,244608 0,108332 -0,018515 0,078785
HML -0,103144 0,169250 0,002297 0,068306
HMLO -0,117920 0,080599 -0,011133 0,055129
32
RMW -0,124814 0,172758 0,013309 0,065042
CMA -0,176171 0,068369 -0,015532 0,060625
Sumber: Data diolah
Tabel 4.1 dan 4.2 menunjukkan rata-rata return portofolio selama periode
sebelum currency crisis yaitu tahun 2010-2012 dan selama periode sesudah currency
crisis yaitu tahun 2014-2016 yang dibentuk berdasarkan size, book-to-market, book-
to-market orthogonal, profitability, dan investment pattern. Berdasarkan tabel 4.1 dan
4.2 dapat diketahui nilai maksimum, minimum, rata-rata dan standar deviasi dari
masing-masing variabel. Variabel MKT (market excess return) menunjukkan premi
risiko dari risiko sistematis. Variabel SMB menunjukkan nilai dari ukuran
perusahaan. Variabel HML menunjukkan nilai dari book-to-market ratio. Variabel
HMLO menunjukkan nilai dari book-to-market orthogonal. Variabel RMW
menunjukkan nilai dari profitability perusahaan, sedangkan variabel CMA
menunjukkan nilai dari investment pattern perusahaan.
Pada periode sebelum currency crisis, kelompok portofolio yang masuk
kategori small size, nilai minimum dari portofolio SH adalah -0,112000, SL sebesar -
0,184869, SR sebesar -0,073152, SW sebesar -0,141265, SC sebesar -0,124992, dan
SA sebesar -0,128906. Nilai maksimum dari portofolio yang masuk kategori small
size yaitu untuk SH sebesar 0,205996, SL sebesar 0,327689, SR sebesar 0,298577,
SW sebesar 0,203679, SC sebesar 0,345623, dan SA sebesar 0,227253. Nilai rata-rata
dari portofolio yang masuk kategori small size yaitu untuk SH sebesar 0,025401, SL
sebesar 0,067549, SR sebesar 0,062272, SW sebesar 0,028745, SC sebesar 0,042691,
dan SA sebesar 0,034212. Sedangkan nilai standar deviasi dari portofolio yang masuk
kategori small size yaitu untuk SH sebesar 0,069545, SL sebesar 0,099486, SR
sebesar 0,073275, SW sebesar 0,081650, SC sebesar 0,083494, dan SA sebesar
0,075131.
Nilai minimum dari portofolio yang masuk kategori big size yaitu BH sebesar
-0,116082, BL sebesar -0,102861, BR sebesar -0,095239, BW sebesar -0,126245, BC
sebesar -0,116246, dan BA sebesar -0,100808. Nilai maksimum dari portofolio yang
masuk kategori big size yaitu BH sebesar 0,163553, BL sebesar 0,146970, BR sebesar
0,165760, BW sebesar 0,128225, BC sebesar 0,109874, dan BA sebesar 0,158119.
Nilai rata-rata dari portofolio yang masuk kategori big size yaitu BH sebesar
33
0,015979, BL sebesar 0,033682, BR sebesar 0,031017, BW sebesar 0,019558, BC
sebesar 0,014091, dan BA sebesar 0,033779. Nilai standar deviasi dari portofolio
yang masuk kategoari big size yaitu BH sebesar 0,055312, BL sebesar 0,062504, BR
sebesar 0,058551, BW sebesar 0,063207, BC sebesar 0,054291, dan BA sebesar
0,063772.
Besarnya nilai minimum untuk portofolio MKT sebesar -0,088009, SMB
sebesar -0,092652, HML sebesar -0,149464, HMLO sebesar -0,158041, RMW
sebesar -0,053927, dan CMA sebesar -0,102940. Nilai maksimum untuk portofolio
MKT sebesar 0,130673, SMB sebesar 0,118386, HML sebesar 0,050885, HMLO
sebesar 0,070622, RMW sebesar 0,138216, dan CMA sebesar 0,089677. Nilai rata-
rata untuk portofolio MKT sebesar 0,010885, SMB sebesar 0,018794, HML sebesar -
0,029925, HMLO -0,027360, RMW sebesar 0,022493, dan CMA sebesar -0,005605.
Nilai standar deviasi untuk portofolio MKT sebesar 0,049282, SMB sebesar
0,042322, HML sebesar 0,042481, HMLO sebesar 0,050056, RMW sebesar
0,047493, dan CMA sebesar 0,041180.
Pada periode sesudah currency crisis, kelompok portofolio yang masuk
kategori small size, Nilai minimum dari portofolio yang masuk kategori small size
yaitu untuk SH sebesar -0,134113, SL sebesar -0,166392, SR sebesar -0,149586, SW
sebesar -0,140374, SC sebesar -0,116678, dan SA sebesar -0,178879. Nilai
maksimum dari portofolio SH adalah 0,185262, SL sebesar 0,127278, SR sebesar
0,191845, SW sebesar 0,192964, SC sebesar 0,102185, dan SA sebesar 0,293385.
Nilai rata-rata dari portofolio yang masuk kategori small size yaitu untuk SH sebesar -
0,001206, SL sebesar 0,007210, SR sebesar 0,001940, SW sebesar 0,002549, SC
sebesar -0,001516, dan SA sebesar 0,007017. Sedangkan nilai standar deviasi dari
portofolio yang masuk kategori small size yaitu untuk SH sebesar 0,070627, SL
sebesar 0,065994, SR sebesar 0,068817, SW sebesar 0,071264, SC sebesar 0,063958,
dan SA sebesar 0,084832.
Nilai minimum dari portofolio yang masuk kategori big size yaitu BH sebesar
-0,124975, BL sebesar -0,142635, BR sebesar -0,165960, BW sebesar -0,122224, BC
sebesar -0,096885, dan BA sebesar -0,108299. Nilai maksimum dari portofolio yang
masuk kategori big size yaitu BH sebesar 0,376478, BL sebesar 0,253982, BR sebesar
0,306374, BW sebesar 0,101151, BC sebesar 0,158600, dan BA sebesar 0,334539.
Nilai rata-rata dari portofolio yang masuk kategori big size yaitu BH sebesar
0,024184, BL sebesar 0,011175, BR sebesar 0,035199, BW sebesar 0,007972, BC
34
sebesar 0,013012, dan BA sebesar 0,035544. Nilai standar deviasi dari portofolio
yang masuk kategoari big size yaitu BH sebesar 0,104601, BL sebesar 0,086887, BR
sebesar 0,101390, BW sebesar 0,051687, BC sebesar 0,046956, dan BA sebesar
0,100101.
Besarnya nilai minimum untuk portofolio MKT sebesar -0,084575, SMB
sebesar -0,244608, HML sebesar -0,103144, HMLO sebesar -0,117920, RMW
sebesar -0,124814, dan CMA sebesar -0,176171. Nilai maksimum untuk portofolio
MKT sebesar 0,048503, SMB sebesar 0,108332, HML sebesar 0,169250, HMLO
sebesar 0,080599, RMW sebesar 0,172758, dan CMA sebesar 0,068369. Nilai rata-
rata untuk portofolio MKT sebesar -0,000422, SMB sebesar -0,018515, HML sebesar
0,002297, HMLO sebesar -0,011133, RMW sebesar 0,013309, dan CMA sebesar -
0,015532. Nilai standar deviasi untuk portofolio MKT sebesar 0,033063, SMB
sebesar 0,078785, HML sebesar 0,068306, HMLO sebesar 0,055129, RMW sebesar
0,065042, dan CMA sebesar 0,060625.
4.1.2 Deskripsi Hasil Pembentukan Portofolio
Berdasarkan sampel yang telah dipilih, maka telah terbentuk 12 portofolio
dengan aturan Fama dan French (2015) yaitu skema 2x2 berdasarkan variabel size,
book-to-market orthogonal, profitability dam investment pattern. Pembentukan
portofolio dengan skema 2x2 menyebabkan anggota dari setiap portofolio dapat
berbeda pada tahun pertama dengan tahun berikutnya. Hasil perhitungan return
portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC, BA, SMB, HML,
HMLO, RMW dan CMA beserta perhitungan dari uji asumsi klasik dari masing-
masing portofolio.
Tabel 4.3
Hasil Perhitungan Excess Return Portofolio Small Size Sebelum Currency Crisis
Date SH SL SR SW SC SA
31-Jan-2010 -0,019364 -0,003882 -0,033939 -0,008116 -0,024706 -0,006281
28-Feb-2010 0,121230 0,109674 0,080042 0,133660 0,109369 0,127313
31-Mar-2010 0,166672 0,178252 0,114302 0,191673 0,111880 0,227253
35
30-Apr-2010 -0,112000 0,100569 0,105317 -0,124528 -0,006809 -0,110906
31-May-2010 0,045192 0,139824 0,144262 0,038685 0,080519 0,057180
30-Jun-2010 0,065118 0,078766 0,183082 0,022709 0,047685 0,089375
31-Jul-2010 0,050866 0,143949 0,039743 0,087894 0,121279 0,026994
31-Aug-2010 0,205996 0,327689 0,298577 0,203679 0,345623 0,127216
30-Sep-2010 0,049538 0,118778 0,112038 0,048772 0,119321 0,014375
31-Oct-2010 -0,031343 0,006087 0,025657 -0,041042 -0,057509 0,013538
30-Nov-2010 0,050712 0,160726 0,074162 0,079837 0,103925 0,052506
31-Dec-2010 -0,084627 -0,089360 -0,019962 -0,112150 -0,065416 -0,106205
31-Jan-2011 0,020194 0,060938 0,033088 0,031494 0,021560 0,045536
28-Feb-2011 0,058330 0,051403 0,085461 0,048412 0,047301 0,068418
31-Mar-2011 0,034310 0,054421 0,064199 0,033471 0,031744 0,051138
30-Apr-2011 0,016278 -0,010881 0,017437 0,006086 0,035608 -0,027602
31-May-2011 0,025290 0,018050 0,045741 0,017080 0,020716 0,026562
30-Jun-2011 0,070123 0,278615 0,247120 0,097666 0,093400 0,178081
31-Jul-2011 -0,094544 0,137151 0,046318 -0,048708 -0,021393 -0,037616
31-Aug-2011 -0,103389 -0,184869 -0,073152 -0,141265 -0,124992 -0,128906
30-Sep-2011 0,064746 0,097995 0,085942 0,071056 0,072156 0,077032
31-Oct-2011 -0,022467 -0,078613 0,065120 -0,066771 -0,036150 -0,041653
30-Nov-2011 0,081341 0,074773 0,024242 0,094525 0,056898 0,109552
31-Dec-2011 0,074889 0,088854 0,035778 0,090634 0,086122 0,069222
31-Jan-2012 0,033252 0,047128 0,063954 0,020633 0,009739 0,068659
36
29-Feb-2012 -0,012483 0,114775 0,065157 0,024730 0,011006 0,073105
31-Mar-2012 0,067076 0,146463 0,065052 0,128134 0,142827 0,059371
30-Apr-2012 -0,066818 -0,099993 -0,037492 -0,113694 -0,108732 -0,053340
31-May-2012 0,009581 0,034115 0,042040 0,003637 0,029992 0,010199
30-Jun-2012 0,045220 0,062109 0,064640 0,043321 0,069449 0,035467
31-Jul-2012 -0,039793 -0,066198 -0,049348 -0,052430 -0,057516 -0,044702
31-Aug-2012 0,071307 0,099947 0,066262 0,096571 0,092756 0,074407
30-Sep-2012 -0,012096 0,044343 0,039557 -0,008506 0,015025 0,009159
31-Oct-2012 -0,017548 0,065557 0,036036 0,004593 0,034072 0,002065
30-Nov-2012 0,037304 0,012235 0,016079 0,034421 0,036622 0,016499
31-Dec-2012 0,066348 0,112368 0,069276 0,098667 0,093516 0,078626
Sumber: Data diolah
Tabel 4.4
Hasil Perhitungan Excess Return Portofolio Small Size Sesudah Currency Crisis
Date SH SL SR SW SC SA
31-Jan-2014 0,113633 0,116605 0,054565 0,122501 0,094602 0,134575
28-Feb-2014 0,066149 0,038615 0,050849 0,073323 0,041852 0,072746
31-Mar-2014 0,013263 0,005975 -0,009714 -0,003270 0,007250 0,014591
30-Apr-2014 0,004332 0,015875 0,018435 -0,010320 -0,021828 0,037912
31-May-2014 -0,058965 -0,076655 -0,027450 -0,072392 -0,076977 -0,052324
30-Jun-2014 0,036502 0,059459 0,086299 0,054769 0,037156 0,050607
31-Jul-2014 0,025579 0,075169 -0,007671 0,044456 0,039913 0,043125
37
31-Aug-2014 -0,044216 -0,024197 -0,030104 -0,056449 -0,034029 -0,041533
30-Sep-2014 -0,010507 -0,019651 0,012680 0,003093 -0,029038 0,002145
31-Oct-2014 0,045019 0,058014 0,043218 0,070694 0,065021 0,033371
30-Nov-2014 0,185262 -0,004271 0,027422 0,192964 -0,044704 0,293385
31-Dec-2014 -0,020290 0,001710 0,014304 -0,034761 0,026060 -0,052497
31-Jan-2015 0,037471 0,054003 0,036181 0,045043 0,025350 0,064654
28-Feb-2015 -0,036331 -0,089751 -0,063086 -0,046150 -0,031246 -0,078724
31-Mar-2015 -0,090316 -0,077396 -0,095766 -0,082295 -0,108037 -0,058075
30-Apr-2015 0,013135 0,013418 0,019221 0,010371 0,010277 0,017134
