PENGARUH RISIKO PASAR, ANALISIS FUNDAMENTAL DAN...

i

PENGARUH RISIKO PASAR, ANALISIS FUNDAMENTAL DAN

MOMENTUM TERHADAP KEPUTUSAN INVESTOR

(Studi Kasus Pada Perusahaan Yang Termasuk dalam Indeks LQ45

Periode 2014-2018)

SKRIPSI

Diajukan kepada Fakultas Ekonomi dan Bisnis untuk Memenuhi Persyaratan

Memperoleh Gelar Sarjana Ekonomi

Oleh :

Siti Aliya Halimah (11150810000026)

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

1439 H / 2019 M

vi

DAFTAR RIWAYAT HIDUP

I. IDENTITAS PRIBADI

1. Nama : Siti Aliya Halimah

2. Tempat, Tanggal Lahir : Jakarta, 26 Mei 1997

3. Jenis Kelamin : Perempuan

4. Alamat : Jl. Bunyu no. 1B RT 001/018

Cipinang, Pulo Gadung

Jakarta Timur, 13240

5. Telepon : 081310413991

6. E-mail : [email protected]

II. PENDIDIKAN FORMAL

1. 2003 – 2009 : SDIT Al-Marjan Bekasi

2. 2009 – 2012 : SMP Muhammadiyah 31 Jakarta

3. 2012 – 2015 : SMA Avicenna Jakarta

4. 2015 – 2019 : UIN Syarif Hidayatullah Jakarta

III. PENDIDIKAN NON FORMAL

1. LP3I Course Center, Jakarta : Tahun 2010-2011

2. Ganesha Operation, Jakarta : Tahun 2014-2015

3. LBI FIB UI English Course, Depok : Tahun 2016-2017

IV. LATAR BELAKANG KELUARGA

1. Ayah : Winoto Djoko Saroso

2. Ibu : Almara Ementia

3. Saudara Laki-Laki : Muhammad Akmal Putera

4. Saudara Perempuan : Siti Aisyah Fitria

vii

ABSTRACT

This study aims to empirically examine the effect of Market Risk

represented by a single index, Size represented by the Logarithm of Total Assets,

Book to Market represented by Book to Market Ratio, Momentum represented by

a base period return with an average of three months on investor decisions. This

study uses investor decisions as the dependent variable and Market Risk, Size,

Book to Market, and Momentum as independent variables. The type of data used

is secondary data taken in the Indonesian Stock Exchange (IDX). The population

in this study were 35 companies listed on the Indonesia Stock Exchange (BEI) in

the 2014 2018 period. The samples used in this study were obtained by purposive

sampling method. Based on the criteria of companies included in the LQ45 index

during the 2014 2018 period and issuing financial statements. This test uses the

Inner Model, Outer Model and Multicolinearity Test using the Partial Least

Square (PLS) method.

The results of the study state that the independent variables Market, Size,

Book to Market, and Momentum have a significantly positive effect on investor

decisions. The dependent variable and the independent variable have a T-statistic

value and the P-values are less than 0.05 in the inner model test, that the research

hypothesis that the independent variables and the dependent variables are related

can be accepted in this research model. The dependent variable and the

independent variable have an Outer Loading value of more than 0.7 in the outer

model test, that all indicators are feasible or valid to be used in this research

model. Companies need to pay attention to the factors of consideration in the

decision making of stock investors in the value of Market Risk, Size, Book to

Market, and Momentum so that the company is able to maintain and maximize the

value of the company.

Keywords: Market Risk, Size, Book to Market, Momentum, Return, Trading

Volume Activity

viii

ABSTRAK

Penelitian ini bertujuan untuk menguji secara empiris pengaruh Risiko

Pasar yang diwakili oleh indeks tunggal, Size diwakili oleh Logaritma Total

Aktiva, Book to Market diwakili oleh Book to Market Ratio, Momentum yang

diwakili oleh Return periode dasar dengan rata-rata tiga bulan terhadap keputusan

investor. Penelitian ini menggunakan keputusan investor sebagai variabel

dependen dan Risiko Pasar, Size, Book to Market, serta Momentum sebagai

variabel independen. Jenis data sekunder yang diambil dalam Indonesian Stock

Exchange (IDX). Jumlah populasi dalam penelitian ini adalah 35 perusahaan yang

terdaftar di Bursa Efek Indonesia (BEI) periode 2014-2018. Sampel yang

digunakan dalam penelitian ini diperoleh dengan metode purposive sampling.

Berdasarkan kriteria perusahaan yang masuk dalam indeks LQ45 selama periode

2014-2018 serta menerbitkan laporan keuangannya. Pengujian ini menggunakan

Uji Inner Model, Outer Model dan Uji Multikolineritas dengan metode Partial

Least Square (PLS).

Hasil penelitian menyatakan bahwa variabel independen Pasar, Size, Book

to Market, serta Momentum berpengaruh signifikan positif secara bersama-sama

terhadap keputusan investor. Variabel dependen dan variabel independen

memiliki nilai T-statistic dan nilai P-values kurang dari 0,05 dalam uji inner

model, sehingga menyatakan hipotesis penelitian akan keterkaitan variabel

independen dan variabel dependen dapat diterima dalam model penelitian ini.

Variabel dependen dan variabel independen memiliki nilai Outer Loading lebih

dari 0,7 dalam uji outer model, sehingga menyatakan semua indikator layak atau

valid untuk digunakan dalam model penelitian ini. Perusahaan perlu

memperhatikan faktor-faktor pertimbangan dalam pengambilan keputusan

investor saham dalam nilai Risiko Pasar, Size, Book to Market, serta Momentum

agar perusahaan mampu menjaga serta memaksimumkan nilai perusahaan.

Kata Kunci : Risiko Pasar, Size, Book to Market, Momentum, Return,

Trading Volume Activity

ix

KATA PENGANTAR

Puji dan Syukur saya ucapkan kehadirat Allah SWT, karena berkat rahmat

dan ridho-Nya, kami dapat menyusun proposal ini dengan baik dan tepat waktu.

Tak lupa shalawat serta salam kita panjatkan untuk Nabi besar kita yang

menerima wahyu-Nya, yakni Nabi Muhammad SAW beserta sahabat-sahabatnya.

Sehingga penulis dapat menyelesaikan skripsi yang berjudul “Pengaruh Risiko

Pasar, Analisis Fundamental dan Momentum Terhadap Keputusan Investor”

(Studi Kasus Pada Perusahaan Yang Termasuk Dalam Indeks LQ45 Periode

2014-2018). Penyusunan skripsi ini ditunjukan untuk memnuhi persyaratan

memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Jurusan

Manjemen di Universitas Syarif Hidayatullah Jakarta.

Penulis menyadari bahwa selama penulisan skripsi ini, banyak pihak yang

telah membantu dan memberi dukungan baik moril maupun materil. Untuk itu,

tak lupa pada kesempatan ini, secara khusus penulis ingin menyampaikan

terimakasi yang sebesar-besarnya kepada:

1. Kepada Allah Swt, yang telah memberikan izin dan kemudahan pada

pembuatan skripsi ini serta segala bentuk kasih sayang-Nya.

2. Kedua orang tua tercinta, Bapak dan Ibu yang selalu mendoakan dengan

ikhlas dan memberikan dukungan serta kasih sayang yang tulus. Kalian

adalah motivasi terbesar penulis untuk menyelesaikan skripsi ini.

3. Eyangku, Pakdeku, Masku dan Mbaku tersayang. Terimakasih atas semua

support yang terlah diberikan kepada penulis.

4. Keluarga Besar yang telah memberikan dukungan besar dalam hidup.

5. Bapak Dekan, Kajur dan Sekjur UIN Syarif Hidayatullah Jakarta.

6. Bapak Dr. Indoyama Nasaruddin SE., M.A.B., selaku dosen pembimbing

skripsi I yang telah berkenan memberikan waktu, ilmu, bimbingan dan

arahan selama penulis menyusun skripsi, serta motivasinya yang begitu

besar bagi penulis. Semoga beliau diberikan kesehatan dan keberkahan serta

x

setiap ilmu yang Bapak diberikan kepada penulis bisa bermanfaat

seterusnya. Amin

7. Bapak Faizul Mubarok MM., selaku dosen pembimbing skripsi II yang telah

berkenan memberikan waktu, ilmu, bimbingan dan arahan selama penulis

menyusun skripsi, serta motivasinya yang begitu besar bagi penulis. Semoga

beliau diberikan kesehatan dan keberkahan serta setiap ilmu yang Ibu

diberikan kepada penulis bisa bermanfaat seterusnya. Amin

8. Bapak dan Ibu Dosen Fakultas Ekonomi dan Bisnis UIN Syarifhidayatullah

Jakarta. Khususnya Bapak dan Ibu Dosen Manajemen yang telah

memberikan ilmunya kepada penulis selama penulis dalam masa

perkuliahan.

9. Sahabat seperjuangan selama masa perkuliahan Ciaobella, Team Najda Kost

dan KKN ALIVE 96.

10. Sahabat-sahabat terkasih SD, SMP, SMA. Karena selalu memberikan

dukungan dan semangat terbaik.

11. Teman-Teman terkasih selama masa perkuliahan Manajemen’15 yang telah

mengisi hari-hari perkuliahan penulis, dan yang selalu memberikan

semangat, motivasi kepada penulis dan berbagi informasi perkuliahan.

12. Teman-teman magang Hutama Karya beserta Insan Hutama Karya.

13. Semua pihak yang terlibat dalam proses pembuatan skripsi ini yang

namanya tidak bisa disebutkan satu per satu namun tidak mengurasi rasa

terimakasih penulis.

Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna. Hal

ini dikarenakan terbatasnya kemampuan dan pengetahuan yang penulis miliki.

Oleh karena itu, penulis menerima segala bentuk saran, dan kritik yang

membangun dari berbagai pihak. Penulis berharap semoga skripsi ini dapat

memberikan manfaat bagi semua pihak.

Jakarta, 29 Juli 2019

Penulis

Siti Aliya Halimah

11150810000026

xi

DAFTAR ISI

COVER .................................................................................................................... i

LEMBAR PENGESAHAN SKRIPSI .................................................................... ii

LEMBAR PENGESAHAN UJIAN SKRIPSI ....................................................... iii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ....................................... iv

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

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

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

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

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

DAFTAR ISI .......................................................................................................... xi

DAFTAR TABEL ................................................................................................ xiv

DAFTAR GAMBAR ............................................................................................ xv

DAFTAR LAMPIRAN ........................................................................................ xvi

DAFTAR RUMUS ............................................................................................. xvii

BAB I 1

PENDAHULUAN .................................................................................................. 1

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

B. Identifikasi Masalah ...................................................................................... 13

C. Rumusan Masalah.......................................................................................... 14

D. Batasan Masalah ............................................................................................ 14

E. Tujuan Penelitian ........................................................................................... 15

F. Manfaat Penelitian ......................................................................................... 15

BAB II 17

TINJAUAN PUSTAKA ....................................................................................... 17

A. Landasan Teori .............................................................................................. 17

1. Manajemen Keuangan ................................................................................... 17

2. Analisis Laporan Keuangan ........................................................................... 19

3. Pasar Modal ................................................................................................... 20

4. Investasi dan Keputusan Investasi ................................................................. 21

xii

5. Trading Volume Activity (TVA) .................................................................... 24

6. Return Saham ................................................................................................ 27

7. Risiko Pasar ................................................................................................... 31

8. Analisis Fundamental .................................................................................... 35

9. Momentum..................................................................................................... 42

10. Kontrarian ...................................................................................................... 43

11. Return On Equity (ROE) ............................................................................... 44

12. Earning Per Share (EPS) .............................................................................. 44

B. Peneliti Terdahulu.......................................................................................... 46

C. Kerangka Pemikiran ...................................................................................... 49

D. Hipotesis Penelitian ....................................................................................... 56

BAB III ................................................................................................................. 57