31-May-2015 -0,094104 -0,082145 -0,107482 -0,082732 -0,107619 -0,068112
30-Jun-2015 -0,111236 -0,040079 -0,097942 -0,087572 -0,102705 -0,075173
31-Jul-2015 -0,134113 -0,166392 -0,149586 -0,140374 -0,116678 -0,178879
31-Aug-2015 -0,063472 -0,006444 -0,035314 -0,052798 -0,071715 -0,014463
30-Sep-2015 0,112556 0,118635 0,191845 0,077558 0,091126 0,145182
31-Oct-2015 -0,075159 -0,036423 -0,047956 -0,071735 -0,061497 -0,067551
30-Nov-2015 0,025319 0,008671 -0,012643 0,036291 0,026285 0,012931
31-Dec-2015 -0,073991 -0,031774 -0,069732 -0,058233 -0,037114 -0,095015
31-Jan-2016 -0,021891 0,127278 0,089998 0,010418 0,091365 0,009234
29-Feb-2016 0,084057 0,078487 0,067030 0,093987 0,102185 0,063519
31-Mar-2016 -0,008440 0,033436 0,033365 -0,008378 0,035683 -0,010387
30-Apr-2016 -0,036725 -0,016033 -0,009460 -0,042422 -0,006860 -0,044675
31-May-2016 0,107717 0,083445 0,088742 0,103125 0,096291 0,096583
38
30-Jun-2016 0,057036 0,067888 0,091544 0,036535 0,080079 0,046471
31-Jul-2016 0,044910 0,082073 0,022781 0,096297 0,002195 0,114138
31-Aug-2016 -0,056105 -0,054009 -0,063065 -0,048256 -0,052081 -0,057776
30-Sep-2016 0,012954 0,038120 0,060995 -0,006870 0,055377 -0,002002
31-Oct-2016 -0,067632 -0,024397 -0,068001 -0,029842 -0,063730 -0,033543
30-Nov-2016 -0,005276 -0,018107 -0,014425 -0,008466 -0,007502 -0,014466
31-Dec-2016 -0,019545 -0,049608 -0,030226 -0,036342 -0,009271 -0,054503
Sumber: Data diolah
Tabel 4.5
Hasil Perhitungan Excess Return Portofolio Big Size Sebelum Currency Crisis
Date BH BL BR BW BC BA
31-Jan-2010 0,030084 0,146970 0,165760 -0,002278 0,005022 -0,021270
28-Feb-2010 0,082518 0,062259 0,061286 0,082419 0,061359 0,073289
31-Mar-2010 0,047400 0,066692 0,053159 0,083643 0,056918 0,066820
30-Apr-2010 -0,035107 -0,079527 -0,055112 -0,101698 -0,059457 -0,077387
31-May-2010 0,008703 0,055322 0,047210 0,034809 0,005257 0,082077
30-Jun-2010 0,079674 0,074685 0,070947 0,088394 0,068088 0,083776
31-Jul-2010 0,030856 0,001756 0,001977 0,026667 0,025911 -0,007849
31-Aug-2010 0,163553 0,118016 0,129871 0,128225 0,109874 0,148927
30-Sep-2010 0,043784 0,047232 0,028470 0,091120 0,055038 0,037703
31-Oct-2010 -0,104068 -0,007687 -0,040108 -0,010968 -0,014947 -0,048617
30-Nov-2010 0,071068 0,031178 0,028522 0,072723 0,061956 0,020345
39
31-Dec-2010 -0,054696 0,064611 0,082026 -0,083319 -0,088550 0,158119
31-Jan-2011 0,040448 -0,000412 -0,010514 0,091110 -0,030260 0,042404
28-Feb-2011 0,069135 0,056006 0,070727 0,019534 0,051662 0,065828
31-Mar-2011 0,011286 0,036229 0,041217 -0,015316 0,038266 0,022230
30-Apr-2011 -0,004225 0,015773 0,012298 0,001852 -0,004040 0,020634
31-May-2011 0,016406 0,013432 0,021230 -0,011194 0,004180 0,021858
30-Jun-2011 0,019772 0,110208 0,092317 0,055226 0,060504 0,102268
31-Jul-2011 -0,037790 -0,079201 -0,067485 -0,066946 -0,076169 -0,060770
31-Aug-2011 -0,076821 -0,092571 -0,087590 -0,089836 -0,084888 -0,090459
30-Sep-2011 0,072231 0,106889 0,104278 0,070251 0,094149 0,099114
31-Oct-2011 -0,038546 -0,037975 -0,028569 -0,073226 -0,048598 -0,030293
30-Nov-2011 -0,018195 0,082868 0,060860 0,028814 0,031819 0,070624
31-Dec-2011 0,043795 0,061247 0,053728 0,065547 0,059864 0,053558
31-Jan-2012 0,024774 0,043723 0,033809 0,037993 0,028876 0,042328
29-Feb-2012 0,045586 0,086133 0,054115 0,088277 0,026943 0,110569
31-Mar-2012 0,005849 0,052468 0,021605 0,047000 0,040064 0,024914
30-Apr-2012 -0,116082 -0,102861 -0,095239 -0,126245 -0,116246 -0,100808
31-May-2012 0,033555 0,019575 0,033330 0,015216 0,030985 0,020148
30-Jun-2012 0,064033 0,045878 0,080034 0,018492 0,053527 0,053790
31-Jul-2012 -0,035584 -0,032072 -0,017121 -0,055519 -0,034035 -0,033120
31-Aug-2012 0,046648 0,121435 0,092483 0,085251 0,061524 0,117244
30-Sep-2012 0,017704 0,045569 0,034919 0,031905 0,004199 0,063055
40
31-Oct-2012 -0,017074 0,020541 -0,007672 0,020543 -0,028725 0,037565
30-Nov-2012 0,032112 -0,044590 -0,022499 0,002658 -0,002282 -0,021153
31-Dec-2012 0,012444 0,102732 0,072335 0,052975 0,059481 0,068594
Sumber: Data diolah
Tabel 4.6
Hasil Perhitungan Excess Return Portofolio Big Size Sesudah Currency Crisis
Date BH BL BR BW BC BA
31-Jan-2014 0,040040 0,117625 0,054565 0,065703 0,063849 0,052442
28-Feb-2014 0,020030 0,072275 0,050849 0,041894 0,051532 0,044409
31-Mar-2014 0,040407 0,253982 -0,009714 0,030895 0,017047 -0,010369
30-Apr-2014 -0,000499 0,103996 0,018435 -0,032698 -0,001340 0,005340
31-May-2014 -0,004964 -0,119604 -0,027450 -0,001073 -0,009518 -0,028426
30-Jun-2014 0,035575 -0,075750 0,086299 0,028378 0,050542 0,084820
31-Jul-2014 0,000378 -0,142635 -0,007671 0,010425 -0,004591 0,000882
31-Aug-2014 0,009298 0,005798 -0,030104 -0,010191 -0,023147 -0,024260
30-Sep-2014 -0,016744 0,056641 0,012680 -0,019184 -0,010104 0,014979
31-Oct-2014 0,004747 -0,085651 0,043218 -0,001050 0,009521 0,048457
30-Nov-2014 -0,015783 -0,026569 0,027422 -0,013525 0,007133 0,021387
31-Dec-2014 0,004797 0,087421 0,014304 0,022689 0,014945 0,019053
31-Jan-2015 0,048979 0,051435 0,020363 0,034144 0,029296 0,021415
28-Feb-2015 -0,009619 0,043414 -0,009868 0,017307 0,022846 -0,019117
31-Mar-2015 -0,104781 -0,007264 -0,095043 -0,107654 -0,096885 -0,100755
41
30-Apr-2015 0,042259 0,011821 0,031949 0,052743 0,031307 0,044127
31-May-2015 -0,095928 -0,023723 0,114115 -0,122224 -0,057323 0,109752
30-Jun-2015 -0,052076 0,072601 -0,057322 -0,007105 -0,015518 -0,060428
31-Jul-2015 0,016124 0,001950 0,251344 -0,016583 0,158600 0,170193
31-Aug-2015 -0,124975 -0,006020 -0,165960 0,101151 -0,042508 -0,108299
30-Sep-2015 0,087173 0,003640 0,113289 0,082496 0,063362 0,133414
31-Oct-2015 -0,046439 0,023298 0,023033 -0,056074 -0,026340 0,015564
30-Nov-2015 0,043471 0,237445 0,042382 0,000464 0,056787 0,008000
31-Dec-2015 0,016874 -0,012081 -0,010622 0,056673 -0,003354 0,021781
31-Jan-2016 0,038581 0,035251 0,052100 0,012638 0,059131 0,004525
29-Feb-2016 0,007703 -0,038633 0,012454 0,087527 0,061801 0,030588
31-Mar-2016 -0,025567 -0,098052 -0,006363 -0,022912 -0,007699 -0,021370
30-Apr-2016 0,280694 0,027983 0,256526 -0,056029 -0,030372 0,275006
31-May-2016 -0,019253 -0,097466 -0,005010 0,067554 0,041352 0,014061
30-Jun-2016 0,076258 -0,057552 0,043028 0,097274 0,088371 0,044955
31-Jul-2016 0,052203 -0,087709 0,014772 0,022774 0,018178 0,018844
31-Aug-2016 0,317598 0,004102 0,278152 -0,036598 -0,010088 0,295987
30-Sep-2016 -0,031838 0,092058 -0,034708 0,003491 0,019379 -0,058918
31-Oct-2016 -0,066293 -0,037903 -0,081521 -0,059251 -0,057705 -0,086731
30-Nov-2016 0,376478 0,050810 0,306374 -0,001901 0,014793 0,334539
31-Dec-2016 -0,074294 -0,034649 -0,059121 0,014814 -0,014838 -0,036281
Sumber: Data diolah
42
Tabel 4.7
Hasil Perhitungan Excess Return Portofolio SMB, HML, HMLO, RMW, CMA
Sebelum Currency Crisis
Date MKT SMB HML HMLO RMW CMA
31-Jan-2010 -0,029073 -0,070096 -0,066184 -0,078786 0,071107 0,003933
28-Feb-2010 0,084134 0,043026 0,015907 0,004190 -0,037376 -0,014937
31-Mar-2010 0,064418 0,102567 -0,015435 -0,027559 -0,053927 -0,062637
30-Apr-2010 -0,064077 0,043322 -0,084074 -0,018421 0,138216 0,061014
31-May-2010 0,036317 0,045380 -0,070625 -0,072886 0,058989 -0,026740
30-Jun-2010 0,047985 0,003528 -0,004330 -0,023694 0,071463 -0,028689
31-Jul-2010 -0,001310 0,065234 -0,031992 0,021110 -0,036421 0,064022
31-Aug-2010 0,130673 0,118386 -0,038078 0,023714 0,048272 0,089677
30-Sep-2010 0,032863 0,026579 -0,036345 -0,003058 0,000308 0,061141
31-Oct-2010 -0,034056 0,023631 -0,066906 -0,060333 0,018780 -0,018688
30-Nov-2010 0,043377 0,039346 -0,035063 -0,008173 -0,024938 0,046515
31-Dec-2010 -0,084894 -0,092652 -0,057288 -0,117237 0,128766 -0,102940
31-Jan-2011 0,012529 0,013339 0,000058 -0,024786 -0,050015 -0,048320
28-Feb-2011 0,054405 0,004406 0,010028 -0,006158 0,044121 -0,017641
31-Mar-2011 0,032689 0,022562 -0,022528 -0,020045 0,043630 -0,001679
30-Apr-2011 -0,001083 -0,000894 0,003580 0,013754 0,010899 0,019268
31-May-2011 0,007824 0,014588 0,005107 0,004154 0,030543 -0,011762
30-Jun-2011 0,056668 0,087452 -0,149464 -0,158041 0,093272 -0,063222
31-Jul-2011 -0,075604 0,061595 -0,095142 -0,056017 0,047244 0,000412
43
31-Aug-2011 -0,081814 -0,039068 0,048615 0,055973 0,035179 0,004743
30-Sep-2011 0,062510 -0,012998 -0,033953 -0,052353 0,024456 -0,004921
31-Oct-2011 -0,025403 0,012779 0,027788 0,038588 0,088274 -0,006401
30-Nov-2011 0,023778 0,030757 -0,047247 -0,065516 -0,019118 -0,045730
31-Dec-2011 0,026319 0,017960 -0,015708 -0,010723 -0,033338 0,011603
31-Jan-2012 0,006040 0,005310 -0,016412 -0,033056 0,019569 -0,036187
29-Feb-2012 0,029420 -0,022556 -0,083903 -0,134186 0,003133 -0,072863
31-Mar-2012 0,009567 0,069504 -0,063003 -0,018456 -0,044238 0,049303
30-Apr-2012 -0,088009 0,029569 0,009977 0,022882 0,053604 -0,035415
31-May-2012 0,027235 -0,003874 -0,005277 -0,002989 0,028258 0,015314
30-Jun-2012 0,042423 0,000742 0,000633 0,002870 0,041430 0,016860
31-Jul-2012 -0,024589 -0,017089 0,011446 0,008158 0,020740 -0,006865
31-Aug-2012 0,045015 -0,003889 -0,051714 -0,072192 -0,011538 -0,018685
30-Sep-2012 0,015790 -0,018311 -0,042152 -0,063709 0,025539 -0,026495
31-Oct-2012 -0,021836 0,016600 -0,060360 -0,058776 0,001614 -0,017142
30-Nov-2012 0,004690 0,034819 0,050885 0,070622 -0,021750 0,019497
31-Dec-2012 0,026949 0,025040 -0,068154 -0,063819 -0,005016 0,002888
Sumber: Data diolah
44
Tabel 4.8
Hasil Perhitungan Excess Return Portofolio SMB, HML, HMLO, RMW, CMA
Sesudah Currency Crisis
Date MKT SMB HML HMLO RMW CMA
31-Jan-2014 0,039342 0,040376 -0,040278 -0,043591 -0,039537 -0,014283
28-Feb-2014 0,025796 0,010424 -0,012355 -0,020342 -0,006760 -0,011886
31-Mar-2014 0,008822 -0,049026 -0,103144 -0,117920 -0,023526 0,010038
30-Apr-2014 0,004858 -0,008138 -0,058019 -0,076512 0,039944 -0,033210
31-May-2014 -0,009382 -0,028955 0,066165 0,057141 0,009282 -0,002873
30-Jun-2014 0,036840 0,019155 0,044184 0,033529 0,044726 -0,023864
31-Jul-2014 0,003194 0,060631 0,046712 0,062934 -0,035111 -0,004343
31-Aug-2014 -0,006111 -0,026320 -0,008259 -0,013731 0,003216 0,004308
30-Sep-2014 -0,015599 -0,013258 -0,032121 -0,046635 0,020725 -0,028133
31-Oct-2014 0,005606 0,049349 0,038702 0,053115 0,008396 -0,003642
30-Nov-2014 0,008505 0,108332 0,100159 0,043737 -0,062297 -0,176171
31-Dec-2014 0,005491 -0,038114 -0,052312 -0,046738 0,020340 0,037224
31-Jan-2015 0,023959 0,009512 -0,009494 -0,019581 -0,011322 -0,015711
28-Feb-2015 0,006296 -0,065042 0,000193 -0,002025 -0,022056 0,044720
31-Mar-2015 -0,084575 0,000083 -0,055219 -0,049652 -0,000430 -0,023047
30-Apr-2015 0,019299 -0,021775 0,015078 -0,001586 -0,005972 -0,009839
31-May-2015 -0,064858 -0,077810 -0,042082 -0,102341 0,105795 -0,103291
30-Jun-2015 -0,028269 -0,065810 -0,097917 -0,111954 -0,030293 0,008689
31-Jul-2015 -0,067243 -0,244608 0,023227 -0,027885 0,129358 0,025304
45
31-Aug-2015 -0,069603 0,017068 -0,087991 -0,072168 -0,124814 0,004270
30-Sep-2015 0,048503 0,042255 0,038728 0,015811 0,072541 -0,062054
31-Oct-2015 -0,008208 -0,048894 -0,054236 -0,075799 0,051443 -0,017925
30-Nov-2015 0,026709 -0,048616 -0,088663 -0,095318 -0,003508 0,031071
31-Dec-2015 -0,001426 -0,072522 -0,006631 -0,025010 -0,039397 0,016383
31-Jan-2016 0,027715 0,017362 -0,072920 -0,035112 0,059521 0,068369
29-Feb-2016 0,009764 0,054637 0,025953 0,057769 -0,051015 0,034939
31-Mar-2016 -0,007026 0,042874 0,015304 0,047996 0,029147 0,029870
30-Apr-2016 -0,014246 -0,151664 0,116010 0,008121 0,172758 -0,133781
31-May-2016 0,040192 0,095778 0,051242 0,080599 -0,043474 0,013500
30-Jun-2016 0,034320 0,014536 0,061479 0,078932 0,000381 0,038512
31-Jul-2016 0,027192 0,053889 0,051374 0,033937 -0,040759 -0,056305
31-Aug-2016 -0,009367 -0,196741 0,155700 0,021904 0,149970 -0,150190
30-Sep-2016 0,005554 0,028185 -0,074531 -0,031036 0,014833 0,067838
31-Oct-2016 -0,055462 0,017043 -0,035813 -0,020518 -0,030215 -0,000581
30-Nov-2016 0,023705 -0,191556 0,169250 0,027456 0,151158 -0,156391
31-Dec-2016 -0,005492 0,000812 -0,004791 0,011683 -0,033910 0,033338
Sumber: Data diolah
46
Tabel 4.9
Uji Asumsi Klasik Five Factor Model Sebelum Currency Crisis
Sumber: Data diolah
Tabel 4.10
Uji Asumsi Klasik Five Factor Model Sesudah Currency Crisis
Sumber: Data diolah
Tabel 4.11
Uji F Five Factor Model Sebelum Currency Crisis
Portofolio
Uji F
F Sig. Adjusted R²
SH 53,9059 0,0000 0,8832
SL 109,4749 0,0000 0,9394
SR 66,6881 0,0000 0,9037
47
SW 67,7561 0,0000 0,9051
SC 46,3566 0,0000 0,8663
SA 85,2815 0,0000 0,9233
BH 29,7070 0,0000 0,8040
BL 33,0021 0,0000 0,8205
BR 23,0235 0,0000 0,7588
BW 53,6589 0,0000 0,8827
BC 70,2009 0,0000 0,9081
BA 19,4171 0,0000 0,7246
Sumber: Data diolah
Tabel 4.12
Uji F Five Factor Model Sesudah Currency Crisis
Portofolio
Uji F
F Sig. Adjusted R²
SH 32,0411 0,0000 0,8160
SL 20,7161 0,0000 0,7380
SR 34,1308 0,0000 0,8256
SW 34,4571 0,0000 0,8270
SC 26,7680 0,0000 0,7864
SA 49,7479 0,0000 0,8744
BH 35,7571 0,0000 0,8324
BL 23,3739 0,0000 0,7617
48
BR 59,6508 0,0000 0,8934
BW 12,3673 0,0000 0,6189
BC 5,9629 0,0006 0,4149
BA 68,0069 0,0000 0,9054
Sumber: Data diolah
4.2. Hasil dan Pembahasan
4.2.1 Analisis Pengaruh Asset Pricing Model terhadap Excess Return
Sebelum dan Sesudah Currency Crisis
Tabel 4.9 dan 4.10 menunjukkan hasil uji asumsi klasik pengaruh excess
market return, size, book-to-market orthogonal, profitability dan investment pattern
terhadap excess return portofolio pada periode sebelum dan sesudah currency crisis,
dengan analisis sebagai berikut:
a. Uji Normalitas
Berdasarkan hasil uji Kolmogorov-Smirnov (K-S) pada tabel 4.9 dan 4.10
diperoleh nilai signifikansi K-S lebih dari 0.05 pada portofolio SH, SL, SR,
SW, SC, SA, BH, BL, BR, BW, BC, dan BA. Hal tersebut berarti bahwa H0
diterima, sehingga dapat disimpulkan data setiap portofolio terdistribusi
normal.
b. Uji Multikolinearitas
Pada tabel 4.9 dan tabel 4.10 menunjukkan bahwa nilai VIF (Variance
Inflation Factor) kurang dari 10 dan nilai Tolerance lebih dari 0,1 untuk
variabel MKT, SMB, HML, HMLO, RMW, dan CMA pada masing-masing
portofolio sehingga dapat disimpulkan tidak terjadi multikolinearitas pada
model regresi.
c. Uji Autokorelasi
Pada tabel 4.9 dan tabel 4.10 menunjukkan nilai signifikansi uji Runs Test
lebih dari 0,05 pada semua portofolio sehingga dapat disimpulkan bahwa tidak
terjadi autokorelasi pada persamaan regresi.
d. Uji Heterokedastisitas
49
Berdasarkan hasil uji korelasi Spearman’s Rho pada tabel 4.9 dan tabel
4.10 Korelasi masing-masing variabel bebas dengan unstandardized residual
memiliki nilai signifikasi lebih dari 0,05. Hal tersebut berarti bahwa tidak
terjadi masalah heterokedatisitas pada model regresi.
e. Uji F
Pada tabel 4.11 dan 4.12 dapat dilihat bahwa hasil uji F pada semua
portofolio Five Factor Model (SH, SL, SR, SW, SC, SA, BH, BL, BR, BW,
BC, dan BA) mempunyai nilai signifikansi kurang dari 0,05. Sesuai dengan
hipotesis awal bahwa jika nilai signifikansi <0,05 maka H1 ditolak dan H0
diterima. Hal ini dapat diartikan bahwa variabel independen, yakni MKT,
SMB, HML, RMW, dan CMA secara simultan berpengaruh terhadap excess
return portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC, dan BA
pada periode sebelum dan sesudah currency crisis.
Berdasarkan nilai Adjusted R2 dari Five Factor Model pada periode
sebelum currency crisis, terlihat bahwa kemampuan variance dari variabel
MKT, SMB, HMLO, RMW dan CMA dalam menjelaskan variance dari
portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC dan BA adalah
88,32%, 93,94%, 90,37%, 90,51%, 86,63%, 92,33%, 80,40%, 82,05%,
75,88%, 88,27%, 90,81% dan 72,46%. Sedangkan kemampuan variance dari
variabel diluar variabel MKT, SMB, HMLO, RMW dan CMA yang mampu
menjelaskan variance dari portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR,
BW, BC dan BA sebesar 11,69%, 6,06%, 9,63%, 9,49%, 13,37%, 7,67%,
19,60%, 17,95%, 24,12%, 11,73%, 9,19% dan 27,54%.
Selanjutnya nilai Adjusted R2 dari Five Factor Model pada periode
sesudah currency crisis, terlihat bahwa kemampuan variance dari variabel
MKT, SMB, HMLO, RMW dan CMA dalam menjelaskan variance dari
portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC dan BA pada
periode sebelum currency crisis adalah 81,60%, 73,80%, 82,56%, 82,70%,
78,64%, 87,44%, 83,24%, 76,17%, 89,34%, 61,89%, 41,49% dan 90,54%.
Sedangkan kemampuan variance dari variabel diluar variabel MKT, SMB,
HMLO, RMW dan CMA yang mampu menjelaskan variance dari portofolio
SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC dan BA sebesar 18,40%,
26,20%, 17,44%, 17,30%, 21,36%, 12,56%, 16,76%, 23,83%, 10,66%,
38,11%, 58,51% dan 9,46%.
50
4.2.2 Pembahasan
Dalam berinvestasi, sangat diperlukan kemampuan untuk memprediksi return
suatu saham bagi para investor. Return yang didapatkan oleh para investor berbanding
lurus dengan kemungkinan risiko kerugian yang akan dihadapi. Salah satu cara
investor untuk mendiversifikasi risiko adalah dengan membentuk portofolio saham.
Oleh sebab itu banyak peneliti yang mengembangkan asset pricing model untuk
membentuk portofolio dengan harapan agar dapat memberikan return yang optimal
bagi investor.
Berdasarkan uji F antara variabel dependen yaitu excess return portofolio
dengan variabel independen yaitu MKT, SMB, HMLO, RMW, dan CMA didapatkan
hasil bahwa variabel independen Five Factor Model secara simultan berpengaruh
pada excess return portofolio Five Factor Model. Hal ini sesuai dengan penelitian
sebelumnya yang dilakukan oleh Chiah et al., (2015), Fama dan French (2015),
Nichol dan Dowling (2014) bahwa Five Factor Asset Pricing Model berpengaruh
terhadap excess return dan mampu memprediksi excess return.
Hasil uji F Five Factor Model terhadap excess return sebelum currency crisis
dan sesudah curreny crisis menunjukkan hasil yang sama yaitu nilai signifikansi
dibawah 0,05 sehingga dapat disimpulkan bahwa Five Factor Model berpengaruh
terhadap excess return ketika periode sebelum currency crisis dan sesudah currency
crisis. Sedangkan nilai Adjusted R2
pada Five Factor Model sebelum currency crisis
menunjukkan hasil yang lebih baik dibandingkan dengan nilai Adjusted R2 pada Five
Factor Model sesudah currency crisis. Nilai Adjusted R2 portofolio BC pada periode
sesudah currency crisis adalah 41,49% yang berarti kemampuan variance dari
variabel MKT, SMB, HMLO, RMW dan CMA dalam menjelaskan variance dari
portofolio BC sebesar 41,49%. Hasil ini sama dengan penelitian yang dilakukan Fama
dan French (2016) yang dilakukan pada bursa saham internasional, dimana
menurutnya faktor profitability dan investment pattern memiliki pengaruh yang besar
terhadap return pada portofolio small size daripada portofolio big size.
51
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan pengujian dengan menggunakan teknik multiple regression dan
uji F, maka kesimpulan yang dapat dihasilkan dari penelitian ini adalah:
1. Five Factor Model yang meliputi variabel MKT, SMB, HML, RMW, dan
CMA secara simultan dapat berpengaruh terhadap excess return pada periode
sebelum currency crisis.
2. Five Factor Model yang meliputi variabel MKT, SMB, HML, RMW, dan
CMA secara simultan dapat berpengaruh terhadap excess return pada periode
sesudah currency crisis.
5.2. Saran
Berdasarkan hasil dan kesimpulan, maka saran yang diberikan oleh peneliti
adalah:
1. Bagi akademisi, peneliti selanjutnya dapat menambahkan jumlah
emiten/perusahaan, hal ini dimaksudkan agar sampel nantinya bisa lebih
banyak, sehingga hasil penelitian bisa lebih akurat dengan menambahkan
jumlah emiten/perusahaan. Selain itu, penelitian selanjutnya dapat menguji
dengan menggunakan asset pricing model lainnya yang terbaru pada pasar
saham di Indonesia, hal ini dimaksudkan agar ditemukan model yang dapat
memprediksi return dengan lebih akurat ketika keuangan sedang dilanda
krisis.
2. Bagi Investor, sebaiknya lebih memperhatikan market factor, firm size, book-
to-market, return on equity, dan asset growth dalam memperhitungkan return
serta dalam pengambilan keputusan investasi saham. Investor juga harus lebih
memperhatikan pembentukan portofolio yang optimal agar dapat
mendiversifikasi risiko dan meminimalisir risiko.
52
DAFTAR PUSTAKA
Banz, R. W. (1981). THE RELATIONSHIP BETWEEN RETURN AND MARKET
VALUE OF COMMON STOCKS. Journal of Financial Economics , 3-18.
Bhandari, L. C. (1988). Debt/Equity Ratio and Expected Common Stock Returns:
Empirical Evidence. The Journal of Finance , 507-528.
BI Rate. (n.d.). Retrieved February 2018, from https://www.bi.go.id/id/moneter/bi-
rate/data/Default.aspx
Blandón, J. G. (2011). RETURN SEASONALITY IN EMERGING MARKETS:
EVIDENCE FROM LATIN AMERICA. Contemporary Studies in Economic and
Financial Analysis , 405-422.