METODE PENELITIAN ...................................................................................... 57

A. Ruang Lingkup Penelitian ............................................................................. 57

B. Metode Penentuan Sampel ............................................................................ 57

C. Metode Pengumpulan Data ........................................................................... 61

D. Metode Analisis Data .................................................................................... 61

1. Statistika Deskriptif ................................................................................ 62

2. Partial Least Square (PLS) .................................................................... 63

3. Uji Partial Least Square ......................................................................... 64

4. Model Pengujian Hipotesis .................................................................... 67

5. Uji Signifikansi ....................................................................................... 68

E. Operasional Variabel Penelitian .................................................................... 69

BAB IV ................................................................................................................. 79

ANALISIS DAN PEMBAHASAN ...................................................................... 79

A. Gambaran Umum Objek Penelitian ............................................................... 79

1. Sejarah LQ45 .......................................................................................... 79

B. Metode Analisis Data .................................................................................... 81

1. Uji Statistik Deskriptif ............................................................................ 81

2. Skema Model Partial Least Square (PLS) .............................................. 94

xiii

C. Pembahasan ................................................................................................... 95

1. Evaluasi Outer Model ............................................................................. 95

2. Evaluasi Inner Model ............................................................................. 99

3. Uji Multicolliniearity ............................................................................ 100

4. Analisis Hipotesis ................................................................................. 101

BAB V ................................................................................................................. 108

KESIMPULAN DAN SARAN ........................................................................... 108

A. Kesimpulan .................................................................................................. 108

B. Implikasi ...................................................................................................... 109

C. Saran ............................................................................................................ 110

DAFTAR PUSTAKA ......................................................................................... 112

xiv

DAFTAR TABEL

Tabel 2.1 Peneliti Terdahulu ..................................................................... 46

Tabel 3.1 Penentuan Sampel Berdasarkan Kriteria ............................... 59

Tabel 3.2 Sampel Penelitian ...................................................................... 60

Tabel 4.1 Sampel Perusahaan Indeks LQ45 ............................................ 80

Tabel 4.2 Nilai Perhitungan Risk Market ................................................. 82

Tabel 4.3 Nilai Perhitungan Book to Market ............................................ 84

Tabel 4.4 Nilai Perhitungan Firm Size .................................................... 86

Tabel 4.5 Nilai Perhitungan Momentum 3 bulan .................................... 88

Tabel 4.6 Nilai Perhitungan Momentum 6 bulan .................................... 90

Tabel 4.7 Nilai Perhitungan Momentum 12 bulan .................................. 92

Tabel 4.8 Outer Loading ............................................................................. 96

Tabel 4.9 Cross Loading ............................................................................. 97

Tabel 4.10 Average Variant Extracted (AVE) ............................................ 98

Tabel 4.11 Composite Realibility ................................................................. 98

Tabel 4.12 P-Values ...................................................................................... 99

Tabel 4.13 R-Square ................................................................................... 100

Tabel 4.14 Variance Inflation Factors (VIF) ............................................ 101

Tabel 4.15 T-statistic dan P-Values ........................................................... 102

xv

DAFTAR GAMBAR

Gambar 1.1 Jakarta Composite Index Januari 2013-Desember 2018 ......... 4

Gambar 2.1 Kerangka Pemikiran Teoritis .................................................... 55

Gambar 4.1 Rata-rata Nilai Risk Market ....................................................... 83

Gambar 4.2 Rata-rata Nilai Book to Market .................................................. 85

Gambar 4.3 Rata-rata Nilai Firm Size ........................................................... 87

Gambar 4.4 Rata-rata Nilai Momentum 3 bulan .......................................... 89

Gambar 4.5 Rata-rata Nilai Momentum 6 bulan .......................................... 91

Gambar 4.6 Rata-rata Nilai Momentum 12 bulan ........................................ 93

Gambar 4.7 Outer Loading .............................................................................. 94

Gambar 4.8 Inner Loading .............................................................................. 95

xvi

DAFTAR LAMPIRAN

Lampiran 1: Return Perusahaan LQ45 Periode 2014-2018 .................... 120

Lampiran 2: Volume Perdagangan Indeks LQ45 Periode 2014-2016 .... 121

Lampiran 3: Volume Perdagangan Indeks LQ45 Periode 2017 .............. 123

Lampiran 4: Volume Perdagangan Indeks LQ45 Periode 2018 .............. 124

Lampiran 5: Book to Market Indeks LQ45 Periode 2014-2016 ............... 126

Lampiran 6: Book to Market Indeks LQ45 Periode 2017-2018 ............... 126

Lampiran 7: Return On Equity dan Earning Per Share 2014-2018 ......... 127

Lampiran 8: Hasil SmartPLS-Total Effect ................................................ 128

Lampiran 9: Hasil SmartPLS-R Square dan f-Square ............................ 128

Lampiran 10: Hasil SmartPLS-Discriminant Validity ............................... 128

Lampiran 11: Hasil SmartPLS-Outer and Inner Collinearity Statistics ... 128

Lampiran 12: Data SmartPLS ..................................................................... 130

Lampiran 13: Size (Ln) Periode 2014-2018…………………………….. 132

xvii

DAFTAR RUMUS

(2.1) Trading Volume Activity ......................................................................... 26

(2.2) Return Saham ......................................................................................... 29

(2.3) Firm Size .................................................................................................. 37

(2.4) Return On Earning ................................................................................. 44

(2.5) Earning Per Share .................................................................................. 45

(3.1) Model Pengujian Hipotesis .................................................................... 67

(3.2) Koefisien Determinasi ............................................................................ 68

(3.3) Trading Volume Activity ......................................................................... 69

(3.4) Return Saham ........................................................................................ 69

(3.5) Keputusan Investor ................................................................................ 70

(3.6) Risk Market ............................................................................................. 71

(3.7) CAPM ....................................................................................................... 71

(3.8) Risk Market LQ45 ..................................................................................... 71

(3.9) Return Saham ............................................................................................ 72

(3.10) Market Value .......................................................................................... 73

(3.11) Firm Size ................................................................................................. 73

(3.12) Book to Market ........................................................................................ 75

(3.13) Momentum rata-rata 3 Bulan ............................................................... 76

(3.14) Momentum rata-rata 6 Bulan ............................................................... 76

(3.15) Momentum rata-rata 12 Bulan ............................................................. 76

(3.16) Return On Earning .................................................................................. 77

(3.17) Earning Per Share ................................................................................... 78

1

BAB I

PENDAHULUAN

A. Latar Belakang

Pasar modal menawarkan beragam instrumen investasi diluar investasi

biasa seperti, menabung di bank, emas, properti serta asuransi. Pasar modal

merupakan salah satu alternatif instrumen investasi dengan tujuan untuk

mengamankan portofolio asset (Jogiyanto, 2014:29).

Pasar modal merupakan suatu sasaran investasi yang menguntungkan

dan aman bagi seseorang karena semua transaksi dan sistem yang berjalan

bisa dipelajari dan mempunyai aturan yang jelas. Berkembangnya pasar

modal di Indonesia telah terjadi secara cepat bahkan untuk melihat

pertumbuhan ekonomi suatu negara dapat dilihat dari perkembangan pasar

modal negara tersebut (Hadi, 2015:16).

Berdasarkan Undang-undang Nomor 8 Tahun 1995 tentang Pasar

Modal, pasar modal di Indonesia telah di atur oleh koordinasi Otoritas Jasa

Keuangan (OJK), Bursa Efek Indonesia (BEI) bersama Kliring Penjaminan

Efek Indonesia (KPEI) dan Kustodian Sentral Efek Indonesia (KSEI) yang

optimistis membuat pasar modal Indonesia berkembang dari sisi

infrastruktur penunjang perdagangan efek yang teratur, wajar, dan efisien.

Pasar modal Indonesia semakin matang untuk bersaing, baik dalam segi

literasi pasar modal, produk, maupun dalam menjalin kerja sama dengan

pemangku kepentingan. Sehingga pasar modal Indonesia diharapkan siap

untuk bersaing secara global.

1

https://www.liputan6.com/bisnis/read/3016597/saham-ipo-naik-1500-persen-jadi-bukti-pasar-modal-ri-menjanjikan

2

Menurut Tandelilin (2001:13) pasar modal mempunyai fungsi yang

sangat mempengaruhi perekonomian suatu negara, yaitu secara ekonomi dan

keuangan. Dalam fungsi ekonominya, Menyediakan fasilitas atau wadah

untuk mempertemukan dua pihak yang memiliki kepentingan yaitu investor

sebagai yang memiliki dana dan ingin membeli suatu saham dengan pihak

yang memiliki saham dan ingin menjualnya untuk mendapatkan modal

(Sudirman, 2015:12). Investor membantu dan menyediakan fasilitas bagi

para pengusaha atau perusahaan yang menginginkan modal dalam rangka

menstabilkan tingkat likuiditas yang dimiliki perusahaan tersebut dengan

cara penjualan efek saham dan melalui prosedur yang terstruktur dan

sistematis.

Hal ini sangat berkaitan dengan kemajuan zaman, yaitu perusahaan

harus bersaing dan menciptakan sebuah perubahan untuk mengembangkan

usaha yang dimilikinya agar terus bersaing dan tetap bisa bertahan, hal ini

tentunya membutuhkan modal yang mereka gunakan untuk melakukan

sebuah perubahan menjadi lebih baik. Membantu dan mendampingi usaha

bagi perusahaan dalam upaya peningkatan kemampuan keuangan

perusahaan, agar bisa melakukan ekspansi usaha (Muklis, 2016).

Selain fungsi ekonomi, pasar modal juga memiliki fungsi keuangan

yaitu sebagai sarana badan usaha untuk mendapatkan tambahan modal

(Situmorang, 2008:3). Pasar modal muncul sebagai alternatif modal atau

pendanaan bagi perusahaan-perusahaan dalam upaya mencari keuntungan

dan pendapatan perusahaan untuk mencapai suatu kesejahteraan dan

3

kemakmuran. Sehingga pada akhirnya akan membawa dampak baik yaitu

kemakmuran untuk masyarakat luas. Hal ini bisa terjadi karena memang

pasar modal memberikan kemungkinan dan peluang untuk mendapatkan

keuntungan bagi pemilik modal, yang sesuai dengan karakteristik investasi

yang dipilih dan dijalankan (Hadi, 2015:12).

Dalam fungsi keuangan ini yang dibicarakan memang berfokus pada

dana atau modal. Karena hal ini dianggap salah satu komponen yang penting

dalam sebuah kegiatan perekonomian. Di sini uang tidak hanya berfungsi

sebagai alat tukar namun juga sebagai penentu perkembangan suatu

perusahaan karena dengan adanya uang, para pelaku usaha bisa menciptakan

sebuah inovasi yang kreatif dan efektif untuk kemajuan usahanya (Mukhlis,

2016).

Kinerja pasar modal di Indonesia selalu mengalami peningkatan dari

tahun ke tahun, hal ini dapat dilihat dari peningkatan IHSG di pasar modal

meski telah menghadapi tantangan ekonomi global yang dipengaruhi oleh

faktor eksternal. Kinerja pasar modal di Indonesia mengalami penurunan di

tahun 2015 dan mengalami peningkatan dan mendapati kinerja tertinggi di

tahun 2017 terbukti oleh Indeks Harga Saham Gabungan (IHSG) sebagai

indikator utama pasar modal Indonesia (Sudirman, 2015:2). Bursa Efek

Indonesia memperlihatkan kinerja yang baik hingga tahun 2018 (Indonesian

Exchange, 2018).