Bodie, Z., Kane, A., & Marcus, A. J. (2013). Essentials of Investments. McGraw-
Hill/Irwin.
Carhart, M. M. (1997). On Persistence in Mutual Fund Performance. The Journal of
Finance .
Chan, L. K., Hamao, Y., & Lakonishok, J. (1991). Fundamentals and Stock Returns in
Japan. The Journal of Finance , 1739-1764.
Chiah, M., Chai, D., Zhong, A., & Li, S. (2016). A Better Model? An Empirical
Investigation of the Fama–French Five-factor Model in Australia. International
Review of Finance .
Eichenbaum, M., Burnside, C., & Rebelo, S. (2007). CURRENCY CRISIS
MODELS. The New Palgrave: A Dictionary of Economics .
Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of
Financial Economics , 1-22.
Fama, E. F., & French, K. R. (1992). The Cross-Section of Expected Stock Returns.
The Journal of Finance .
Fama, F. E., & French, R. K. (1993). Common risk factors in the returns on stock and
bonds. Journal of Financial Economics , 3-56.
Fama, F. E., & French, R. K. (1995). Size and Book-to-Market Factors in Earnings
and Returns. The Journal of Finance , 131-155.
Franke, G. (1984). Conditions for Myopic Valuation and Serial Independence of the
Market Excess Return in Discrete Time Models. The Journal of Finance , 425-442.
Gitman, L. J. (2003). Principle of Managerial Finance.
53
Gray, P., & Johnson, J. (2011). The relationship between asset growth and the cross-
section of stock returns. Journal of Banking & Finance , 670–680.
Gulen, H., Schill, M. J., & Cooper, M. J. (2008). Asset Growth and the Cross-Section
of Stock Returns. THE JOURNAL OF FINANCE .
Historical Data. (n.d.). Retrieved February 7, 2018, from
https://finance.yahoo.com/quote
Hou, K., Xue, C., & Zhang, L. (2012). DIGESTING ANOMALIES: AN
INVESTMENT APPROACH. NBER WORKING PAPER SERIES .
Hou, K., Xue, C., & Zhang, L. (2015). Digesting Anomalies: An Investment
Approach. The Review of Financial Studies .
Kim, K.-H. (1999). Korea: Could a Real Estate Price Bubble Have Caused the
Economic Crisis. Paper Presented at the Joint Conference of AREUEA and ARES at
Maui, Hawaii .
Lam, K. S. (2002). The relationship between size, book-to-market equity ratio,
earnings–price ratio, and return for the Hong Kong stock market. Global Finance
Journal , 163–179.
Laporan Keuangan dan Tahunan. (n.d.). Retrieved February 2018, from
http://idx.co.id/perusahaan-tercatat/laporan-keuangan-dan-tahunan/
Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012). Statistical Techniques in
Business & Economics. McGraw-Hill/Irwin.
Lintner, J. (1965b). Security Prices, Risk, and Maximal Gains From Diversification.
The Journal of Finance , 587-615.
Lintner, J. (1965a). The Valuation of Risk Assets and the Selection of Risky
Investments in Stock Portfolios and Capital Budgets. The Review of Economics and
Statistics , 13-37.
Markowitz, H. (1952). Portfolio Selection. The Journal of Finance , 77-91.
Mossin, J. (1966). Equilibrium in a Capital Asset Market. Econometrica , 768-783.
Novy-Marx, R. (2013). The other side of value: The gross profitability premium.
Journal of Financial Economics , 1-28.
Olowe, R. A. (2009). STOCK RETURN VOLATILITY, GLOBAL FINANCIAL
CRISIS AND THE MONTHLY SEASONAL EFFECT ON THE NIGERIAN
STOCK EXCHANGE. African Review of Money Finance and Banking , 73-107.
Reinhart, M. C., & Reinhart, V. R. (2010). AFTER THE FALL. NBER WORKING
PAPER SERIES .
54
Rosenberg, B., Reid, K., & Lanstein, R. (1985). Persuasive evidence of market
inefficiency. The Journal of Portfolio Management , 9-16.
Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium Under
Conditions of Risk. The Journal of Finance .
Van Horne, J. C., & Wachowicz, J. M. (2008). Fundamentals of Financial
Management. Prentice Hall.
Wu, W.-C., & Chang, C.-O. (2002). Taiwan Real Estate Market in Post Asian
Financial Crisis Period. Paper Presented at the International Conference of Asian
Crisis, IV: The Recovery and the Rest of the World .
55
Lampiran 1
Anggota Portofolio SH
Sebelum Currency Crisis
Sesudah Currency Crisis
SH SH
2010 2011 2012 2014 2015 2016
ACES AALI AALI AALI ADRO AALI
BKSL ACES BDMN
AISA ASRI AISA
BSDE BMTR CTRA
BDMN BDMN BDMN
CTRA BSDE DILD
BKSL BKSL BKSL
DILD CTRA HMSP
BMTR BMTR CPIN
HMSP DILD ICBP
CTRA CTRA DILD
JPFA HMSP INCO
HMSP INCO INTP
KAEF ICBP JPFA
INCO ITMG JPFA
KIJA JPFA KREN
JPFA JPFA JSMR
KREN KAEF MPPA
KAEF KIJA KIJA
LPCK LPKR PBRX
KIJA LPCK MAPI
MDLN MPPA PNBN
KREN MAPI MDLN
MNCN PBRX PNLF
MDLN MDLN MPPA
MPPA PNBN RALS
MNCN MPPA PNBN
PNBN PNLF SCMA
MPPA PBRX PNLF
PNLF PWON TINS
PNBN PNBN
PWON RALS
PNLF PNLF
RALS SCMA
RALS PTBA
SCMA SMRA
TINS RALS
TOTL WIKA
TINS
WIKA
56
Lampiran 2
Anggota Portofolio SL
Sebelum Currency Crisis
Sesudah Currency Crisis
SL SL
2010 2011 2012 2014 2015 2016
ADHI ADHI ACES ACES ACES ACES
AISA AISA AISA
DILD AISA ASRI
ASRI BKSL CPIN
ITMG DILD ITMG
MAPI KIJA KAEF
LPCK KAEF KAEF
PBRX KREN KIJA
MAPI LSIP KLBF
SMRA LPCK LPCK
PBRX SCMA KREN
SSIA MDLN LSIP
PTBA SSIA LPCK
TOTL MAPI
SSIA TOTL MNCN
MDLN
TOTL PBRX
PWON
RALS
SMRA
SMRA
TOTL
TINS
TOTL
57
Lampiran 3
Anggota Portofolio SR
Sebelum Currency Crisis
Sesudah Currency Crisis
SR
SR
2010 2011 2012 2014 2015 2016
ACES AALI AALI ADHI ACES AALI
ADHI ACES ACES
ASII CTRA ACES
HMSP HMSP CPIN
ASRI ITMG AISA
JPFA ICBP HMSP
BBCA KAEF CPIN
KREN LPCK ICBP
BBNI LPCK INTP
MPPA SCMA JPFA
BBRI MDLN ITMG
SCMA LPCK
BMRI PTBA JPFA
MAPI
BSDE SCMA KLBF
PWON
ICBP TOTL KREN
SCMA
INTP LPCK
SMRA
KLBF MNCN
TOTL
LPKR RALS
PGAS TOTL
PWON
SCMA
SMGR
SMRA
TLKM
UNVR
58
Lampiran 4
Anggota Portofolio SW
Sebelum Currency Crisis
Sesudah Currency Crisis
SW SW
2010 2011 2012 2014 2015 2016
AISA ADHI AISA AISA ADRO ASRI
ASRI AISA BDMN
BDMN AISA BDMN
BKSL BKSL CTRA
BKSL ASRI BKSL
BSDE BMTR DILD
BMTR BDMN DILD
CTRA BSDE INCO
CTRA BKSL JSMR
DILD CTRA KAEF
DILD BMTR KAEF
KAEF DILD KIJA
INCO DILD KIJA
KIJA JPFA KREN
JPFA INCO MAPI
LPCK KAEF LSIP
KAEF JPFA MDLN
MAPI KIJA MDLN
KIJA KIJA MPPA
MDLN KREN MPPA
KREN LSIP PBRX
MNCN LPKR PBRX
MAPI MAPI PNBN
PNBN MDLN PNBN
MDLN MPPA PNLF
PNLF MPPA PNLF
PBRX PBRX SMRA
PWON PBRX RALS
PNBN PNBN TINS
RALS PNBN TINS
PNLF PNLF
SMRA PNLF
RALS RALS
SSIA PWON
SSIA SSIA
TOTL RALS
TINS TINS
WIKA SMRA
TOTL
WIKA
59
Lampiran 5
Anggota Portofolio SC
Sebelum Currency Crisis
Sesudah Currency Crisis
SC SC
2010 2011 2012 2014 2015 2016
ADHI AALI AISA BDMN ADRO AISA
CTRA BKSL BDMN
BKSL BDMN ASRI
KAEF BMTR DILD
HMSP BMTR BDMN
KIJA BSDE ICBP
INCO INCO BKSL
LPCK HMSP INCO
ITMG ITMG CPIN
MAPI ICBP KAEF
JPFA JPFA INTP
MNCN JPFA KREN
KIJA KAEF ITMG
MPPA KAEF LSIP
MAPI LSIP LPCK
PBRX KREN MPPA
MDLN MAPI MNCN
PWON LPKR PNLF
MPPA MPPA PNBN
RALS MDLN RALS
PNBN PNBN RALS
SCMA MPPA SCMA
RALS PNLF TINS
SSIA PNBN TINS
SSIA RALS TOTL
WIKA PWON TOTL
TOTL SCMA
RALS
SSIA
TOTL
TINS
60
Lampiran 6
Anggota Portofolio SA
Sebelum Currency Crisis
Sesudah Currency Crisis
SA SA
2010 2011 2012 2014 2015 2016
ACES ACES AALI AALI ACES AALI
AISA ADHI ACES
ACES AISA ACES
ASRI AISA CPIN
AISA ASRI DILD
BKSL CTRA CTRA
BMTR BKSL JPFA
BSDE DILD HMSP
CTRA CTRA JSMR
DILD KIJA JPFA
DILD DILD KAEF
HMSP LPCK KIJA
KAEF KIJA KIJA
JPFA PBRX LPCK
KREN LPCK KLBF
KREN PNLF MAPI
LPCK MDLN KREN
MDLN SCMA MDLN
MNCN PBRX MAPI
PNBN SMRA PBRX
PBRX PTBA MDLN
PNLF WIKA PNBN
PNLF TOTL MPPA
SMRA PWON
PTBA PBRX
TOTL SMRA
TINS PNLF
SMRA
61
Lampiran 7
Anggota Portofolio BH
Sebelum Currency Crisis
Sesudah Currency Crisis
BH BH
2010 2011 2012 2014 2015 2016
BBCA ASII ADRO ADRO AALI ADRO
BMTR BBCA ASII
ASII BBNI ASII
GGRM BDMN BBCA
BBCA BMRI BBCA
INCO GGRM BBNI
BBNI BSDE BBNI
INDF INCO BMRI
BMRI GGRM BBRI
JSMR INDF BMTR
CPIN INDF BMRI
TLKM KLBF GGRM
GGRM PGAS GGRM
TLKM INDF
TLKM UNTR HMSP
INTP
UNTR ICBP
ITMG
INDF
TLKM
PGAS
UNTR
SMGR
UNTR
62
Lampiran 8
Anggota Portofolio BL
Sebelum Currency Crisis
Sesudah Currency Crisis
BL BL
2010 2011 2012 2014 2015 2016
AALI ADRO ADHI ADHI ADHI ADHI
ADRO AKRA AKRA
AKRA AKRA AKRA
AKRA ASRI ASRI
ASRI ASII BMTR
ASII BBNI BBRI
BBRI BBCA BSDE
BBNI BBRI BKSL
BSDE BBRI CTRA
BBRI BMRI BSDE
ICBP CPIN INCO
BDMN CPIN JSMR
INDF HMSP LPKR
BMRI INTP KLBF
INTP ICBP LSIP
CPIN ITMG LPKR
JSMR INTP PTBA
ICBP JSMR MNCN
KLBF JSMR PWON
INTP LSIP PGAS
LPKR KLBF SCMA
ITMG MAPI PTBA
LSIP KREN SSIA
KLBF MNCN SMGR
PGAS LPKR TLKM
LPKR PGAS SSIA
PWON MNCN UNVR
LSIP PTBA UNVR
SCMA PWON WIKA
PGAS SMGR WIKA
SMGR SMGR
PTBA SSIA
SMRA SMRA
SMGR TINS
UNVR TLKM
TINS UNTR
WIKA UNVR
UNTR UNVR
WIKA
UNVR
63
Lampiran 9
Anggota Portofolio BR
Sebelum Currency Crisis
Sesudah Currency Crisis
BR BR
2010 2011 2012 2014 2015 2016
AALI ADRO ASII ADHI AKRA AKRA
ASII AKRA ASRI
ASII ASII ASII
BBCA ASII BBCA
ASRI BBCA BBCA
BBRI ASRI BBRI
BBCA BBRI BBNI
BMRI BBCA BMRI
BBNI BMRI BBRI
CPIN BBRI INTP
BBRI CPIN GGRM
GGRM BMRI ITMG
BMRI GGRM HMSP
ICBP CPIN KLBF
BSDE HMSP ICBP
INCO GGRM MNCN
ICBP ICBP INDF
INTP INTP PGAS
INTP INTP PTBA
ITMG ITMG PTBA
KLBF KLBF PWON
KLBF KLBF SMGR
LPKR MNCN SCMA
LSIP LSIP SSIA
PGAS PGAS SMGR
PGAS MAPI TLKM
PWON PWON TLKM
PTBA PGAS UNVR
SCMA SMGR UNVR
SMGR PTBA WIKA
SMGR SMRA
TINS SMGR
SMRA TLKM
TLKM SSIA
TLKM UNVR
UNTR TINS
UNVR WIKA
UNVR TLKM
UNTR
UNVR
64
Lampiran 10
Anggota Portofolio BW
Sebelum Currency Crisis
Sesudah Currency Crisis
BW BW
2010 2011 2012
2014 2015 2016
ADRO BBNI ADHI ADRO AALI ADHI
AKRA BDMN ADRO
AKRA ADHI ADRO
BBNI INCO AKRA
CPIN BBNI BMRI
BDMN INDF BBNI
GGRM BSDE BMTR
BMTR JSMR BKSL
INDF INDF BSDE
INDF MNCN BMTR
JSMR JSMR CTRA
JSMR BSDE
LSIP KREN INCO
LPKR GGRM
UNTR LPKR LPKR
INDF
WIKA UNTR LSIP
JSMR
PGAS
LPKR
SSIA
UNTR
UNTR
WIKA
65
Lampiran 11
Anggota Portofolio BC
Sebelum Currency Crisis
Sesudah Currency Crisis
BC BC
2010 2011 2012 2014 2015 2016
ADRO AKRA BBCA ADHI AKRA ADRO
BBCA BBCA BBNI
ADRO ASII AKRA
BBNI BBRI BBRI
AKRA BBCA ASII
BMRI INCO BKSL
ASII BMRI BMTR
BMTR INDF BMRI
BBCA GGRM BSDE
GGRM INTP GGRM
BBNI ICBP GGRM
INCO JSMR INDF
INDF INDF ICBP
ITMG KLBF ITMG
INTP INTP INCO
JSMR MNCN KLBF
KLBF KREN INDF
KLBF PGAS MNCN
LSIP LPKR LSIP
LSIP TINS PTBA
SMGR MNCN PGAS
PGAS TLKM TLKM
SMRA UNTR SCMA
TLKM UNTR
TLKM TLKM
UNVR
UNTR UNTR
UNVR
66
Lampiran 12
Anggota Portofolio BA
Sebelum Currency Crisis
Sesudah Currency Crisis
BA BA
2010 2011 2012 2014 2015 2016
AALI ADRO ADHI ASRI AALI ADHI
AKRA ASII ADRO
BBRI ADHI BBCA
ASII ASRI AKRA
BMRI BBNI BBNI
BBRI BBNI ASII
BSDE BBRI BBRI
BDMN BDMN ASRI
CPIN BSDE BMRI
CPIN BMRI BMTR
GGRM CPIN CTRA
ICBP CPIN BSDE
ICBP HMSP HMSP
INDF GGRM INTP
JSMR JSMR LPKR
INTP ITMG JSMR
LPKR KLBF PTBA
LPKR LSIP LPKR
PGAS PGAS PWON
SMGR MAPI PGAS
PWON PWON SMGR
TINS PTBA SMGR
SCMA SMGR SSIA
UNTR SMGR SSIA
UNVR SMRA WIKA
UNVR SSIA WIKA
WIKA TLKM
UNTR
UNVR
UNVR
WIKA
67
Lampiran 13
Nilai excess return dari tiap-tiap portofolio sebelum currency crisis
Date SH SL SR SW SC SA BH BL BR BW BC BA
31-Jan-10 -0,019364 -0,003882 -0,033939 -0,008116 -0,024706 -0,006281 0,030084 0,146970 0,165760 -0,002278 0,005022 -0,021270
28-Feb-10 0,121230 0,109674 0,080042 0,133660 0,109369 0,127313 0,082518 0,062259 0,061286 0,082419 0,061359 0,073289
31-Mar-10 0,166672 0,178252 0,114302 0,191673 0,111880 0,227253 0,047400 0,066692 0,053159 0,083643 0,056918 0,066820
30-Apr-10 -0,112000 0,100569 0,105317 -0,124528 -0,006809 -0,110906 -0,035107 -0,079527 -0,055112 -0,101698 -0,059457 -0,077387
31-May-10 0,045192 0,139824 0,144262 0,038685 0,080519 0,057180 0,008703 0,055322 0,047210 0,034809 0,005257 0,082077
30-Jun-10 0,065118 0,078766 0,183082 0,022709 0,047685 0,089375 0,079674 0,074685 0,070947 0,088394 0,068088 0,083776
31-Jul-10 0,050866 0,143949 0,039743 0,087894 0,121279 0,026994 0,030856 0,001756 0,001977 0,026667 0,025911 -0,007849
31-Aug-10 0,205996 0,327689 0,298577 0,203679 0,345623 0,127216 0,163553 0,118016 0,129871 0,128225 0,109874 0,148927
30-Sep-10 0,049538 0,118778 0,112038 0,048772 0,119321 0,014375 0,043784 0,047232 0,028470 0,091120 0,055038 0,037703
31-Oct-10 -0,031343 0,006087 0,025657 -0,041042 -0,057509 0,013538 -0,104068 -0,007687 -0,040108 -0,010968 -0,014947 -0,048617
30-Nov-10 0,050712 0,160726 0,074162 0,079837 0,103925 0,052506 0,071068 0,031178 0,028522 0,072723 0,061956 0,020345
31-Dec-10 -0,084627 -0,089360 -0,019962 -0,112150 -0,065416 -0,106205 -0,054696 0,064611 0,082026 -0,083319 -0,088550 0,158119
31-Jan-11 0,020194 0,060938 0,033088 0,031494 0,021560 0,045536 0,040448 -0,000412 -0,010514 0,091110 -0,030260 0,042404
28-Feb-11 0,058330 0,051403 0,085461 0,048412 0,047301 0,068418 0,069135 0,056006 0,070727 0,019534 0,051662 0,065828
31-Mar-11 0,034310 0,054421 0,064199 0,033471 0,031744 0,051138 0,011286 0,036229 0,041217 -0,015316 0,038266 0,022230
30-Apr-11 0,016278 -0,010881 0,017437 0,006086 0,035608 -0,027602 -0,004225 0,015773 0,012298 0,001852 -0,004040 0,020634
31-May-11 0,025290 0,018050 0,045741 0,017080 0,020716 0,026562 0,016406 0,013432 0,021230 -0,011194 0,004180 0,021858
30-Jun-11 0,070123 0,278615 0,247120 0,097666 0,093400 0,178081 0,019772 0,110208 0,092317 0,055226 0,060504 0,102268
31-Jul-11 -0,094544 0,137151 0,046318 -0,048708 -0,021393 -0,037616 -0,037790 -0,079201 -0,067485 -0,066946 -0,076169 -0,060770
31-Aug-11 -0,103389 -0,184869 -0,073152 -0,141265 -0,124992 -0,128906 -0,076821 -0,092571 -0,087590 -0,089836 -0,084888 -0,090459
30-Sep-11 0,064746 0,097995 0,085942 0,071056 0,072156 0,077032 0,072231 0,106889 0,104278 0,070251 0,094149 0,099114
31-Oct-11 -0,022467 -0,078613 0,065120 -0,066771 -0,036150 -0,041653 -0,038546 -0,037975 -0,028569 -0,073226 -0,048598 -0,030293
30-Nov-11 0,081341 0,074773 0,024242 0,094525 0,056898 0,109552 -0,018195 0,082868 0,060860 0,028814 0,031819 0,070624
31-Dec-11 0,074889 0,088854 0,035778 0,090634 0,086122 0,069222 0,043795 0,061247 0,053728 0,065547 0,059864 0,053558
31-Jan-12 0,033252 0,047128 0,063954 0,020633 0,009739 0,068659 0,024774 0,043723 0,033809 0,037993 0,028876 0,042328
29-Feb-12 -0,012483 0,114775 0,065157 0,024730 0,011006 0,073105 0,045586 0,086133 0,054115 0,088277 0,026943 0,110569
31-Mar-12 0,067076 0,146463 0,065052 0,128134 0,142827 0,059371 0,005849 0,052468 0,021605 0,047000 0,040064 0,024914
30-Apr-12 -0,066818 -0,099993 -0,037492 -0,113694 -0,108732 -0,053340 -0,116082 -0,102861 -0,095239 -0,126245 -0,116246 -0,100808
31-May-12 0,009581 0,034115 0,042040 0,003637 0,029992 0,010199 0,033555 0,019575 0,033330 0,015216 0,030985 0,020148
30-Jun-12 0,045220 0,062109 0,064640 0,043321 0,069449 0,035467 0,064033 0,045878 0,080034 0,018492 0,053527 0,053790
31-Jul-12 -0,039793 -0,066198 -0,049348 -0,052430 -0,057516 -0,044702 -0,035584 -0,032072 -0,017121 -0,055519 -0,034035 -0,033120
31-Aug-12 0,071307 0,099947 0,066262 0,096571 0,092756 0,074407 0,046648 0,121435 0,092483 0,085251 0,061524 0,117244
30-Sep-12 -0,012096 0,044343 0,039557 -0,008506 0,015025 0,009159 0,017704 0,045569 0,034919 0,031905 0,004199 0,063055
31-Oct-12 -0,017548 0,065557 0,036036 0,004593 0,034072 0,002065 -0,017074 0,020541 -0,007672 0,020543 -0,028725 0,037565
30-Nov-12 0,037304 0,012235 0,016079 0,034421 0,036622 0,016499 0,032112 -0,044590 -0,022499 0,002658 -0,002282 -0,021153
31-Dec-12 0,066348 0,112368 0,069276 0,098667 0,093516 0,078626 0,012444 0,102732 0,072335 0,052975 0,059481 0,068594
68
Lampiran 14
Nilai excess return dari tiap-tiap portofolio sesudah currency crisis
Date SH SL SR SW SC SA BH BL BR BW BC BA
31-Jan-14 0,113633 0,116605 0,054565 0,122501 0,094602 0,134575 0,040040 0,117625 0,054565 0,065703 0,063849 0,052442
28-Feb-14 0,066149 0,038615 0,050849 0,073323 0,041852 0,072746 0,020030 0,072275 0,050849 0,041894 0,051532 0,044409
31-Mar-14 0,013263 0,005975 -0,009714 -0,003270 0,007250 0,014591 0,040407 0,253982 -0,009714 0,030895 0,017047 -0,010369
30-Apr-14 0,004332 0,015875 0,018435 -0,010320 -0,021828 0,037912 -0,000499 0,103996 0,018435 -0,032698 -0,001340 0,005340
31-May-14 -0,058965 -0,076655 -0,027450 -0,072392 -0,076977 -0,052324 -0,004964 -0,119604 -0,027450 -0,001073 -0,009518 -0,028426
30-Jun-14 0,036502 0,059459 0,086299 0,054769 0,037156 0,050607 0,035575 -0,075750 0,086299 0,028378 0,050542 0,084820
31-Jul-14 0,025579 0,075169 -0,007671 0,044456 0,039913 0,043125 0,000378 -0,142635 -0,007671 0,010425 -0,004591 0,000882
31-Aug-14 -0,044216 -0,024197 -0,030104 -0,056449 -0,034029 -0,041533 0,009298 0,005798 -0,030104 -0,010191 -0,023147 -0,024260
30-Sep-14 -0,010507 -0,019651 0,012680 0,003093 -0,029038 0,002145 -0,016744 0,056641 0,012680 -0,019184 -0,010104 0,014979
31-Oct-14 0,045019 0,058014 0,043218 0,070694 0,065021 0,033371 0,004747 -0,085651 0,043218 -0,001050 0,009521 0,048457
30-Nov-14 0,185262 -0,004271 0,027422 0,192964 -0,044704 0,293385 -0,015783 -0,026569 0,027422 -0,013525 0,007133 0,021387
31-Dec-14 -0,020290 0,001710 0,014304 -0,034761 0,026060 -0,052497 0,004797 0,087421 0,014304 0,022689 0,014945 0,019053
31-Jan-15 0,037471 0,054003 0,036181 0,045043 0,025350 0,064654 0,048979 0,051435 0,020363 0,034144 0,029296 0,021415
28-Feb-15 -0,036331 -0,089751 -0,063086 -0,046150 -0,031246 -0,078724 -0,009619 0,043414 -0,009868 0,017307 0,022846 -0,019117
31-Mar-15 -0,090316 -0,077396 -0,095766 -0,082295 -0,108037 -0,058075 -0,104781 -0,007264 -0,095043 -0,107654 -0,096885 -0,100755
30-Apr-15 0,013135 0,013418 0,019221 0,010371 0,010277 0,017134 0,042259 0,011821 0,031949 0,052743 0,031307 0,044127
31-May-15 -0,094104 -0,082145 -0,107482 -0,082732 -0,107619 -0,068112 -0,095928 -0,023723 0,114115 -0,122224 -0,057323 0,109752
30-Jun-15 -0,111236 -0,040079 -0,097942 -0,087572 -0,102705 -0,075173 -0,052076 0,072601 -0,057322 -0,007105 -0,015518 -0,060428
31-Jul-15 -0,134113 -0,166392 -0,149586 -0,140374 -0,116678 -0,178879 0,016124 0,001950 0,251344 -0,016583 0,158600 0,170193
31-Aug-15 -0,063472 -0,006444 -0,035314 -0,052798 -0,071715 -0,014463 -0,124975 -0,006020 -0,165960 0,101151 -0,042508 -0,108299
30-Sep-15 0,112556 0,118635 0,191845 0,077558 0,091126 0,145182 0,087173 0,003640 0,113289 0,082496 0,063362 0,133414
31-Oct-15 -0,075159 -0,036423 -0,047956 -0,071735 -0,061497 -0,067551 -0,046439 0,023298 0,023033 -0,056074 -0,026340 0,015564
30-Nov-15 0,025319 0,008671 -0,012643 0,036291 0,026285 0,012931 0,043471 0,237445 0,042382 0,000464 0,056787 0,008000
31-Dec-15 -0,073991 -0,031774 -0,069732 -0,058233 -0,037114 -0,095015 0,016874 -0,012081 -0,010622 0,056673 -0,003354 0,021781
31-Jan-16 -0,021891 0,127278 0,089998 0,010418 0,091365 0,009234 0,038581 0,035251 0,052100 0,012638 0,059131 0,004525
29-Feb-16 0,084057 0,078487 0,067030 0,093987 0,102185 0,063519 0,007703 -0,038633 0,012454 0,087527 0,061801 0,030588
31-Mar-16 -0,008440 0,033436 0,033365 -0,008378 0,035683 -0,010387 -0,025567 -0,098052 -0,006363 -0,022912 -0,007699 -0,021370
30-Apr-16 -0,036725 -0,016033 -0,009460 -0,042422 -0,006860 -0,044675 0,280694 0,027983 0,256526 -0,056029 -0,030372 0,275006
31-May-16 0,107717 0,083445 0,088742 0,103125 0,096291 0,096583 -0,019253 -0,097466 -0,005010 0,067554 0,041352 0,014061
30-Jun-16 0,057036 0,067888 0,091544 0,036535 0,080079 0,046471 0,076258 -0,057552 0,043028 0,097274 0,088371 0,044955
31-Jul-16 0,044910 0,082073 0,022781 0,096297 0,002195 0,114138 0,052203 -0,087709 0,014772 0,022774 0,018178 0,018844
31-Aug-16 -0,056105 -0,054009 -0,063065 -0,048256 -0,052081 -0,057776 0,317598 0,004102 0,278152 -0,036598 -0,010088 0,295987