4

Gambar 1.1

Jakarta Composite Index

Sumber: Bursa Efek Indonesia

Gambar 1.1 memperlihatkan bahwa telah terjadi peningkatan kinerja

Jakarta Composite Index (JCI) di Indonesia yang lebih dikenal dengan

Indeks Harga Saham Gabungan (IHSG) dari tahun 2014 awal sebesar

Rp.4.620,216 hingga April tahun 2015 kinerja IHSG menjadi sebesar

Rp.5.4962,960 dan mendapati level terendah pada Januari awal tahun 2016

yaitu sebesar Rp.4.546,288 (Bursa Efek Indonesia, 2018).

Dinyatakan oleh pihak Bursa Efek Indonesia hal ini terjadi karena

adanya kondisi global yang menaikan suku bunga Bank Sentral Amerika

Serikat sehingga membuat investor asing mengalihkan sebagian dananya

keluar dari instrument portofolio di Indonesia. Meski demikian kinerja

IHSG pada bulan April tahun 2016 terjadi peningkatan menjadi sebesar

Rp.4.846,704 dan terus meningkat hingga bulan Oktober tahun 2017 yaitu

sebesar Rp.5.905,378 dan ditutup dengan peningkatan pada bulan Desember

0

1000

2000

3000

4000

5000

6000

7000

5

tahun 2017 yaitu sebesar Rp.6.353,738. Berdasarkan data Bursa Efek

Indonesia, IHSG ditutup 0,06% di level Rp.6.194,50 pada Jumat 28

Desember 2018 (CNBC Indonesia).

Dapat diuraikan bahwa perkembangan pasar modal di Indonesia

semakin meningkat dilihat dari kinerja IHSG, dengan statement dari Bursa

Efek Indonesia memberikan beberapa pencapaian yang terjadi di sepanjang

2017 antara lain IHSG sempat berhasil menyentuh level tertinggi sepanjang

sejarah di Rp.6.368,32 sehingga kapitalisasi pasar mencapai Rp.7.052 triliun

dan menjadikan rata-rata nilai transaksi harian tertinggi mencapai Rp.7,6

triliun, rata-rata volume transaksi harian tertinggi mencapai Rp.11,9 miliar

dan rata-rata frekuensi transaksi harian tertinggi mencapai 313 ribu kali.

Sehingga sebanyak 35 emiten baru yang melakukan initial public

offering (IPO), merupakan angka tertinggi sejak 23 tahun terakhir dan

terjumlahnya sebanyak 1,12 juta investor di pasar modal. Kinerja IHSG ini

memberikan gambaran bahwa pasar modal di Indonesia berkembang dengan

baik, perekonomian Indonesia tahun 2018 mampu tumbuh besar.

Dalam berinvestasi, investor didasarkan pada perilaku dalam suatu

strategi investasi. Perilaku investor mengacu pada kemampuan investor

dalam menerjemahkan informasi yang diperolehnya. Secara garis besar,

perilaku investor dapat dibedakan menjadi dua, yakni kontrarian dan

momentum (Byungoh dan Sangwon, 2018). Strategi investasi kontrarian,

pertama kali ditemukan oleh DeBondt dan Thaler (1985). Menggunakan

data pasar modal Amerika Serikat, mereka menemukan bahwa saham-saham

6

yang pada mulanya memberikan tingkat return positif atau negatif akan

mengalami pembalikan pada periode-periode berikutnya. Investor yang

membeli saham-saham tingkat return negatif dan menjual saham-saham

tersebut setelah menjadi return positif akan memperoleh abnormal return

yang signifikan sampai 15% per tahun untuk horison waktu 3 sampai 5

tahun.

Profitabilitas strategi investasi kontrarian ini sebagian besar

disebabkan oleh kenyataan bahwa investor bereaksi secara berlebihan

terhadap informasi. Dalam kondisi ini, para pelaku pasar modal cenderung

menetapkan harga saham terlalu tinggi sebagai reaksi terhadap berita yang

dinilai baik (Sakowski dan Slepaczuk, 2019). Sebaliknya, mereka akan

memberikan harga terlalu rendah sebagai reaksi terhadap berita buruk.

Kemudian, fenomena ini berbalik ketika pasar menyadari telah bereaksi

berlebihan. Pembalikan ini ditunjukkan oleh turunnya secara drastis harga

saham yang sebelumnya berpredikat winner dan naiknya harga saham yang

sebelumnya berpredikat loser. Sedangkan strategi investasi momentum

memanfaatkan pergerakan saham atau pasar dengan harapan pergerakan

tersebut terus berlanjut (Xuebing dan Huilan, 2019).

Penganut strategi investasi momentum akan membeli saham pada saat

harga sedang bergerak naik dengan harapan momentum gerak naik itu akan

terus berlanjut di masa depan. Mereka akan menjual kembali saham-saham

tersebut bila dirasa momentum pergerakan naik telah melemah atau malah

telah berhenti dan berbalik arah. Berdasarkan karakteristik strategi ini, para

7

pengamat sering menjuluki strategi investasi momentum dengan buy high

sell higher (Yudong et. al., 2018). Dalam konteks investasi saham, strategi

investasi momentum lebih sesuai dengan horison investor. Kebanyakan

investor memiliki investasi yang lebih pendek daripada yang diperlukan bagi

penerapan strategi investasi kontrarian untuk menghasilkan return yang

dapat diterima (Yaqiong, 2012). Dalam strategi ini, investor akan membeli

saham yang sebelumnya memiliki kinerja baik dan menjual saham yang

sebelumnya memiliki kinerja buruk.

Semua perilaku yang ditunjukkan oleh investor tersebut berakibat

secara langsung pada pergerakan penawaran dan permintaan di pasar modal.

Besarnya aktivitas jual dan beli yang dinyatakan melalui besarnya jumlah

saham yang ditransaksikan, digambarkan oleh volume perdagangan

(Chasanah dan Pangestu, 2015). Volume perdagangan merupakan suatu

penjumlahan dari tiap transaksi yang terjadi pada bursa saham pada suatu

waktu tertentu dan saham tertentu. Naiknya volume perdagangan merupakan

kenaikan aktivitas jual beli para investor di bursa. Volume perdagangan

mencerminkan kekuatan antara penawaran dan permintaan yang dapat

menunjukan tingkah laku investor.

Menurut Nada et. al., (2018) volume merefleksikan aktivitas

perdagangan di pasar modal, karenanya volume menjadi indikator yang

penting dalam menganalisis aktivitas pasar. Volume bisa tinggi atau rendah,

mengukur tingkat ketertarikan investor. Aktivitas penawaran dan permintaan

di pasar modal didasari oleh kemampuan investor dalam menerjemahkan

8

informasi yang ada yang kemudian mempengaruhi harga saham yang terjadi

di pasar. Perubahan pada harga saham akan mempengaruhi return yang

diperoleh. Ketika aksi jual saham tinggi, berarti penawaran atas saham

tersebut ke dalam pasar juga tinggi. Hukum penawaran-permintaan

menyebutkan bahwa ketika penawaran tinggi, maka harga akan cenderung

untuk turun karena adanya komoditas yang berlebih di pasar. Begitupun

sebaliknya aksi beli yang mengindikasikan adanya permintaan terhadap

saham tersebut. Pergeseran penawaran dan pemintaan inilah yang kemudian

akan membentuk harga keseimbangan yang baru (Zijun, 2018).

Perilaku berhubungan dengan risiko yang melekat ketika akan

menanamkan modal dalam suatu instrumen keuangan guna mendapatkan

suatu return dari investasi tersebut. Perilaku investor tersebut diantaranya

diterjemahkan dalam bentuk persepsi risiko dan kecenderungan terhadap

risiko (Iramani, 2014). Ketika seorang investor mempersepsikan adanya

risiko saat akan melakukan suatu kegiatan investasi maka akan ada

kecenderungan investor baik untuk menghindari ataupun menghadapi risiko

tersebut dikarenakan adanya harapan atas return yang diharapkan oleh

investor jika transaksi penanaman modal dilakukan.

Risiko merupakan ketidakpastian yang ditanggung oleh investor

karena menginvestasikan dananya pada sekuritas atau portofolio. Tinggi

rendahnya return dan risiko investasi pada setiap saham sangat tergantung

pada tingkat sensitivitas keterkaitan antara pergerakan harga saham yang

9

bersangkutan dan pergerakan indeks harga saham gabungan di bursa tempat

saham tersebut diperdagangkan (Anderson et. al., 2009).

Semakin aktif saham tersebut diperdagangkan, maka saham tersebut

akan semakin sensitif terhadap harga pasar. Begitu pula sebaliknya, semakin

pasif perdagangan suatu saham di bursa, saham tersebut akan semakin tidak

sensitif terhadap risiko pasar (Yudong et. al., 2018). Pendapat tersebut

menyatakan adanya keterkaitan erat antara tingkat aktivitas perdagangan

suatu saham di pasar modal dan tingkat sensitifitasnya terhadap risiko pasar

dimana saham tersebut diperdagangkan. Model ini memprediksi hubungan

yang positif antara risiko pasar dengan tingkat aktivitas perdagangan.

Capital Asset Pricing Model (CAPM) merupakan model yang pertama

kali dirumuskan sebelum berbagai asumsi yang mendasarinya dilonggarkan

(Jiho, 2019). Dalam teori asset pricing yang dikembangkan mengasumsikan

bahwa faktor risiko pasar tunggal, beta (β), merupakan satu-satunya faktor

yang mampu mengukur risiko sistematis dari sekuritas individual. Beta

merupakan suatu pengukur volatilitas return terhadap return pasar. Capital

Asset Pricing model (CAPM) menyatakan bahwa variansi cross section

dalam tingkat pengembalian yang diharapkan dapat dijelaskan hanya dengan

beta pasar. Namun kenyataannya tingkat pengembalian saham tidak dapat

secara penuh diuraikan oleh faktor tunggal beta (Pasaribu, 2009).

Karakteristik perusahaan juga dapat mempengaruhi besarnya total

return yang diperoleh investor dalam investasi saham. Kubota dan Katehara

(2017) membagi perusahaan berdasarkan firm size yaitu besar dan kecil serta

10

berdasarkan perbandingan nilai buku terhadap nilai pasar perusahaan yaitu

tinggi dan rendah. Firm size dapat dinilai dari beberapa aspek seperti total

aset dan kapitalisasi pasar. Kapitalisasi pasar mencerminkan nilai kekayaan

perusahaan saat ini. Sehingga, kapitalisasi pasar merupakan pengukuran

terhadap firm size yang didasarkan jumlah saham yang beredar dan harga

per lembar saham tersebut (Tzu, 2018).

Di dalam penelitian Huafeng (2010) dinyatakan bahwa saham dengan

nilai kapitalisasi pasar yang rendah atau memiliki firm size kecil dapat

menghasilkan tingkat pengembalian yang lebih tinggi dibanding saham

dengan firm size yang lebih besar. Jadi secara umum, dapat dinyatakan

adanya suatu hubungan negatif antara tingkat pengembalian saham dengan

ukuran perusahaan. Sebelum memutuskan untuk berinvestasi saham pada

suatu perusahaan, sering kali para investor juga memperhatikan book to

market ratio.

Nilai buku per lembar saham sangat mencerminkan nilai perusahaan,

dan nilai perusahaan tercermin pada nilai kekayaan bersih ekonomis yang

dimilikinya. Nilai buku per lembar saham adalah nilai kekayaan bersih

ekonomis dibagi dengan jumlah lembar saham yang beredar. Kekayaan

bersih ekonomis adalah selisih total aktiva dengan total kewajiban.

Sedangkan harga pasar adalah harga yang terbentuk di pasar jual beli saham.

Analisis book to market ratio diperlukan bagi investor karena book to

market ratio yang tinggi dapat dijadikan indikator bahwa perusahaan

tersebut masih undervalue. Ketika suatu perusahaan dinilai undervalue maka

11

dapat dikatakan perusahaan tersebut sedang dalam kondisi kurang bagus

sehingga kurang mampu memberikan keuntungan bagi para investor yang

telah menanamkan modalnya (Boubaker, 2016).

Tzu (2018) berkesimpulan bahwa book to market ratio mempunyai

hubungan negatif terhadap return. Artinya, semakin besar nilai book to

market ratio maka semakin kecil return saham suatu perusahaan. Dalam

penelitian lain, Agestia dan Khairunnisa (2015) menyatakan bahwa firm size

dan book to market ratio memiliki sensitivitas terhadap faktor risiko yang

juga merupakan faktor penentu pada variasi stock return dan membantu

menjelaskan cross sections of average return. Bukti-bukti pada penelitian

mereka menunjukkan bahwa firm size dan book to market ratio berhubungan

dengan keuntungan yang diperoleh.

Gonzales dan Jareno (2016) menemukan bahwa terdapat hubungan

positif antara faktor market dan size terhadap return, tetapi tidak ditemukan

hubungan antara book to market equity terhadap return. Wilma dan Joop

(2018) menguji apakah model faktor risiko pasar, size, book to market ratio,

dan momentum mampu menjelaskan underperformance yang terjadi pada

perusahaan setelah mengajukan Initial Public Offering (IPO). Mereka

menemukan bahwa model dari faktor tersebut mampu menjelaskan

underperformance dalam tingkat pengembalian perusahaan. Mereka juga

mengamati bahwa perusahaan dengan rasio book to market yang rendah

berpengaruh lebih dari perusahaan lain.

12

Herdianto dan Suherman (2009) meneliti apakah model 3 faktor yang

dikembangkan Fama French dan momentum berpengaruh pada tingkat

keuntungan saham dan apakah faktor risiko tersebut mampu untuk

menjelaskan variansi time series pada tingkat keuntungan saham. Dalam

penelitian tersebut ditemukan bahwa risiko pasar, firm size, rasio book to

market, dan momentum secara signifikan mampu menilai dan merefleksikan

tingkat keutungan saham.

Penelitian pada objek lain juga dilakukan oleh Wijaya et. al., (2016)

yang melakukan penelitian terhadap indeks Kompas 100 periode 2010 –

2015 untuk menguji hubungan size, book to market, risk market dan

investment. Dari hasil penelitian tersebut, mereka menyatakan bahwa

terdapat hubungan signifikan antara market, size, book to market risk market

dan investment pada indeks Kompas 100.

Novak dan PETR (2010) tidak menemukan adanya signifikansi antara

beta CAPM, size, book to market ratio, dan momentum terhadap return

dalam penelitiannya pada saham-saham di Stockholm Stock Exchange.

Demikan juga didalam penelitian Gonzales dan Jareno (2016) menyatakan

bahwa terdapat hubungan yang negatif antara size dan book to market,

namun terdapat hubungan yang positif antara beta dan return saham pada

U.S Stock Market.

Dalam penelitian Kubota dan Katehara (2017) menemukan bahwa size

dan risk market bersama-sama mempunyai hubungan positif dengan return.

Mishra dan O’brien (2019) dalam penelitiannya menyatakan bahwa terdapat

13

hubungan yang positif dan signifikan antara beta dan return dengan model

ordinary least square.

Berdasarkan hasil penelitian terdahulu dapat disimpulkan bahwa

faktor-faktor dalam pengambilan keputusan investor kian berkembang

dengan hasil penelitian yang beragam. Hal tersebut mendorong untuk

dilakukan penelitian lanjutan atas faktor-faktor pengambilan keputusan

investor. Oleh karena itu, dilakukan penelitian selama 5 tahun tentang

“Pengaruh Risiko Pasar, Analisis Fundamental, dan Momentum Terhadap

Keputusan Investor Di Bursa Efek Indonesia (Studi Kasus Pada Perusahaan

Yang Termasuk Dalam Indeks LQ 45 Periode 2014-2018)” yang

perbedaannya dengan penelitian terdahulu adalah penambahan variabel

Trading Volume Activity (TVA), variabel kendali yaitu Earning per Share

(EPS) dan Return on Equity (ROE) di Bursa Efek Indonesia dalam indeks

LQ45 periode 2014-2018 dengan menggunakan metode Partial Least

Square (PLS).

B. Identifikasi Masalah

Berdasarkan latar belakang masalah yang telah diuraikan di atas,

maka permasalahan dalam penelitian ini dapat diidentifikasi sebagai

berikut:

1. Adanya perubahan dalam pengambilan keputusan investor atas

tingginya risiko pasar.

14

2. Sulit diprediksi keputusan investor yang dapat diberikan kepada

perusahaan sehingga adanya Analisis Fundamental yang

berkaitan.

3. Seringnya perusahaan mengalami perbedaan return pada periode-

periode tertentu yang berkaitan dengan keputusan Investor.

4. Adanya hasil penelitian yang belum konsisten dengan pengaruh

momentum terhadap keputusan Investor dalam perhitungan rata-

rata.

C. Rumusan Masalah

Berdasarkan penjelasan pada latar belakang masalah dan identifikasi

masalah, maka permasalahan yang telah diungkapkan tersebut dapat

dirumuskan sebagai berikut:

1. Bagaimana pengaruh risiko pasar terhadap keputusan investor?

2. Bagaimana pengaruh Analisis Fundamental terhadap keputusan

investor ?

3. Bagaimana pengaruh return dalam momentum pada periode 3 bulan,

6 bulan dan 12 bulan terhadap keputusan investor?

D. Batasan Masalah

Berdasarkan rumusan masalah diatas dan untuk menghindari

perluasan pembahasan dalam penelitian ini, maka pada penelitian ini

dibatasi pada faktor-faktor yang mempengaruhi Keputusan Investor yaitu

Risiko Pasar, Analisis Fundamental, dan Momentum terhadap Keputusan

15

Investor di perusahaan Yang Terdaftar Di Indeks LQ45 Bursa Efek

Indonesia periode 2014-2018.

E. Tujuan Penelitian

Adapun tujuan yang ingin dicapai penulis dalam melakukan

penelitian ini adalah sebagai berikut :

1. Untuk menganalisis pengaruh Risiko Pasar terhadap Keputusan

Investor di Bursa Efek Indonesia.

2. Untuk menganalisis pengaruh Analisis Fundamental terhadap

Keputusan Investor di Bursa Efek Indonesia.

3. Untuk menganalisis pengaruh return dalam momentum pada periode

3 bulan, 6 bulan dan 12 bulan terhadap keputusan investor?

F. Manfaat Penelitian

Adapun manfaat penelitian ini diharapkan dapat bermanfaat bagi

berbagai pihak yaitu:

1. Investor

Hasil penelitian ini diharapkan dapat digunakan sebagai informasi

untuk bahan pertimbangan dalam pengambilan keputusan investor

saham di pasar modal. Sehingga investor dapat mempertimbangkan

faktor-faktor pengambilan keputusan pada suatu perusahaan.

2. Emiten

Hasil penelitian ini diharapkan dapat digunakan sebagai salah

satu dasar pertimbangan dalam pengambilan keputusan dalam bidang

16

keuangan sehingga perusahaan dapat terus memaksimumkan nilai

perusahaan.

3. Akademisi

Hasil penelitian ini diharapkan dapat menjadi informasi dalam

mendukung penelitian selanjutnya tentang perilaku investor dalam

pengambilan keputusan serta faktor yang mempengaruhi perilaku

investor dalam pengambilan keputusan di pasar modal.

17

BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Manajemen Keuangan

Menurut Lawrence (2003:4) keuangan dapat diartikan sebagai seni

dan ilmu pengetahuan dari suatu pengelolaan uang. Setiap individu dan

organisasi yang menghasilkan uang dan melakukan pendanaan

operasionalnya lalu akan menginvestasikan uang. Dengan ini, keuangan

mempunyai proses dengan instuisi, pasar, dan instrumen yang terlibat

dalam perpindahan atau transfer uang antar individu, bisnis dan

pemerintahan. Menurut Brigham dan Houston (2010:5) manajemen

keuangan yang disebut juga keuangan perusahaan, fokos pada keputusan

yang berhubungan dengan seberapa banyak jenis aset dan jenis aset apa

yang harus diperoleh. Serta bagaimana meningkatkan modal yang

dibutuhkan untuk membeli aset dan bagaimana menjalankan perusahaan

agar mencapai nilai maksimumnya.

Manajemen keuangan menurut Keown et. al., (2011:4) adalah

keterkaitan antara pemeliharaan dan penciptaan dari nilai ekonomi atau

suatu kekayaan. Sedangkan, manajemen keuangan menurut Horne dan

Wachowicz Jr (2012:2) adalah keterkaitan perolehan aset, pendanaan

dan manajemen aset dengan didasarkan oleh beberapa tujuan umum

suatu perusahaan. Husnan dan Pudjiastuti (2012:4) mengartikan

manajemen keuangan sebagai pembahasan tentang suatu investasi,

17

18

pembelanjaan dan pengelolaan aset-aset dengan beberapa tujuan

menyeluruh yang direncanakan. Sehingga, fungsi keputusan dari

manajemen keuangan dapat dipisahkankan kedalam tiga bidang pokok

yaitu keputusan investasi, keputusan pembelanjaan dan keputusan

manajemen aset. Riyanto (2013:4) menyatakan manajemen keuangan

merupakan keseluruhan aktivitas yang bersangkutan dengan usaha untuk

mendapatkan dana dan menggunakan atau mengalokasikan dana

tersebut.

Menurut Kasmir (2010:5) manajemen keuangan dapat

didefinisikan sebagai semua aktivitas perusahaan yang berhubungan

dengan usaha-usaha mendapatkan dana perusahaan dengan biaya murah

serta usaha untuk menggunakan dan mengalokasikan dana tersebut

secara efisien. Sedangkan, menurut Sutrisno (2012:3) manajemen

keuangan diartikan sebagai semua aktivitas perusahaan yang

berhubungan dengan usaha-usaha mendapatkan dana perusahaan dengan

biaya murah serta usaha untuk menggunakan dan mengalokasikan dana

tersebut secara efisien.

Berdasarkan pendapat para ahli tersebut, penulis dapat

menyimpulkan bahwa manajemen keuangan merupakan suatu ilmu dan

seni dalam menciptakan dan menanamkan modal atas suatu perusahaan

dengan proses pengelolaan, pendanaan dan pengalokasian aset secara

efisien untuk memaksimalkan nilai perusahaan dan nilai ekonomi. Serta

dapat mencapai suatu tujuan umum perusahaan. Dengan fungsi

19

keputusan manajemen keuangan secara pokok yaitu keputusan investor,

keputusan pembelanjaan dan keputusan manajemen aset.

2. Analisis Laporan Keuangan

Menurut Herry (2015:132) analisis laporan keuangan adalah suatu

proses untuk membedah laporan keuangan ke dalalam unsur-unsurnya dan

menelaah masing-masing dari unsur tersebut guna memperoleh pengertian

dan pemahaman yang baik dan tepat atas laporan keuangan sendiri.

Munawir (2010:35) menyatakan analisis laporan keuangan adalah

penelahaan atau mempelajari daripada hubungan-hubungan dan tendensi

atau kecendrungan (trend) untuk menentukan posisi keuangan dan hasil

operasi serta perkembangan perusahaan yang bersangkutan.

Kasmir (2012:7) menjelaskan bahwa sudah merupakan kewajiban

setiap perusahaan untuk membuat dan melaporkan keuangan

perusahaannya pada suatu periode tertentu. Hal yang dilaporkan kemudian

di analisis agar dapat diketahui posisi dan kondisi terkini atas suatu

perusahaan.