30-Sep-16 0,012954 0,038120 0,060995 -0,006870 0,055377 -0,002002 -0,031838 0,092058 -0,034708 0,003491 0,019379 -0,058918
31-Oct-16 -0,067632 -0,024397 -0,068001 -0,029842 -0,063730 -0,033543 -0,066293 -0,037903 -0,081521 -0,059251 -0,057705 -0,086731
30-Nov-16 -0,005276 -0,018107 -0,014425 -0,008466 -0,007502 -0,014466 0,376478 0,050810 0,306374 -0,001901 0,014793 0,334539
31-Dec-16 -0,019545 -0,049608 -0,030226 -0,036342 -0,009271 -0,054503 -0,074294 -0,034649 -0,059121 0,014814 -0,014838 -0,036281
69
Lampiran 15
Nilai SMB, HML, HMLO, RMW, dan CMA sebelum currency crisis
Date SMB HML HMLO RMW CMA
31-Jan-10 -0,070096 -0,066184 -0,078786 0,071107 0,003933
28-Feb-10 0,043026 0,015907 0,004190 -0,037376 -0,014937
31-Mar-10 0,102567 -0,015435 -0,027559 -0,053927 -0,062637
30-Apr-10 0,043322 -0,084074 -0,018421 0,138216 0,061014
31-May-10 0,045380 -0,070625 -0,072886 0,058989 -0,026740
30-Jun-10 0,003528 -0,004330 -0,023694 0,071463 -0,028689
31-Jul-10 0,065234 -0,031992 0,021110 -0,036421 0,064022
31-Aug-10 0,118386 -0,038078 0,023714 0,048272 0,089677
30-Sep-10 0,026579 -0,036345 -0,003058 0,000308 0,061141
31-Oct-10 0,023631 -0,066906 -0,060333 0,018780 -0,018688
30-Nov-10 0,039346 -0,035063 -0,008173 -0,024938 0,046515
31-Dec-10 -0,092652 -0,057288 -0,117237 0,128766 -0,102940
31-Jan-11 0,013339 0,000058 -0,024786 -0,050015 -0,048320
28-Feb-11 0,004406 0,010028 -0,006158 0,044121 -0,017641
31-Mar-11 0,022562 -0,022528 -0,020045 0,043630 -0,001679
30-Apr-11 -0,000894 0,003580 0,013754 0,010899 0,019268
31-May-11 0,014588 0,005107 0,004154 0,030543 -0,011762
30-Jun-11 0,087452 -0,149464 -0,158041 0,093272 -0,063222
31-Jul-11 0,061595 -0,095142 -0,056017 0,047244 0,000412
31-Aug-11 -0,039068 0,048615 0,055973 0,035179 0,004743
30-Sep-11 -0,012998 -0,033953 -0,052353 0,024456 -0,004921
31-Oct-11 0,012779 0,027788 0,038588 0,088274 -0,006401
30-Nov-11 0,030757 -0,047247 -0,065516 -0,019118 -0,045730
31-Dec-11 0,017960 -0,015708 -0,010723 -0,033338 0,011603
31-Jan-12 0,005310 -0,016412 -0,033056 0,019569 -0,036187
29-Feb-12 -0,022556 -0,083903 -0,134186 0,003133 -0,072863
31-Mar-12 0,069504 -0,063003 -0,018456 -0,044238 0,049303
30-Apr-12 0,029569 0,009977 0,022882 0,053604 -0,035415
31-May-12 -0,003874 -0,005277 -0,002989 0,028258 0,015314
30-Jun-12 0,000742 0,000633 0,002870 0,041430 0,016860
31-Jul-12 -0,017089 0,011446 0,008158 0,020740 -0,006865
31-Aug-12 -0,003889 -0,051714 -0,072192 -0,011538 -0,018685
30-Sep-12 -0,018311 -0,042152 -0,063709 0,025539 -0,026495
31-Oct-12 0,016600 -0,060360 -0,058776 0,001614 -0,017142
30-Nov-12 0,034819 0,050885 0,070622 -0,021750 0,019497
31-Dec-12 0,025040 -0,068154 -0,063819 -0,005016 0,002888
70
Lampiran 16
Nilai SMB, HML, HMLO, RMW, dan CMA sesudah currency crisis
Date SMB HML HMLO RMW CMA
31-Jan-14 0,040376 -0,040278 -0,043591 -0,039537 -0,014283
28-Feb-14 0,010424 -0,012355 -0,020342 -0,006760 -0,011886
31-Mar-14 -0,049026 -0,103144 -0,117920 -0,023526 0,010038
30-Apr-14 -0,008138 -0,058019 -0,076512 0,039944 -0,033210
31-May-14 -0,028955 0,066165 0,057141 0,009282 -0,002873
30-Jun-14 0,019155 0,044184 0,033529 0,044726 -0,023864
31-Jul-14 0,060631 0,046712 0,062934 -0,035111 -0,004343
31-Aug-14 -0,026320 -0,008259 -0,013731 0,003216 0,004308
30-Sep-14 -0,013258 -0,032121 -0,046635 0,020725 -0,028133
31-Oct-14 0,049349 0,038702 0,053115 0,008396 -0,003642
30-Nov-14 0,108332 0,100159 0,043737 -0,062297 -0,176171
31-Dec-14 -0,038114 -0,052312 -0,046738 0,020340 0,037224
31-Jan-15 0,009512 -0,009494 -0,019581 -0,011322 -0,015711
28-Feb-15 -0,065042 0,000193 -0,002025 -0,022056 0,044720
31-Mar-15 0,000083 -0,055219 -0,049652 -0,000430 -0,023047
30-Apr-15 -0,021775 0,015078 -0,001586 -0,005972 -0,009839
31-May-15 -0,077810 -0,042082 -0,102341 0,105795 -0,103291
30-Jun-15 -0,065810 -0,097917 -0,111954 -0,030293 0,008689
31-Jul-15 -0,244608 0,023227 -0,027885 0,129358 0,025304
31-Aug-15 0,017068 -0,087991 -0,072168 -0,124814 0,004270
30-Sep-15 0,042255 0,038728 0,015811 0,072541 -0,062054
31-Oct-15 -0,048894 -0,054236 -0,075799 0,051443 -0,017925
30-Nov-15 -0,048616 -0,088663 -0,095318 -0,003508 0,031071
31-Dec-15 -0,072522 -0,006631 -0,025010 -0,039397 0,016383
31-Jan-16 0,017362 -0,072920 -0,035112 0,059521 0,068369
29-Feb-16 0,054637 0,025953 0,057769 -0,051015 0,034939
31-Mar-16 0,042874 0,015304 0,047996 0,029147 0,029870
30-Apr-16 -0,151664 0,116010 0,008121 0,172758 -0,133781
31-May-16 0,095778 0,051242 0,080599 -0,043474 0,013500
30-Jun-16 0,014536 0,061479 0,078932 0,000381 0,038512
31-Jul-16 0,053889 0,051374 0,033937 -0,040759 -0,056305
31-Aug-16 -0,196741 0,155700 0,021904 0,149970 -0,150190
30-Sep-16 0,028185 -0,074531 -0,031036 0,014833 0,067838
31-Oct-16 0,017043 -0,035813 -0,020518 -0,030215 -0,000581
30-Nov-16 -0,191556 0,169250 0,027456 0,151158 -0,156391
31-Dec-16 0,000812 -0,004791 0,011683 -0,033910 0,033338
71
Lampiran 17
Nilai Market excess return dan Risk-free rate
Sebelum Currency Crisis
Sesudah Currency Crisis
Date MKT SBI
Date MKT SBI
31-Jan-10 -0,029073 0,005417
31-Jan-14 0,039342 0,006250
28-Feb-10 0,084134 0,005417
28-Feb-14 0,025796 0,006250
31-Mar-10 0,064418 0,005417
31-Mar-14 0,008822 0,006250
30-Apr-10 -0,064077 0,005417
30-Apr-14 0,004858 0,006250
31-May-10 0,036317 0,005417
31-May-14 -0,009382 0,006250
30-Jun-10 0,047985 0,005417
30-Jun-14 0,036840 0,006250
31-Jul-10 -0,001310 0,005417
31-Jul-14 0,003194 0,006250
31-Aug-10 0,130673 0,005417
31-Aug-14 -0,006111 0,006250
30-Sep-10 0,032863 0,005417
30-Sep-14 -0,015599 0,006250
31-Oct-10 -0,034056 0,005417
31-Oct-14 0,005606 0,006250
30-Nov-10 0,043377 0,005417
30-Nov-14 0,008505 0,006458
31-Dec-10 -0,084894 0,005417
31-Dec-14 0,005491 0,006458
31-Jan-11 0,012529 0,005417
31-Jan-15 0,023959 0,006458
28-Feb-11 0,054405 0,005625
28-Feb-15 0,006296 0,006250
31-Mar-11 0,032689 0,005625
31-Mar-15 -0,084575 0,006250
30-Apr-11 -0,001083 0,005625
30-Apr-15 0,019299 0,006250
31-May-11 0,007824 0,005625
31-May-15 -0,064858 0,006250
30-Jun-11 0,056668 0,005625
30-Jun-15 -0,028269 0,006250
31-Jul-11 -0,075604 0,005625
31-Jul-15 -0,067243 0,006250
31-Aug-11 -0,081814 0,005625
31-Aug-15 -0,069603 0,006250
30-Sep-11 0,062510 0,005625
30-Sep-15 0,048503 0,006250
31-Oct-11 -0,025403 0,005417
31-Oct-15 -0,008208 0,006250
30-Nov-11 0,023778 0,005000
30-Nov-15 0,026709 0,006250
31-Dec-11 0,026319 0,005000
31-Dec-15 -0,001426 0,006250
31-Jan-12 0,006040 0,005000
31-Jan-16 0,027715 0,006042
29-Feb-12 0,029420 0,004792
29-Feb-16 0,009764 0,005833
31-Mar-12 0,009567 0,004792
31-Mar-16 -0,007026 0,005625
30-Apr-12 -0,088009 0,004792
30-Apr-16 -0,014246 0,005625
31-May-12 0,027235 0,004792
31-May-16 0,040192 0,005625
30-Jun-12 0,042423 0,004792
30-Jun-16 0,034320 0,005417
31-Jul-12 -0,024589 0,004792
31-Jul-16 0,027192 0,005417
31-Aug-12 0,045015 0,004792
31-Aug-16 -0,009367 0,005417
30-Sep-12 0,015790 0,004792
30-Sep-16 0,005554 0,005208
31-Oct-12 -0,021836 0,004792
31-Oct-16 -0,055462 0,005000
30-Nov-12 0,004690 0,004792
30-Nov-16 0,023705 0,005000
31-Dec-12 0,026949 0,004792
31-Dec-16 -0,005492 0,005000
72
Lampiran 18
Hasil regresi portofolio SH sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00408
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 17
Z -,507
Asymp. Sig. (2-tailed) ,612
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 -,029
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,865
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,134
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,435
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** -,018
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,918
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,086
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,617
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,037
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,831
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
-,029 ,134 -,018 -,086 ,037 1,000
Sig. (2-tailed) ,865 ,435 ,918 ,617 ,831 .
73
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,014 ,005 2,559 ,016
MKT 1,135 ,097 ,804 11,716 ,000 ,708 1,411
SMB ,309 ,113 ,188 2,736 ,010 ,707 1,414
HMLO ,115 ,105 ,083 1,095 ,282 ,588 1,700
RMW -,202 ,096 -,138 -2,109 ,043 ,782 1,278
CMA -,162 ,130 -,096 -1,247 ,222 ,565 1,768
a. Dependent Variable: SH
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,152 5 ,030 53,906 ,000b
Residual ,017 30 ,001
Total ,169 35
a. Dependent Variable: SH
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,949a ,900 ,883 ,02377
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: SH
74
Lampiran 19
Hasil regresi portofolio SL sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00080
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 18
Z -,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 ,039
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,823
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,048
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,779
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** ,002
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,993
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,029
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,866
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,027
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,877
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,039 ,048 ,002 -,029 ,027 1,000
Sig. (2-tailed) ,823 ,779 ,993 ,866 ,877 .