Menurut Harahap (2015:190) analisis laporan keuangan merupakan

uraian atas pos-pos laporan keuangan yang dijadikan dalam unir informasi

yang lebih kecil dan melihat hubungannya yang bersifat signifikan atau

yang mempunyai makna antara satu dengan tujuan untuk mengetahui

kondisi keuangan lebih dalam yang sangat penting dalam proses

menghasilkan keputusan yang tepat. Menurut Hanafi (2016:5) analisis

laporan keuangan adalah analisis terhadap laporan keuangan suatu

20

perusahaan untuk mengetahui tingkat keuntungan dan tingkat risiko atau

tingkat kesehatan pada suatau perusahaan.

Berdasarkan pendapat para ahli tersebut, penulis dapat

menyimpulkan bahwa analisis laporan keuangan adalah uraian atau

penjelasan atas perhitungan pos-pos laporan keuangan dengan suatu tujuan

yaitu memahami kondisi terkini perusahaan dalam tingkat keuntungan,

tingkat risiko dan keadaan perusahaan lainnya. Sehingga, dalam prosesnya

dapat menghasilkan suatu keputusan yang tepat.

3. Pasar Modal

Menurut UU Nomor 8 Tahun 1995 pasar modal merupakan suatu

kegiatan yang bersangkutan dengan penawaran umum dan pedagangan

efek dan perusahaan public yang berkaitan dengan efek yang

diterbitkannya. Serta lembaga dan profesi yang berkaitan dengan efek. Hal

ini sama dengan UU Nomor 21 Tahun 2011 tentang Otoritas Jasa

Keuangan (OJK) pasar modal adalah suatu kegiatan yang bersangkutan

dengan penwaran umum dan perdagangan efek.

Dalam Keputusan Menteri Keuangan RI No.1548/KMK/1990

dinyatakan bahwa pasar modal adalah suatu sistem keuangan yang

teroganisasi termasuk didalamnya bank-bank komersial dan semua

lembaga perantara di bidang keuangan, serta keseluruhan surat-surat

berharga yang beredar. Sedangkan Tandelilin (2010:26) mendefinisikan

pasar modal sebagai pasar untuk memperjualbelikan sekuritas yang

umumnya memiliki umur lebih dari satu tahun seperti saham dan obligasi.

21

Husnan (2005:3) menyatakan bahwa pasar modal secara formal

adalah suatu pasar untuk berbagai instrument keuangan atau sekuritas

dalam jangka panjang yang dapat diperjualbelikan, baik dalam bentuk

hutang maupun modal sendiri, baik di terbitkan oleh pemerintah, public

authorities serta perusahaan swasta.

Sedangkan menurut Tandelilin (2010:26) pasar modal merupakan

pertemuan antara pihak yang memiliki kelebihan dana dengan pihak yang

membutuhkan dana dengan cara memperjualbelikan sekuritas. Dengan

demikian, pasar modal juga bisa diartikan sebagai pasar untuk

memperjualbelikan sekuritas yang umumnya memiliki umur lebih dari

satu tahun, seperti saham dan obligasi.

Sutrisno (2012:300) menyatakan arti modal secara ringkas sebagai

suatu tempat dalam pengertian fisik yang mengorganisasikan transaksi

penjualan efek atau disebut sebagai bursa efek.

Berdasarka pemaparan para ahlli tersebut, penulis menyimpulkan

bahwa pasar modal adalah tempat yang mengorganisasikan transaksi

bertemunya pihak kelebihan dana dan pihak yang membutuhkan dana

untuk berbagai instrument keuangan dalam jangka panjang baik

diterbitkan oleh pemerintah, public authoritiesserta perusahaan swasta.

4. Investasi dan Keputusan Investasi

Investasi menurut Reily et. al., (2003) adalah setiap uang yang

diinvestasikan akan memberikan return di masa yang akan datang sesuai

dengan jangka waktu investasi, tingkat inflasi dan kondisi ekonomi yang

22

akan datang. Ada dua faktor yang terdapat dalam pengertian tersebut yaitu

waktu dan risiko. Sedangkan, menurut Bodie et. al., (2006:10) Investasi

merupakan komitmen atas sejumlah uang atau sumber daya lainnya yang

dilakukan saat ini, dengan tujuan menuai manfaat di masa yang akan

datang. Menurut Alexander (2000:11) Investasi dalam arti luas merupakan

pengorbanan uang sekarang untuk uang di masa yang akan datang dan

dapat dijual kembali dengan nilai yang lebih tinggi. Jogiyanto (2014:7)

menyatakan bahwa investasi adalah penundaan konsumsi sekarang untuk

dimasukan ke aktiva produktif selama periode waktu tertentu.

Menurut Sutrisno (2012:5) keputusan investasi adalah masalah

bagaimana manajer keuangan harus mengalokasikan dana ke dalam

bentuk-bentuk investasi yang akan dapat mendatangkan keuntungan di

masa yang akan datang. Keputusan untuk memilih investasi di pasar

modal sangat terkait dengan infornasi yang dimilikinya

Keputusan investasi berkaitan dengan keputusan apakah akan

membeli atau menjual saham. Keputusan jual atau beli saham dapat

didasarkan pada harga saham, return saham, excess return saham, dan

alpha saham (Jogiyanto, 2014:7). Pada dasarnya untuk memutuskan

akan menjual atau membeli perlu diketahui posisi saham apakah sudah

dikatakan murah atau sudah dikatakan mahal.

Jika nilai pasar suatu saham lebih tinggi dari nilai intrinsiknya,

berarti saham tersebut tergolong mahal, maka investor bisa mengambil

keputusan untuk menjual saham tersebut. Jika nilai pasar saham di

23

bawah nilai intrinsiknya, berarti saham tersebut tergolong murah,

sehingga investor sebaliknya membeli saham tersebut. Jika nilai pasar

saham saat ini sama dengan nilai intrinsiknya, berarti saham tersebut

dinilai wajar harganya dan berada dalam kondisi keseimbangan

(Sudirman, 2015:49).

Menurut Bodie et. al., (2006:30) menyatakan bahwa keputusan

investor untuk membeli atau menjual tidak lepas dari karakteristik

investor tersebut, yang terbagi dalam 3 karakteristik, yaitu:

a. Risk averse, investor jenis ini adalah investor yang tidak senang

terhadap risiko. Tentunya, investor jenis ini memiliki konsekuensi

tidak dapat mengharapkan tingkat pengembalian yang terlalu tinggi

juga. Investor jenis ini biasanya sangat mengutamakan tingkat

keamanan investasinya dibandingkan dengan tingkat return yang

ditawarkan oleh suatu produk investasi. Jenis investor ini biasanya

melakukan investasi di perbankan (Qawi, 2010).

b. Risk neutral, investor jenis ini adalah investor yang cukup menerima

adanya risiko, tetapi tidak akan mau mengambil risiko lebih untuk

mendapatkan tingkat return yang lebih tinggi. Tingkat return yang

mereka harapkan biasanya lebih tinggi daripada investor yang risk

averse, dan tentunya mereka juga telah memiliki risiko minimal yang

dapat diterima. Jenis investor ini biasanya melakukan investasi di

reksadana dan asuransi.

http://intisari.grid.id/tag/investor



24

c. Risk seeker adalah jenis investor yang biasanya telah mengerti

bahwa return yang tinggi akan diikuti dengan tingkat risiko yang

tinggi pula. Mereka sudah berani mencoba mengambil kesempatan

dan juga berinvestasi pada produk investasi yang memiliki tingkat

risiko yang relatif tinggi. Biasanya, investor ini sudah sangat sedikit

menginvestasikan dananya ke perbankan. Umumnya, mereka telah

membagi investasinya ke reksadana, asuransi, dan juga sudah mulai

berani memulai berinvestasi langsung di saham, bursa komoditi,

maupun valas. Menurut Iswadi (2018) investor jenis ini adalah

investor yang menyukai risiko biasanya bersifat agresif dan

spekulatif dalam merencanakan keputusan investasinya.

Berdasarkan definisi para ahli tersebut, penulis menyimpulkan

bahwa investasi merupakan penundaan sejumlah konsumsi dimasa

sekarang yang akan diinvestasikan dengan tujuan mendapatkan

keuntungan di masa yang akan datang dengan faktor risiko dan waktu.

Sedangkan, keputusan investasi merupakan menjual atau membeli suatu

saham yang didasarkan pada tiga karakteristik investor dalam menghadapi

suatu risiko.

5. Trading Volume Activity (TVA)

Volume perdagangan merupakan suatu instrumen yang dapat

digunakan untuk melihat reaksi investor di pasar modal terhadap

informasi melalui parameter volume saham yang diperdagangkan di

http://intisari.grid.id/tag/investasi


25

pasar modal (Zijun et. al., 2017). Volume perdagangan adalah jumlah

lembar saham yang diperdagangan pada periode tertentu.

Volume perdagangan saham merupakan salah satu indikator yang

digunakan dalam análisis teknikal pada penilaian harga saham dan suatu

instrumen yang dapat digunakan untuk melihat reaksi pasar modal

terhadap informasi melalui parameter pergerakan aktivitas volume

perdagangan saham di pasar (Byungwoh dan Sangwon, 2018). Oleh

karena itu, perusahaan yang berpotensi tumbuh dapat berfungsi sebagai

berita baik dan pasar seharusnya bereaksi positif.

Volume perdagangan merupakan suatu penjumlahan dari tiap

transaksi yang terjadi pada bursa saham pada suatu waktu tertentu dan

saham tertentu (Sandra et. al., 2016). Ketika volume cenderung

mengalami kenaikan saat harga mengalami penurunan maka pasar

diindikasikan dalam keadaan bearish, dan ketika volume cenderung naik

saat harga mengalami kenaikan, maka pasar diindikasikan dalam

keadaan bullish. Sedangkan ketika volume cenderung mengalami

penurunan selama harga jual mengalami penurunan, maka pasar dalam

keadaan bearish, dan ketika volume cenderung turun selama harga jual

mengalami kenaikan, maka pasar dalam keadaan bullish.

Volume perdagangan merupakan indikator dari reaksi pasar

(Aisah dan Mandala, 2016). Pelaku pasar akan bereaksi jika terdapat

informasi yang dapat mempengaruhi investasi mereka. Peningkatan

volume perdagangan memiliki arti ganda. Jika volume meningkat

26

disebabkan naiknya permintaan pasar, hal ini mengindikasikan informasi

yang baik bagi pelaku pasar. Jika volume meningkat disebabkan

penjualan, hal ini menunjukkan informasi yang ada bernilai negatif bagi

perusahaan. Zijun et. al., (2017) mengatakan bahwa volume transaksi

saham merupakan jumlah lembar saham yang ditransaksikan oleh

investor di perdagangan saham. Volume perdagangan saham dapat

merefleksikan semua aktivitas perdagangan investor di pasar. Karena

menurutnya volume perdagangan adalah jumlah saham yang

diperdagangkan pada suatu hari tertentu dan pengukurannya didasarkan

pada supply-demand analysis.

Menurut Jogiyanto (2003:52) aktivitas perdagangan saham dilihat

dengan menggunakan indikator trading volume activity dengan formula

sebagai berikut :

…………...(2.1)

Perkembangan volume perdagangan saham mencerminkan

kekuatan antara penawaran dan permintaan yang merupakan manifestasi

dari tingkah laku investor (Jogiyanto, 2014:5). Naiknya volume

perdagangan merupakan kenaikan aktivitas jual beli antara investor di

bursa. Semakin meningkat volume penawaran dan permintaan suatu

saham, semakin besar pengaruhnya terhadap pergerakan harga saham di

bursa dan semakin meningkatnya volume perdagangan saham

menunjukkan semakin diminatinya saham tersebut oleh masyarakat

27

sehingga akan membawa pengaruh terhadap naiknya harga atau return

saham.

6. Return Saham

Return menurut Brigham dan Houston (2006:215) merupakan

tingkat pengembalian antara selisih dan jumlah yang diterima serta jumlah

yang diinvestasikan dibagi dengan jumlah yang diinvestasikan.Return

merupakan hasil yang diperoleh dari investasi saham yang terdiri dari

capital gain (loss) dan yield. Capital gain merupakan istilah untung (rugi)

dari investasi sekarang yang relatif dengan harga periode yang lalu. Yeild

merupakan presentase permintaan kas periodic terhadap harga investasi

periode tertentu dari suatu investasi (Jogiyanto, 2015:264).

Pengertian return saham Menurut Hanafi dan Halim (2007:20),

return Saham disebut juga sebagai pendapatan saham dan merupakan

perubahan nilai harga saham periode t dengan t-ı. Dan berarti bahwa

semakin tinggi perubahan harga saham maka semakin tinggi return

saham yang dihasilkan.

a. Faktor-faktor yang dapat mempengaruhi return saham itu sendiri,

beberapa faktor yang mempengaruhi harga atau return saham baik

yang bersifat makro maupun mikro (Samsul, 2015:200). Faktor-

faktor tersebut diantaranya adalah:

1) Faktor Makro yaitu faktor-faktor yang berada di luar

perusahaan, antara lain:

28

a) Faktor Makro Ekonomi

1. Inflasi

2. Suku Bunga

3. Kurs Valuta Asing

4. Tingkat pertumbuhan ekonomi

5. Harga bahan bakar minyak di pasar internasional

6. Indeks harga saham regional

b) Faktor Makro Non Ekonomi

1. Peristiwa politik domestic

2. Peristiwa social

3. Peristiwa politik Internasional

c) Faktor Mikro Ekonomi

Faktor Mikro yaitu faktor yang berasal dari dalam

perusahaan. Informasi yang didapat dari kondisi intern

perusahaan yang berupa informasi keuangan dan informasi

non keuangan. Beberapa faktor yang mempengaruhi return

saham menurut Jogiyanto (2014:165), menyatakan terdapat

2 (dua) macam analisis untuk menentukan Return Saham

secara garis besar, yaitu informasi fundamental dan

informasi teknikal.

Informasi fundamental diperoleh dari intern suatu

perusahaan, meliputi deviden, tingkat pertumbuhan

penjualan perusahaan, karakteristik keuangan, dan ukuran

29

perusahaan. Sedangkan informasi teknikal diperoleh di luar

perusahaan seperti ekonomi, politik dan finansial.

Menurut Tandelilin (2007:51), return saham merupakan salah satu

faktor yang memotivasi investor berinvestasi dan juga merupakan

imbalan atas keberanian investor menanggung resiko atas berinvestasi

yang dilakukannya. Return investasi terdiri dari dua komponen utama,

yaitu:

a. Yield, komponen return yang mencerminkan aliran kas atau

pendapatan yang diperoleh secara periodic dari suatu investasi.

Yield hanya berupa angka nol (0) dan positif (+).

b. Capital gain atau loss, komponen return yang merupakan kenaikan

(penurunan) harga suatu keuntungan (kerugian) bagi investor.

Capital gain berupa angka minus (-), nol (0) dan positif (+).

Total return diformulasikan sebagai berikut (Jogiyanto, 2014:280),

…………………………………………………(2.2)

Dimana,

: total return saham

: harga saham pada periode t

: harga saham pada periode sebelumnya (t-1)

: deviden yang dibagikan pada periode t

30

Dalam penelitian ini karena tujuan penulis adalah menganalisis

perilaku investor pada short horison, yield bukanlah tujuan utama

sehingga penulis mengesampingkan nilai yield. Jenis-jenis return saham

Menurut Jogiyanto (2014:280) ada dua jenis return yaitu return realisasi

merupakan return yang telah terjadi. Return ini dihitung dengan

menggunakan data historis. Return realisasi penting karena digunakan

sebagai salah satu pengukur kinerja perusahaan. Return realisasi juga

berguna dalam penentuan return ekspektasi dan risiko yang akan datang.

Return ekspektasi adalah return yang diharapkan akan diperoleh oleh

para investor di masa yang akan datang. Dari teori tersebut dapat diambil

kesimpulan bahwa jenis return terdiri dari:

a. Realisasi Return

Merupakan return yang telah terjadi, dan penghitungannya

menggunakan data historis perusahaan yang berguna untuk

mengukur kinerja perusahaan. Return realisasi atau disebut juga

return historis berguna untuk menentukan return ekspektasi dan

risiko di masa yang akan datang. Beberapa pengukuran return

realisasian yang banyak digunakan adalah return total, relatif

return, kumulatif return dan return yang disesuaikan. Sedang rata-

rata dari return dapat dihitung berdasarkan rata-rata aritmatika dan

rata-rata geometrik (Jogiyanto, 2014:283). Rata-rata geometrik

banyak digunakan untuk menghitung rata-rata return beberapa

periode, misalnya untuk menghitung return mingguan atau return

31

bulanan yang dihitung berdasarkan rata-rata geometrik dari return

harian. Untuk perhitungan return seperti ini, rata-rata geometrik

lebih tepat digunakan dibandingkan jika digunakan metode rata-rata

aritmatika biasa.

b. Ekpektasi Return

Digunakan untuk pengambilan keputusan investasi. Return ini

lebih penting dibandingkan return historis karena return ini yang

diharapkan oleh semua investor di masa yang akan datang

(Jogiyanto, 2014:287). Return ekspetasi dapat dihitung berdasarkan

beberapa cara sebagai berikut ini:

1) Berdasarkan nilai ekspetasian masa depan.

2) Berdasarkan nilai-nilai return historis.

3) Berdasarkan model return ekspetasi yang ada.

7. Risiko Pasar

Menurut Horne dan Wachowicz (2005:145) risiko adalah perbedaan

antara pengembalian aktual dengan pengembalian yang diharapkan.

Pemaparan tersebut juga dinyatakan oleh Tandelilin (2010:103) yang

menyatakan risiko investasi bisa diartikan sebagai kemungkinan perbedaan

antara return aktual yang diteriman dengan return yang diharapkann.

Risiko merupakan besarnya penyimpangan antara tingkat pengembalian

yang diharapkan dengan tingkat pengembalian aktual. Investor dalam

menjalankan aktivitas investasinya dihadapkan oleh dua macam risiko,

yaitu risiko tidak sistematis dan risiko sistematis (Jogiyanto, 2012:6).

32

a. Risiko Sistematis

Bagian dari risiko sekuritas yang tidak dapat dihilangkan

dengan membentuk portofolio disebut dengan risiko sistematis.

Menurut Arthur et. al., (2011:201) risiko sistematis merupakan

bagian dari variasi-variasi dalam pengembalian investasi yang tak

dapat dihilangkan melalui diversifikasi oleh investor.

Risiko sistematis biasa juga disebut risiko pasar dimana risiko

terjadi karena kejadian-kejadian di luar perusahaan seperti resesi,

inflasi, suku bunga, kurs dan sebagainya.

Menurut Brealey et. al., (2008:312) risiko pasar adalah sumber

risiko dari seluruh perekonomian khususnya secara ekonomi makro

yang dapat mempengaruhi pasar saham secara keseluruhan. Akibat

perubahan yang terjadi di pasar, terdapat pengaruh terhadap

variabilitas return suatu investasi.

Bodie (2006:288) berpendapat bahwa risiko yang tetap ada

setelah diversifikasi yang luas sekali disebut dengan risiko pasar,

risiko yang muncul dari pasar atau risiko yang tidak dapat

didiversifikasi. Tidak dapat didiversifikasi maksudnya adalah risiko

tersebut tidak dapat dihilangkan meskipun telah dilakukan

diversifikasi saham dengan membentuk portofolio. Apabila risiko

sistematis muncul dan terjadi, maka semua jenis saham akan terkena

dampaknya sehingga investasi dalam 1 jenis saham atau lebih tidak

dapat mengurangi kerugian (Samsul, 2006:285).

33

Maka dapat diketahui bahwa Risiko Sistematis adalah risiko

yang melekat pada suatu sekuritas yang timbul karena faktor makro

atau kejadian diluar perusahaan dan tidak bisa didiversifikasi. Oleh

karena itu, risiko sistematis harus diperhatikan oleh investor karena

tidak akan hilang meskipun telah dibentuk suatu portofolio

(Jogiyanto, 2014:286).

b. Risiko Tidak Sistematis

Risiko juga ada yang dapat dihilangkan atas pembentukkan

portofolio atau melakukan diversifikasi sekuritas. Risiko tersebut

adalah risiko tidak sistematis. risiko sekuritas yang dapat

dihilangkan dengan membentuk portofolio well-diversified yang

disebut dengan Risiko Tidak Sistematis (Tandelilin, 2010:104).

Risiko tidak sistematis merupakan bagian variasi dalam

pengembalian investasi yang dapat dihilangkan melalui diversifikasi

oleh investor (Arthur et. al., 2011: 201). Risiko tidak sistematis

sering juga disebut dengan risiko perusahaan dan risiko unik atau

risiko khas. Menurut Brealey et. al., (2008:312) risiko khas adalah

faktor risiko yang hanya mempengaruhi perusahaan. Juga disebut

risiko yang bisa didiversifikasi.

Bodie et. al., (2006:289) mengemukakan bahwa risiko yang

bisa dihilangkan melalui diversifikasi disebut dengan risiko tidak

sistematis. Risiko tidak sistematis atau risiko spesifik hanya

34

berdampak terhadap suatu saham atau sektor tertentu (Samsul,

2006:286).

Maka dapat diketahui bahwa Risiko tidak sistematis adalah

risiko yang melekat pada suatu sekuritas yang timbul karena

kejadian atau peristiwa yang terjadi di perusahaan. Risiko tidak

sistematis dapat didiversifikasi dengan cara pembentukan

portofolio. Risiko yang dapat didiversifikasi dalam portofolio

tentunya dapat meminimumkan risiko tanpa harus mengurangi

return yang diterima.

Risiko pasar adalah risiko yang dihadapi suatu sekuritas yang

disebabkan oleh faktor-faktor pasar, seperti faktor ekonomi, politik, dan

sebagainya (Jogiyanto, 2014:285). Dalam model CAPM, risiko pasar

digambarkan oleh beta (β) yang berkorelasi psitif terhadap return.

Semakin tinggi nilai beta, maka akan semakin tinggi pula nilai return

yang diisyaratkan.

Risiko pasar dapat diestimasi dengan menggunakan data historis

return dari sekuritas dan return dari pasar selama periode tertentu.

Perubahan return pasar menggunakan indeks harga saham gabungan,

misalnya IHSG BEI (Halim, 2015:30). Jika beta sama dengan 1 (β = 1),

maka kenaikan return sekuritas tersebut sebanding dengan return pasar.

Jika beta lebih dari 1 (β > 1) berarti kenaikan return sekuritas lebih tingggi

dibanding return pasar. Beta lebih dari 1 biasanya dimiliki oleh saham

yang agresif, terutama saham dengan kapitalisasi besar. Beta kurang dari 1

35

(β < 1) berarti kenaikan return sekuritas lebih kecil dari kenaikan return

pasar, terutama dimiliki oleh saham bertahan yakni saham dengan

kapitalisasi kecil. Risiko pasar dihitung dengan membandingkan antara

return saham i periode t dengan return pasar periode t.

8. Analisis Fundamental

Menurut Jones (2014:303) analisis fundamental digunakan oleh

investor untuk menentukan saham manakah yang harga pasarnya lebih

rendah dari nilai instrinsiknya (undervalue), sehingga layak untuk dibeli

serta saham manakah yang harga pasarnya lebih tinggi dari nilai

instrinsiknya (overvalue) sehingga menguntungkan untuk dijual.