75
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,008 ,006 1,436 ,161
MKT ,806 ,100 ,399 8,073 ,000 ,708 1,411
SMB 1,246 ,116 ,530 10,706 ,000 ,707 1,414
HMLO -1,177 ,108 -,592 -10,916 ,000 ,588 1,700
RMW -,005 ,099 -,002 -,052 ,959 ,782 1,278
CMA ,861 ,134 ,356 6,439 ,000 ,565 1,768
a. Dependent Variable: SL
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,328 5 ,066 109,475 ,000b
Residual ,018 30 ,001
Total ,346 35
a. Dependent Variable: SL
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,974a ,948 ,939 ,02449
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: SL
76
Lampiran 20
Hasil regresi portofolio SR sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00128
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 19
Z ,000
Asymp. Sig. (2-tailed) 1,000
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 -,141
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,412
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 -,051
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,766
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** ,003
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,987
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,077
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,654
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,022
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,897
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
-,141 -,051 ,003 -,077 ,022 1,000
Sig. (2-tailed) ,412 ,766 ,987 ,654 ,897 .
77
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,011 ,005 2,069 ,047
MKT ,977 ,093 ,657 10,545 ,000 ,708 1,411
SMB ,886 ,108 ,512 8,206 ,000 ,707 1,414
HMLO -,269 ,100 -,184 -2,685 ,012 ,588 1,700
RMW ,775 ,091 ,502 8,473 ,000 ,782 1,278
CMA ,115 ,124 ,065 ,927 ,361 ,565 1,768
a. Dependent Variable: SR
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,172 5 ,034 66,688 ,000b
Residual ,016 30 ,001
Total ,188 35
a. Dependent Variable: SR
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,958a ,917 ,904 ,02274
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: SR
78
Lampiran 21
Hasil regresi portofolio SW sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00266
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 23
Z 1,184
Asymp. Sig. (2-tailed) ,237
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 ,000
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,999
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,175
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,308
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** ,054
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,756
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,079
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,647
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,123
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,474
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,000 ,175 ,054 -,079 ,123 1,000
Sig. (2-tailed) ,999 ,308 ,756 ,647 ,474 .
79
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,013 ,006 2,323 ,027
MKT 1,054 ,102 ,636 10,282 ,000 ,708 1,411
SMB ,439 ,119 ,227 3,673 ,001 ,707 1,414
HMLO -,337 ,111 -,206 -3,039 ,005 ,588 1,700
RMW -,567 ,101 -,330 -5,599 ,000 ,782 1,278
CMA ,159 ,137 ,080 1,158 ,256 ,565 1,768
a. Dependent Variable: SW
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,214 5 ,043 67,756 ,000b
Residual ,019 30 ,001
Total ,233 35
a. Dependent Variable: SW
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,958a ,919 ,905 ,02515
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: SW
80
Lampiran 22
Hasil regresi portofolio SC sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00286
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 18
Z -,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandarized_
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 -,124
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,649
N 36 36 36 36 36 16
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,174
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,520
N 36 36 36 36 36 16
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** -,050
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,854
N 36 36 36 36 36 16
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,047
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,863
N 36 36 36 36 36 16
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,121
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,656
N 36 36 36 36 36 16
Unstandarized_R
esidual
Correlation
Coefficient
-,124 ,174 -,050 -,047 ,121 1,000
Sig. (2-tailed) ,649 ,520 ,854 ,863 ,656 .
81
N 16 16 16 16 16 16
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,018 ,007 2,490 ,019
MKT 1,080 ,124 ,637 8,679 ,000 ,708 1,411
SMB ,484 ,145 ,245 3,339 ,002 ,707 1,414
HMLO -,398 ,134 -,238 -2,958 ,006 ,588 1,700
RMW -,086 ,123 -,049 -,699 ,490 ,782 1,278
CMA ,822 ,167 ,406 4,934 ,000 ,565 1,768
a. Dependent Variable: SC
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,216 5 ,043 46,357 ,000b
Residual ,028 30 ,001
Total ,244 35
a. Dependent Variable: SC
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,941a ,885 ,866 ,03053
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: SC
82
Lampiran 23
Hasil regresi portofolio SA sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea ,00051
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 21
Z ,507
Asymp. Sig. (2-tailed) ,612
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 ,043
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,803
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,179
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,297
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** -,032
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,853
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,054
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,756
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,001
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,995
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,043 ,179 -,032 -,054 ,001 1,000
83
Sig. (2-tailed) ,803 ,297 ,853 ,756 ,995 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,008 ,005 1,757 ,089
MKT 1,019 ,085 ,669 12,022 ,000 ,708 1,411
SMB ,624 ,099 ,352 6,316 ,000 ,707 1,414
HMLO -,229 ,092 -,153 -2,503 ,018 ,588 1,700
RMW -,290 ,084 -,183 -3,463 ,002 ,782 1,278
CMA -,575 ,114 -,315 -5,059 ,000 ,565 1,768
a. Dependent Variable: SA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,185 5 ,037 85,282 ,000b
Residual ,013 30 ,000
Total ,198 35
a. Dependent Variable: SA
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,967a ,934 ,923 ,02081
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: SA
84
Lampiran 24
Hasil regresi portofolio BH sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea ,00149
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 18
Z -,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 -,001
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,996
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 -,003
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,986
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** -,057
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,743
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,029
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,866
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,013
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,941
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
-,001 -,003 -,057 -,029 ,013 1,000
85
Sig. (2-tailed) ,996 ,986 ,743 ,866 ,941 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,010 ,006 1,807 ,081
MKT 1,063 ,100 ,947 10,648 ,000 ,708 1,411
SMB -,272 ,116 -,208 -2,340 ,026 ,707 1,414
HMLO -,011 ,108 -,010 -,105 ,917 ,588 1,700
RMW ,032 ,099 ,027 ,323 ,749 ,782 1,278
CMA ,301 ,134 ,224 2,250 ,032 ,565 1,768
a. Dependent Variable: BH
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,089 5 ,018 29,707 ,000b
Residual ,018 30 ,001
Total ,107 35
a. Dependent Variable: BH
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,912a ,832 ,804 ,02449
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: BH
86
Lampiran 25
Hasil regresi portofolio BL sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00458
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 17
Z -,507
Asymp. Sig. (2-tailed) ,612
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 -,059
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,730
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,166
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,335
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** ,022
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,897
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,064
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,713
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,015
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,931
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
-,059 ,166 ,022 -,064 ,015 1,000
87
Sig. (2-tailed) ,730 ,335 ,897 ,713 ,931 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,016 ,006 2,641 ,013
MKT ,986 ,108 ,777 9,135 ,000 ,708 1,411
SMB -,521 ,126 -,353 -4,146 ,000 ,707 1,414
HMLO -,719 ,117 -,576 -6,170 ,000 ,588 1,700
RMW -,063 ,107 -,048 -,595 ,557 ,782 1,278
CMA ,286 ,145 ,188 1,978 ,057 ,565 1,768
a. Dependent Variable: BL
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,116 5 ,023 33,002 ,000b
Residual ,021 30 ,001
Total ,137 35
a. Dependent Variable: BL
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,920a ,846 ,821 ,02648
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: BL
88
Lampiran 26
Hasil regresi portofolio BR sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00391
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 19
Z ,000
Asymp. Sig. (2-tailed) 1,000
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 ,031
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,858
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,228
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,182
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** ,058
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,738
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,109
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,526
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,071
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,683
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,031 ,228 ,058 -,109 ,071 1,000
89
Sig. (2-tailed) ,858 ,182 ,738 ,526 ,683 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,015 ,007 2,314 ,028
MKT 1,029 ,117 ,866 8,785 ,000 ,708 1,411
SMB -,589 ,137 -,426 -4,316 ,000 ,707 1,414
HMLO -,482 ,127 -,412 -3,809 ,001 ,588 1,700
RMW ,174 ,116 ,141 1,500 ,144 ,782 1,278
CMA ,272 ,157 ,191 1,731 ,094 ,565 1,768
a. Dependent Variable: BR
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,095 5 ,019 23,023 ,000b
Residual ,025 30 ,001
Total ,120 35
a. Dependent Variable: BR
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,891a ,793 ,759 ,02875
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: BR
90
Lampiran 27
Hasil regresi portofolio BW sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00167
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 16
Z -,845
Asymp. Sig. (2-tailed) ,398
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 -,182
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,289
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,004
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,981
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** -,055
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,750
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,024
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,889
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 -,024
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,891
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
-,182 ,004 -,055 -,024 -,024 1,000
91
Sig. (2-tailed) ,289 ,981 ,750 ,889 ,891 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,013 ,005 2,547 ,016
MKT ,952 ,088 ,743 10,796 ,000 ,708 1,411
SMB -,142 ,103 -,095 -1,380 ,178 ,707 1,414
HMLO -,414 ,095 -,328 -4,348 ,000 ,588 1,700
RMW -,485 ,087 -,364 -5,563 ,000 ,782 1,278
CMA ,228 ,118 ,148 1,927 ,063 ,565 1,768
a. Dependent Variable: BW
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,126 5 ,025 53,659 ,000b
Residual ,014 30 ,000
Total ,140 35
a. Dependent Variable: BW
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,948a ,899 ,883 ,02165
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: BW
92
Lampiran 28
Hasil regresi portofolio BC sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea ,00030
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 21
Z ,507
Asymp. Sig. (2-tailed) ,612
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 ,134
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,437
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,078
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,651
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** -,106
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,537
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,126
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,463
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,007
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,966
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,134 ,078 -,106 -,126 ,007 1,000
93
Sig. (2-tailed) ,437 ,651 ,537 ,463 ,966 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,004 ,004 1,178 ,248
MKT ,990 ,067 ,899 14,766 ,000 ,708 1,411
SMB -,174 ,078 -,135 -2,220 ,034 ,707 1,414
HMLO -,250 ,072 -,230 -3,446 ,002 ,588 1,700
RMW -,118 ,066 -,103 -1,778 ,086 ,782 1,278
CMA ,369 ,090 ,280 4,108 ,000 ,565 1,768
a. Dependent Variable: BC
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,095 5 ,019 70,201 ,000b
Residual ,008 30 ,000
Total ,103 35
a. Dependent Variable: BC
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,960a ,921 ,908 ,01645
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: BC
94
Lampiran 29
Hasil regresi portofolio BA sebelum currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00274
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 16
Z -,845
Asymp. Sig. (2-tailed) ,398
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,232 -,118 -,222 -,047 ,016
Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,924
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,232 1,000 ,133 -,217 ,228 ,168
Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,327
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
-,118 ,133 1,000 -,089 ,587** ,067
Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,698
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,222 -,217 -,089 1,000 -,110 -,320
Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,057
N 36 36 36 36 36 36
CMA Correlation
Coefficient
-,047 ,228 ,587** -,110 1,000 ,178
Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,298
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,016 ,168 ,067 -,320 ,178 1,000
95
Sig. (2-tailed) ,924 ,327 ,698 ,057 ,298 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,014 ,008 1,758 ,089
MKT 1,051 ,136 ,812 7,704 ,000 ,708 1,411
SMB -,313 ,159 -,208 -1,972 ,058 ,707 1,414
HMLO -,418 ,147 -,328 -2,836 ,008 ,588 1,700
RMW ,086 ,135 ,064 ,640 ,527 ,782 1,278
CMA -,234 ,183 -,151 -1,282 ,210 ,565 1,768
a. Dependent Variable: BA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,109 5 ,022 19,417 ,000b
Residual ,034 30 ,001
Total ,142 35
a. Dependent Variable: BA
b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,874a ,764 ,725 ,03347
a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO
b. Dependent Variable: BA
96
Lampiran 30
Hasil regresi portofolio SH sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00425
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 16
Z -,845
Asymp. Sig. (2-tailed) ,398
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,241
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,157
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,176
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,304
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 -,054
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,754
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,101
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,558
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,102
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,554
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,241 ,176 -,054 -,101 ,102 1,000
Sig. (2-tailed) ,157 ,304 ,754 ,558 ,554 .