Analisis fundamental adalah metode dalam melakukan analisis

informasi, melakukan proyeksi dari informasi tersebut guna menghasilkan

penilaian yang tepat bagi perusahaan (Penmann, 2004).

Analisis fundamental adalah studi tentang ekonomi, industri, dan

kondisi perusahaan untuk memperhitungkan nilai dari saham perusahaan.

Analisis fundamental menitik beratkan pada data-data kunci dalam laporan

keuangan perusahaan untuk memperhitungkan apakah harga saham sudah

diapresiasikan secara akurat. Pada tahun 1992 Fama dan French

memperkenalkan model yang kemudia disebut Fama and French Three

Factor Model yang mengkategorikan jenis perusahaannya dengan proksi

size dan book to market. Sehingga dijelaskan, sebagai berikut:

36

a. Size

Menurut Brigham dan Houston (2010:4) ukuran perusahaan

merupakan ukuran besar kecilnya sebuah perusahaan yang

ditunjukan atau dinilai oleh total asset, total penjualan, jumlah laba,

beban pajak dan lain-lain. Ukuran perusahaaan umumnya

berpengaruh pada penilaian investor dalam membuat keputusan

investasi. Size merupakan ukuran besar kecilnya suatu perusahaan

Berdasarkan ukurannya, perusahaan dibedakan menjadi 3,

yakni besar, sedang, dan kecil. Firm size merupakan market value

dari sebuah perusahaan yang dapat diperoleh dari perhitungan harga

saham dikalikan jumlah saham yang diterbitkan (Tzu, 2018).

Market value inilah yang biasanya disebut dengan kapitalisasi pasar.

Kapitalisasi pasar mencerminkan nilai kekayaan saat ini. Dengan

itu, kapitalisasi pasar adalah nilai total dari semua outstanding

shares yang ada.

Perusahaan kecil mempunyai tingkat pertumbuhan yang

relatif lebih tinggi, sehingga lebih berpengaruh pada perubahan

fundamental (Boubaker et. al., 2016). Hal ini dikarenakan earning

yang diperoleh pada perusahaan kecil cenderung lebih rendah

sehingga peningkatan earning pada tahun berikutnya lebih mudah

dilakukan. Sedangkan pada perusahaan besar dengan earning yang

besar, pertumbuhan relatif lebih rendah karena earning periode

sebelumnya cenderung sudah tinggi.

37

Sementara itu, Dita dan Khairunnisa (2015) dalam modelnya

memperhitungkan ukuran perusahaan karena perusahaan yang lebih

kecil akan memiliki risiko saham yang lebih tinggi daripada

perusahaan yang lebih besar, oleh sebab itu investor akan

mengharapkan return yang lebih besar pada perusahaan yang

ukurannya lebih kecil.

Menurut Jogiyanto (2008:14) ukuran perusahaan adalah besar

kecilnya perusahaan dapat diukur dengan total aktiva/besar harta

perusahaan dengan menggunakan perhitungan nilai logaritma total

aktiva. Menurut Harahap (2007 :23) pengukuran ukuran perusahaan

adalah ukuran perusahaan diukur dengan logaritma natural (Ln) dari

rata-rata total aktiva perusahaan. Penggunaan total aktiva

berdasarkan pertimbangan bahwa total aktiva mencerminkan ukuran

perusahaan dan diduga mempengaruhi ketepatan waktu. Dengan

perhitungan sebagai berikut:

………….………….……….(2.3)

UU Nomor 20 Tahun 2008 tentang usaha mikro, kecil dan

menengah. Mengklasifikasikan ukuran perusahaan ke dalam empat

kategori yaitu usaha mikro, usaha kecil, usaha menengah dan usaha

besar. Pengklasifikasian ukuran tersebut didasarkan pada total asset

yang dimiliki dan total penjualan perusahaan tersebut. Sebagai

berikut:

38

1) Usaha Mikro

Kepemilikan perorang dan badan usaha perorang dengan

kekayaan bersih paling banyak Rp. 50.000.000,- tidak termasuk

tanah dan bangunan tempat usaha. Memiliki hasil penjualan

tahunan paling banyak Rp. 300.000.000,-.

2) Usaha Kecil

Kepemilikan oleh perorang atau badan usaha yang bukan

merupakan anak perusahaan atau cabang perusahaan yang

menjadi bagian suatu perusahaan lain.

Memiliki kekayaan bersih lebih dari Rp. 50.000.000,-

sampai dengan paling banyak Rp. 500.000.000,- tidak termasuk

tanah dan bangunan tempat usaha. Memiliki hasil penjualan

tahunan lebih dari Rp. 300.000.000,- sampai dengan paling

banyak Rp. 2.500.000.000,-.

3) Usaha Menengah

Usaha ekonomi produktif yang berdiri sendiri, dan dikelola

oleh perorang atau badan usaha yang bukan merupakan anak

perusahaan atau cabang perusahaan yang menjadi bagian suatu

perusahaan lain.

Memiliki kekayaan lebih dari Rp. 500.000.000,- sampai

dengan paling banyak Rp. 10.000.000.000,- tidak termasuk

tanah dan bangunan tempat usaha. Memiliki penjualan tahunan

39

lebih dari Rp.2. 500.000.000,- sampai dengan paling banyak

Rp. 50.000.000.000,-.

4) Usaha Besar

Usaha ekonomi produktif yang dikelola oleh badan usaha

yang meliputi usaha nasional milik Negara maupun swasta,

usaha patungan dan usaha asing yang melakukan kegiatan

ekonomi di Indaonesia.

Memiliki kekayaan bersih lebih dari Rp. 10.000.0000.000,-

tidak termasuk tanah dan bangunan tempat usaha. Memiliki

penjualan tahunan lebih dari Rp. 50.000.000.000,-.

b. Book to Market

Book to market ratio adalah perbandingan antara nilai buku

per lembar saham dengan nilai pasar saham. Nilai buku per lembar

saham sangat mencerminkan nilai perusahaan, dan nilai perusahaan

tercermin pada nilai kekayaan bersih ekonomis yang dimilikinya

(Jiang, 2010). Nilai buku per lembar saham adalah nilai kekayaan

bersih ekonomis dibagi dengan jumlah lembar saham yang beredar.

Kekayaan bersih ekonomis adalah selisih total aktiva dengan total

kewajiban. Sedangkan harga pasar adalah harga yang terbentuk di

pasar jual beli saham.

Analisis book to market ratio diperlukan bagi investor karena

book to market ratio yang tinggi dapat dijadikan indikator bahwa

perusahaan tersebut masih undervalue. Ketika suatu perusahaan

40

dinilai undervalue maka dapat dikatakan perusahaan tersebut

sedang dalam kondisi kurang bagus sehingga kurang mampu

memberikan keuntungan bagi para investor yang telah menanamkan

modalnya. Nilai pasar perlembar saham mencerminkan kinerja

perusahaan di masyarakat umum, dimana nilai pasar pada suatu saat

dapat dipengaruhi oleh pilihan dan tingkah laku dari mereka yang

terlibat dipasar, suasana psikologi yang ada dipasar, perubahan

ekonomi, perkembangan industri, kondisi politik, dan sebagainya

(Baobaker et. al., 2016). Sedangkan nilai buku perlembar ekuitas

mencerminkan nilai ekuitas pemilik yang tercatat pada neraca

perusahaan, dan mencerminkan klaim pemilik yang tersisa atas

suatu aktiva (Huafeng, 2011).

Menurut Yudong et. al., (2018) merupakan sebuah rasio

perbandingan antara harga pasar perlembar saham dibandingkan

dengan nilai buku perusahaan. Rasio ini mampu memperkirakan

pengaruh antara nilai buku dengan stock return, serta menentukan

apakah investor akan mendapatkan keuntungan atau kerugian atas

investasi saham yang telah dipilihnya. Selain itu, book to market

ratio juga digunakan dalam perusahaan untuk menghitung stock

return secara cross sectional, serta menampilkan bahwa pendapatan

dividen dan laba sebagai variabel yang independent.

Boubaker et. al., (2016) menyebutkan bahwa rasio book to

market equity yang rendah (B/M < 1) menunjukkan bahwa

41

perusahaan tersebut overvalue atau dipandang memiliki kinerja

yang baik, sebaliknya jika rasio book to market equity tinggi

(B/M>1) menunjukkan bahwa perusahaan tersebut undervalue atau

dipandang memiliki kinerja yang buruk.

Beberapa alasan investor menggunakan book to market ratio

didalam menganalisis investasi antara lain:

1) Book value memberikan pengukuran yang relatif stabil, untuk

dibandingkan dengan market price. Untuk investor yang

tidak mempercayai estimasi discounted cash flow, book value

dapat menjadi benchmark dalam memperbandingkan dengan

market price.

2) Karena standar akuntansi yang hampir sama pada setiap

perusahaan, book to market ratio bisa dikomparasikan

dengan perusahaan lain yang berada pada satu sektor, untuk

mengetahui apakah perusahaan tersebut masih undervalue

atau sudah overvalue.

3) Perusahaan dengan earnings negatif, sehingga tidak bisa

dinilai dengan menggunakan earning price ratio, dapat

dievaluasi dengan menggunakan book to market ratio.

Perusahaan yang mempunyai book value negatif, lebih sedikit

daripada perusahaan yang mempunyai earnings negative.

42

9. Momentum

Momentum atau kelanjutan dari tingkat pengembalian saham jangka

menengah (3-12 bulan), sebagai fakta empiris dan teka-teki anomali harga

itu. Strategi momentum merupakan kebalikan dari strategi kontrarian

yang berarti strategi investasi yang diyakini investor akan memperoleh

return secara berkelanjutan (Sasmikadewi dan Dewi, 2017). Momentum

dan konteks teoritis yang lebih besar dari keuangan perilaku tampaknya

menghadirkan warna baru yang posisi yakini tak lagi hanya sekedar

kebingungan yang sulit dijelaskan.

Docherty (2016) mendefinisikan efek momentum sebagai efek dari

saham winner atau loser di masa lalu yang terus menunjukkan kinerja

yang baik atau buruk. Indikator yang digunakan adalah nilai penutupan

hari ini terhadap nilai penutupan hari sebelumnya. Jika indikator tersebut

bernilai positif, berarti telah terjadi kenaikan, perilaku ini disebut juga

dengan market timing investment strategy (Saputra dan Badjra, 2016).

Penganut strategi momentum akan membeli saham pada saat harga-harga

sedang bergerak naik dengan harapan momentum gerak naik ini terus

berlanjut di masa depan. Mereka akan menjual kembali saham-saham

tersebut bila dirasa momentum pergerakan naik telah melemah atau malah

telah berhenti dan berbalik arah. Berdasarkan karakteristik strategi ini,

para pengamat sering menjuluki strategi ini buy high sell higher (beli

mahal, jual lebih mahal lagi).

Yudong et. al., (2018) telah menunjukkan adanya asosiasi antara

tingkat pengembalian dan kinerja saham periode sebelumnya yang tidak

43

terdeteksi oleh portofolio pasar, ukuran perusahaan, dan faktor distress

relative. Mereka berpendapat bahwa terdapat bukti-bukti substansial yang

menunjukkan bahwa kinerja saham yang baik (buruk) selama 3 bulan

hingga 1 tahun cenderung tidak mengalami perubahan yang signifikan

pada periode berikutnya. Strategi trading moment yang yang

mengeksploitasi fenomena ini telah memberikan keuntungan di pasar

modal Amerika Serikat dan di pasar yang sedang berkembang. Pasaribu

(2010) menyatakan bahwa kelebihan tingkat pengembalian dari suatu

saham dapat dijelaskan oleh portofolio pasar dan model 3 faktor Fama-

French yang dirancang untuk meniru variabel risiko ukuran yang

dihubungkan dengan ukuran perusahaan, rasio book to market (BE/ME),

dan momentum.