97
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,003 ,005 ,589 ,560
MKT 1,226 ,179 ,574 6,849 ,000 ,748 1,336
SMB ,409 ,108 ,456 3,800 ,001 ,364 2,744
HMLO ,084 ,107 ,066 ,791 ,435 ,758 1,319
RMW -,116 ,129 -,107 -,900 ,375 ,375 2,665
CMA -,398 ,096 -,341 -4,127 ,000 ,769 1,300
a. Dependent Variable: SH
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,147 5 ,029 32,041 ,000b
Residual ,028 30 ,001
Total ,175 35
a. Dependent Variable: SH
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,918a ,842 ,816 ,03030
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: SH
98
Lampiran 31
Hasil regresi portofolio SL sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00421
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 20
Z ,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,126
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,465
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,190
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,268
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 ,134
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,436
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,111
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,520
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 -,006
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,974
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,126 ,190 ,134 -,111 -,006 1,000
99
Sig. (2-tailed) ,465 ,268 ,436 ,520 ,974 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,014 ,006 2,363 ,025
MKT 1,066 ,200 ,534 5,341 ,000 ,748 1,336
SMB ,604 ,120 ,721 5,029 ,000 ,364 2,744
HMLO -,116 ,119 -,097 -,978 ,336 ,758 1,319
RMW ,301 ,143 ,296 2,099 ,044 ,375 2,665
CMA ,047 ,107 ,043 ,434 ,667 ,769 1,300
a. Dependent Variable: SL
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,118 5 ,024 20,716 ,000b
Residual ,034 30 ,001
Total ,152 35
a. Dependent Variable: SL
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,881a ,775 ,738 ,03378
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: SL
100
Lampiran 32
Hasil regresi portofolio SR sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00433
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 23
Z 1,184
Asymp. Sig. (2-tailed) ,237
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,131
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,446
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,001
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,998
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 -,010
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,955
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 ,198
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,247
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,021
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,905
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,131 ,001 -,010 ,198 ,021 1,000
101
Sig. (2-tailed) ,446 ,998 ,955 ,247 ,905 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,009 ,005 1,798 ,082
MKT 1,156 ,170 ,555 6,805 ,000 ,748 1,336
SMB ,643 ,102 ,737 6,300 ,000 ,364 2,744
HMLO ,015 ,101 ,012 ,148 ,883 ,758 1,319
RMW ,501 ,122 ,473 4,109 ,000 ,375 2,665
CMA ,090 ,091 ,079 ,984 ,333 ,769 1,300
a. Dependent Variable: SR
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,141 5 ,028 34,131 ,000b
Residual ,025 30 ,001
Total ,166 35
a. Dependent Variable: SR
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,922a ,850 ,826 ,02874
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: SR
102
Lampiran 33
Hasil regresi portofolio SW sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00286
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 18
Z -,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,187
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,274
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,255
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,133
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 -,007
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,969
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,141
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,414
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,013
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,941
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,187 ,255 -,007 -,141 ,013 1,000
103
Sig. (2-tailed) ,274 ,133 ,969 ,414 ,941 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,007 ,005 1,371 ,180
MKT 1,117 ,175 ,518 6,377 ,000 ,748 1,336
SMB ,444 ,105 ,491 4,217 ,000 ,364 2,744
HMLO ,074 ,104 ,058 ,712 ,482 ,758 1,319
RMW -,175 ,126 -,160 -1,392 ,174 ,375 2,665
CMA -,460 ,094 -,391 -4,876 ,000 ,769 1,300
a. Dependent Variable: SW
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,151 5 ,030 34,457 ,000b
Residual ,026 30 ,001
Total ,178 35
a. Dependent Variable: SW
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,923a ,852 ,827 ,02964
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: SW
104
Lampiran 34
Hasil regresi portofolio SC sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea ,00204
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 18
Z -,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,134
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,437
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,147
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,391
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 ,044
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,798
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,034
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,843
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,089
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,608
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,134 ,147 ,044 -,034 ,089 1,000
105
Sig. (2-tailed) ,437 ,391 ,798 ,843 ,608 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,007 ,005 1,367 ,182
MKT 1,219 ,175 ,630 6,979 ,000 ,748 1,336
SMB ,352 ,105 ,434 3,353 ,002 ,364 2,744
HMLO ,113 ,104 ,097 1,086 ,286 ,758 1,319
RMW ,334 ,125 ,340 2,663 ,012 ,375 2,665
CMA ,315 ,094 ,298 3,348 ,002 ,769 1,300
a. Dependent Variable: SC
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,117 5 ,023 26,768 ,000b
Residual ,026 30 ,001
Total ,143 35
a. Dependent Variable: SC
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,904a ,817 ,786 ,02956
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: SC
106
Lampiran 35
Hasil regresi portofolio SA sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00700
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 20
Z ,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,303
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,072
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,289
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,088
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 -,075
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,665
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,127
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,459
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,057
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,742
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,303 ,289 -,075 -,127 ,057 1,000
107
Sig. (2-tailed) ,072 ,088 ,665 ,459 ,742 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,009 ,005 1,741 ,092
MKT 1,087 ,178 ,424 6,120 ,000 ,748 1,336
SMB ,697 ,107 ,648 6,527 ,000 ,364 2,744
HMLO -,107 ,106 -,070 -1,011 ,320 ,758 1,319
RMW -,162 ,128 -,125 -1,274 ,212 ,375 2,665
CMA -,773 ,096 -,552 -8,086 ,000 ,769 1,300
a. Dependent Variable: SA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,225 5 ,045 49,748 ,000b
Residual ,027 30 ,001
Total ,252 35
a. Dependent Variable: SA
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,945a ,892 ,874 ,03006
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: SA
108
Lampiran 36
Hasil regresi portofolio BH sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea ,00424
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 20
Z ,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 -,025
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,884
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,090
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,602
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 -,033
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,846
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,023
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,892
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,054
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,755
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
-,025 ,090 -,033 -,023 ,054 1,000
109
Sig. (2-tailed) ,884 ,602 ,846 ,892 ,755 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,003 ,008 ,400 ,692
MKT 1,704 ,253 ,539 6,735 ,000 ,748 1,336
SMB -,840 ,152 -,632 -5,516 ,000 ,364 2,744
HMLO ,421 ,151 ,222 2,795 ,009 ,758 1,319
RMW ,136 ,182 ,085 ,750 ,459 ,375 2,665
CMA -,591 ,136 -,342 -4,338 ,000 ,769 1,300
a. Dependent Variable: BH
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,328 5 ,066 35,757 ,000b
Residual ,055 30 ,002
Total ,383 35
a. Dependent Variable: BH
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,925a ,856 ,832 ,04283
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: BH
110
Lampiran 37
Hasil regresi portofolio BL sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea ,00656
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 18
Z -,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,032
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,851
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,007
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,966
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 -,069
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,689
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,021
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,904
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,106
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,540
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,032 ,007 -,069 -,021 ,106 1,000
111
Sig. (2-tailed) ,851 ,966 ,689 ,904 ,540 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -,008 ,008 -1,057 ,299
MKT 1,458 ,251 ,555 5,818 ,000 ,748 1,336
SMB -,347 ,151 -,314 -2,300 ,029 ,364 2,744
HMLO -1,378 ,149 -,874 -9,226 ,000 ,758 1,319
RMW -,179 ,180 -,134 -,994 ,328 ,375 2,665
CMA -,027 ,135 -,019 -,201 ,842 ,769 1,300
a. Dependent Variable: BL
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,210 5 ,042 23,374 ,000b
Residual ,054 30 ,002
Total ,264 35
a. Dependent Variable: BL
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,892a ,796 ,762 ,04242
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: BL
112
Lampiran 38
Hasil regresi portofolio BR sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00622
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 20
Z ,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandarized_
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 -,247
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,415
N 36 36 36 36 36 13
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 -,330
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,271
N 36 36 36 36 36 13
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 -,176
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,566
N 36 36 36 36 36 13
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 ,385
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,194
N 36 36 36 36 36 13
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,022
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,943
N 36 36 36 36 36 13
Unstandarized_
Residual
Correlation
Coefficient
-,247 -,330 -,176 ,385 ,022 1,000
113
Sig. (2-tailed) ,415 ,271 ,566 ,194 ,943 .
N 13 13 13 13 13 13
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,013 ,006 2,163 ,039
MKT ,923 ,196 ,301 4,719 ,000 ,748 1,336
SMB -,515 ,118 -,400 -4,373 ,000 ,364 2,744
HMLO ,281 ,117 ,153 2,410 ,022 ,758 1,319
RMW ,759 ,140 ,487 5,406 ,000 ,375 2,665
CMA -,405 ,105 -,242 -3,846 ,001 ,769 1,300
a. Dependent Variable: BR
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,327 5 ,065 59,651 ,000b
Residual ,033 30 ,001
Total ,360 35
a. Dependent Variable: BR
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,953a ,909 ,893 ,03311
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: BR
114
Lampiran 39
Hasil regresi portofolio BW sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00112
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 18
Z -,169
Asymp. Sig. (2-tailed) ,866
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,256
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,132
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,034
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,844
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 ,023
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,893
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 ,113
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,512
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,044
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,799
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,256 ,034 ,023 ,113 ,044 1,000
115
Sig. (2-tailed) ,132 ,844 ,893 ,512 ,799 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,015 ,006 2,590 ,015
MKT ,962 ,189 ,615 5,101 ,000 ,748 1,336
SMB -,315 ,113 -,481 -2,781 ,009 ,364 2,744
HMLO ,222 ,112 ,236 1,972 ,058 ,758 1,319
RMW -,565 ,135 -,711 -4,172 ,000 ,375 2,665
CMA ,145 ,101 ,170 1,426 ,164 ,769 1,300
a. Dependent Variable: BW
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,063 5 ,013 12,367 ,000b
Residual ,031 30 ,001
Total ,094 35
a. Dependent Variable: BW
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,821a ,673 ,619 ,03191
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: BW
116
Lampiran 40
Hasil regresi portofolio BC sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00228
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 22
Z ,845
Asymp. Sig. (2-tailed) ,398
a. Median
Correlations
MKT SMB HMLO RMW CMA
Unstandarized_
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 -,091
Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,737
N 36 36 36 36 36 16
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,121
Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,656
N 36 36 36 36 36 16
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 ,103
Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,704
N 36 36 36 36 36 16
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,026
Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,922
N 36 36 36 36 36 16
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 ,082
Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,762
N 36 36 36 36 36 16
Unstandarized_
Residual
Correlation
Coefficient
-,091 ,121 ,103 -,026 ,082 1,000
117
Sig. (2-tailed) ,737 ,656 ,704 ,922 ,762 .
N 16 16 16 16 16 16
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,015 ,006 2,341 ,026
MKT ,846 ,212 ,596 3,985 ,000 ,748 1,336
SMB -,244 ,128 -,410 -1,914 ,065 ,364 2,744
HMLO ,149 ,126 ,175 1,176 ,249 ,758 1,319
RMW ,017 ,152 ,024 ,112 ,912 ,375 2,665
CMA ,306 ,114 ,395 2,679 ,012 ,769 1,300
a. Dependent Variable: BC
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,038 5 ,008 5,963 ,001b
Residual ,039 30 ,001
Total ,077 35
a. Dependent Variable: BC
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,706a ,498 ,415 ,03592
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: BC
118
Lampiran 41
Hasil regresi portofolio BA sesudah currency crisis
Runs Test
Unstandardized
Residual
Test Valuea -,00119
Cases < Test Value 18
Cases >= Test Value 18
Total Cases 36
Number of Runs 22
Z ,845
Asymp. Sig. (2-tailed) ,398
a. Median
Correlations
MKT SMB
HML
O RMW CMA
Unstandardized
Residual
Spearman's
rho
MKT Correlation
Coefficient
1,000 ,456** ,356* -,160 ,081 ,179
Sig. (2-
tailed)
. ,005 ,033 ,351 ,638 ,296
N 36 36 36 36 36 36
SMB Correlation
Coefficient
,456** 1,000 ,494** -,497** ,077 ,101
Sig. (2-
tailed)
,005 . ,002 ,002 ,654 ,559
N 36 36 36 36 36 36
HMLO Correlation
Coefficient
,356* ,494** 1,000 -,123 -,035 ,090
Sig. (2-
tailed)
,033 ,002 . ,477 ,838 ,600
N 36 36 36 36 36 36
RMW Correlation
Coefficient
-,160 -,497** -,123 1,000 -,257 -,032
Sig. (2-
tailed)
,351 ,002 ,477 . ,130 ,852
N 36 36 36 36 36 36
CMA Correlation
Coefficient
,081 ,077 -,035 -,257 1,000 -,011
119
Sig. (2-
tailed)
,638 ,654 ,838 ,130 . ,949
N 36 36 36 36 36 36
Unstandardized
Residual
Correlation
Coefficient
,179 ,101 ,090 -,032 -,011 1,000
Sig. (2-
tailed)
,296 ,559 ,600 ,852 ,949 .
N 36 36 36 36 36 36
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) ,013 ,006 2,343 ,026
MKT ,978 ,182 ,323 5,375 ,000 ,748 1,336
SMB -,589 ,109 -,464 -5,387 ,000 ,364 2,744
HMLO ,369 ,108 ,203 3,401 ,002 ,758 1,319
RMW ,513 ,131 ,334 3,932 ,000 ,375 2,665
CMA -,607 ,098 -,367 -6,197 ,000 ,769 1,300
a. Dependent Variable: BA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression ,322 5 ,064 68,007 ,000b
Residual ,028 30 ,001
Total ,351 35
a. Dependent Variable: BA
b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,959a ,919 ,905 ,03079
a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB
b. Dependent Variable: BA
120
Lampiran 42
Hasil uji normalitas portofolio sebelum currency crisis
One-Sample Kolmogorov-Smirnov Test
SH SL SR SW SC SA BH BL BR BW BC BA
N 36 36 31 36 36 36 36 36 36 36 36 36
Normal
Parametersa,b
Mean ,0254 ,0675 -1,2063 ,0287 ,0427 ,0342 ,0160 ,0337 ,0310 ,0196 ,0141 ,0338
Std.
Deviation
,06955 ,09949 ,30108 ,08165 ,08349 ,07513 ,05531 ,06250 ,05855 ,06321 ,05429 ,06377
Most Extreme
Differences
Absolute ,127 ,103 ,129 ,102 ,118 ,111 ,122 ,119 ,100 ,112 ,142 ,138
Positive ,127 ,103 ,095 ,085 ,118 ,111 ,091 ,076 ,064 ,101 ,106 ,055
Negative -,100 -,102 -,129 -,102 -,097 -,092 -,122 -,119 -,100 -,112 -,142 -,138
Test Statistic ,127 ,103 ,129 ,102 ,118 ,111 ,122 ,119 ,100 ,112 ,142 ,138
Asymp. Sig. (2-tailed) ,150c ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d ,197c ,200c,d ,200c,d ,200c,d ,065c ,083c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Lampiran 43
Hasil uji normalitas portofolio sesudah currency crisis
One-Sample Kolmogorov-Smirnov Test
SH SL SR SW SC SA BH BL BR BW BC BA
N 36 36 36 36 36 36 21 36 22 36 36 25
Normal
Parametersa,b
Mean -,0012 ,0072 ,0019 ,0025 -,0015 ,0070 -1,5289 ,0112 -1,3070 ,0080 ,0130 -1,4841
Std.
Deviation
,07063 ,06599 ,06882 ,07126 ,06396 ,08483 ,68689 ,08689 ,45519 ,05169 ,04696 ,61264
Most Extreme
Differences
Absolute ,062 ,066 ,069 ,095 ,079 ,101 ,165 ,080 ,143 ,081 ,085 ,114
Positive ,062 ,059 ,069 ,095 ,055 ,091 ,122 ,080 ,143 ,056 ,085 ,094
Negative -,050 -,066 -,062 -,075 -,079 -,101 -,165 -,061 -,122 -,081 -,077 -,114
Test Statistic ,062 ,066 ,069 ,095 ,079 ,101 ,165 ,080 ,143 ,081 ,085 ,114
Asymp. Sig. (2-tailed) ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d ,137c ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.