10. Kontrarian

Manurung (2009) menjelaskan bahwa yang disebut investor

kontrarian adalah investor yang melakukan transaksi saham yang

berlawanan dengan kebiasaan. Hal ini didasarkan pada penelitian yang

dilakukan pertama kali oleh Debondt dan Thaler (1985) yang mengamati

perilaku investor yang membeli saham-saham loser dikarenakan adanya

harapan dari para investor tersebut bahwa saham-saham loser dalam

jangka panjang diharapkan memberikan imbal hasil melebihi saham-

saham yang sebelumnya yaitu saham winner.

44

11. Return On Equity (ROE)

ROE merupakan rasio yang menunjukkan tingkat pengembalian

yang diperoleh pemilik atau pemegang saham atas investasi di perusahaan

(Harahap, 2016:305). ROE dapat disimpulkan bahwa keputusan investasi

adalah keputusan yang mempunyai dimensi jangka panjang, sehingga

keputusan yang diambil harus dipertimbangkan dengan baik, karena

mempunyai konsekuensi jangka panjang. Perusahaan membandingkan

besarnya laba bersih terhadap ekuitas saham biasa (Hanafi, 2012:29).

Semakin tinggi ROE menunjukkan semakin tinggi tingkat

pengembalian terhadap investasi yang dilakukan dan semakin rendah ROE

suatuperusahaan maka tingkat pengembaliannya akan semakin rendah

pula. Seorang calon investor perlu melihat ROE suatu perusahaan sebelum

memutuskan melakukan investasi supaya dapat mengetahui seberapa

banyak yang akan dihasilkan dari investasi yang dilakukan (Sitepu, 2010).

Analisis Return on Equity (ROE) untuk mengetahui seberapa

besar tingkat kemampuan modal sendiri dalam menghasilkan laba.

Adapun perhitungan ROE menurut Brigham dan Houston

(2010:149) menggunakan formula sebagai berikut:

………………………..……..……………..(2.4)

12. Earning Per Share (EPS)

Pendapatan per lembar saham EPS perusahaan biasanya menjadi

perhatian pemegang saham pada umunya atau calon pemegang saham dan

manajemen. EPS menunjukkan jumlah uang yang dihasilkan (return) dari

45

setiap lembar saham. Semakin besar nilai EPS semakin besar keuntungan

yang diterima pemegang saham (Harahap, 2016:305).

Dalam penelitian yang dilakukan oleh Aisah dan Mandala (2016)

menyatakan bahwa earnings per share menilai pendapatan bersih yang

diperoleh setiap lembar saham biasa. Salah satu alasan investor membeli

saham adalah untuk mendapatkan deviden, jika nilai laba per saham kecil

maka kecil pula kemungkinan perusahaan untuk membagikan deviden.

Oleh karena itu, dapat dikatakan bahwa investor akan lebih meminati

saham yang memiliki earnings per share dengan nilai tinggi.

Menurut Hanafi (2016:30) yang dimaksud dengan Earning per

Share adalah jumlah pendapatan yang diperoleh dalam satu periode

untuk setiap lembar saham yang beredar. Laba per lembar saham dapat

memberikan informasi bagi investor untuk mengetahui perkembangan

dari perusahaan. Dalam penelitian yang dilakukan Aisah dan Mandala

(2016) investor dalam mengambil keputusan banyak memperhatikan

pertumbuhan Earning per Share.

Pendapatan perlembar saham adalah bentuk pemberian

keuntungan yang diberikan kepada para pemegang saham dari setiap

lembar saham dimiliki (Irayanti dan Tumbel, 2014). Adapun rumus

menurut Kasmir (2012:207) Earning per Share sebagai berikut:

………………...…………..……….

46

B. Peneliti Terdahulu

Beberapa penelitian yang terkait dengan penenlitian ini, yang pernah

diteliti oleh para peneliti sebelumnya yaitu sebagai berikut:

Tabel 2.1

Penelitian yang Terdahulu

No. Peneliti Judul

Penelitian

Variabel

Penelitian

Model

Analisis

Hasil

Penelitian

1.

Ary

Yunanto,

Indratmo

Yudono,

Maulida

Berniz

(2015)

Pengaruh Nilai

Perusahaan,

Risiko Bisnis

dan tingkat

Pertumbuhan

Terhadap

Imbal Hasil

Saham.

Nilai

Perusahaan,

Risiko Bisnis

dan tingkat

Pertumbuhan.

Regresi

linier

berganda.

Book to market

ratio

berpengaruh

positif terhadap

return saham.

2.

Izza

Fityani,

Erman

Denny

Arfinto

(2015)

Analisis

Investor

Herding

Behavior

dengan

Multinominal

Logit

Regression

pada BEI

Herding

behavior

Multinomial

logistis

regression.

Size

berpengaruh

positif terhadap

semua tipe

investor.

3.

Yogo

Laksono

Baskoro,

R. Djoko

Sampurno

(2015)

Analisis

Pengaruh Beta,

Size, Book to

Market,

Profitabilitas

terhadap

Return

Aggresive

Stock.

Beta, Size,

book to

market,

Profitabilitas.

Regresi

linier

berganda.

Size diukur

melalui market

capitalization,

memiliki

pengaruh

negatif dan

signifikan

terhadap Return

saham agresif.

4

Maria de

la O

Gonzales,

Fransisco

Jareno

(2016)

Analisis Fama

French Model

dengan A

Quantile

Regression

Approach

Fama french

model

Regression. Fama french

model

berpengaruh

positif dan

signifikan

return

portofolio.

47

No. Peneliti Judul Penelitian Variabel

Penelitian

Model

Analisis

Hasil

Penelitian

5.

Sheila Citra,

WijayaW.R,

MurhadiMu

dji Utami

(2016)

Analisis Fama

French Factor

Model And

Three Factor

Model Dalam

Menjelaskan

Return

Portofolio

Saham.

Fama

french

factor

model

OLS, fixed

effect

model

dan

random

effect

model.

Size (SMB),

berpengaruh

positif terhadap

return portofolio

6.

Sabri

Boubaker,

Taher

Hamza,

Javier Vidal

Garcia

(2016)

Financial

distress and

equity returns: A

leverage-

augmented

three-factor

model.

Fama

french

model dan

leverage

risk.

Analisis

regresi

linier

sederhana

B/M, size dan

risiko, distress

factor

berpengaruh

signifikan

terhadap return

7.

Tzu Lun

Huang

(2016)

Is Fama-French

Factor Model

Can Robust in

Chinese Stock

Market?.

Return,

risiko

pasar, size,

book to

market dan

momentum

.

Regresi. Terdapat

signifikansi

antara risiko

pasar, size, book

to market, dan

momentum

terhadap return

8.

Keichi

Kubota,

Hitoshi

Takehara

(2017)

Apakah Model

Fama-French

Bekerja dengan

baik di Negara

Jepang?

Fama

french five

factor

model dan

struktur

modal

Regression

.

Fama french

model

berpengaruh

positif dan

signifikan

terhadap struktur

Modal dan

return.

9.

Rebeca

Cordeiro

daCunhaAr

aújo,

Márcio

André

Veras M

(2017)

Book to Market

Ratio, return on

equity and

Brazilian Stock

Returns.

Book to

market

ratio,

return on

equity.

Annual

regressions

with panel

data.

B/M rasio

berpengaruh

positif dan

signifikan

48

No. Peneliti Judul Penelitian Variabel

Penelitian

Model

Analisis

Hasil

Penelitian

10.

Ramadhan

Alfi Syahrin

Ari

Darmawan

(2017)

Pengaruh risiko

pasar, risiko

inflasi, risiko

suku bunga,

risiko kurs

valuta asing

terhadap return

Risiko

pasar,

risiko

inflasi,

risiko suku

bunga,

risiko kurs

valuta

asing,

return.

Analisis

regresi

linier

sederhana.

Risiko pasar

memiliki

pengaruh yang

signifikan secara

simultan dan

hubungan

pengaruh positif

terhadap return

Saham.

11. Zijun Wang,

Yan Qian,

Shiwen

Wang

(2017)

Dynamic trading

volume and stock

return relation:

Does it hold

out of sample?.

TVA dan

stock

return.

Data

panel

Risiko Market

berpengaruh

signifikan

terhadap return

saham

pada perusahaan

makanan dan

minuman yang

terdaftar di BEI

12. Dev R.

Mishra,

Thomas J.

O’Brien

(2018)

Fama French,

CAPM, and

Implied Cost of

Equity.

Fama

french

factor

model,

CAPM.

Horserace

.

Fama french

model lebih dapat

menjelaskan

observasi atas

cost of equity

berbeda dengan

CAPM.

13. Xuebing

Yang,

Huilan

Zhang

(2019)

Extreme absolute

strength of

stocks and

performance of

momentum

strategies.

Strategi

momentum

dan stock

return.

Analisis

regresi

dan

teknikal.

Strategi

momentum

berpengaruh

signifikan

terhadap tingkat

pengembalian

saham.

Sumber: Kumpulan Penelitian Terdahulu

Penelitian ini bersifat eksploratif, dengan menggunakan analisis

empiris yang disimpulkan pada penelitian terdahulu. Pada penelitian ini

49

pengembangan kesimpulan hasil analisis pada penelitian sebelumnya

dijadikan sebagai dasar dalam menganalisis faktor-faktor yang

mempengaruhi keputusan investor dalam bertransaksi saham di Bursa

Efek Indonesia.

C. Kerangka Pemikiran

Return merupakan salah satu yang mendasari keputusan investor dalam

berinvestasi. Keputusan investasi berkaitan dengan keputusan apakah

investor akan membeli atau menjual saham. Aktifitas jual beli saham

direfleksikan oleh volume perdagangan saham dengan indikator trading

volume activity (TVA). Volume perdagangan menggambarkan penawaran

dan permintaan aktivitas jual beli investor di pasar saham yang merupakan

manifestasi tingkah laku investor. Oleh karena itu, keterkaitan antara return

dan volume perdagangan diduga mampu merefleksikan variabel keputusan

investor.

Berdasarkan telaah pustaka sebelumnya serta uraian di atas, maka dapat

dijelaskan sebagai berikut:

1. Keterkaitan risiko pasar dengan keputusan investor

Iramani (2014) menyatakan bahwa hubungan antara risiko dan

return yang disyaratkan dengan Capital Assets Pricing Model (CAPM),

yang menyatakan bahwa semakin besar risiko suatu investasi, semakin

besar pula return yang disyaratkan investor, sehingga hubungan antara

risiko dan return yang diharapkan investor bersifat positif dan linear.

Syaifudin (2008) menyatakan berdasarkan teori CAPM, beta saham

50

sebagai indikator dari risiko pasar atau disebut juga risiko sistematis

adalah satu-satunya yang mempengaruhi return saham, beta saham

mempunyai fungsi hubungan yang positif dengan return.

Penilaian kewajaran harga saham yang terbentuk di Pasar Modal

oleh investor dapat dilakukan melalui pendekatan fundamental,

sedangkan risiko sistematis dapat mengurangi besarnya tingkat

keuntungan yang akan diperoleh investor sedemikan rupa, sehingga nilai

return yang diperoleh oleh investor mungkin lebih besar atau lebih kecil

dari dana yang diinvestasikan (Iramani, 2014).

Dalam model CAPM, risiko yang relevan terhadap return adalah

risiko sistematis atau risiko pasar yang digambarkan oleh beta dan

berkorelasi positif terhadap return saham. Semakin tinggi beta, maka

semakin sensitif return saham tersebut terhadap perubahan pasar. Ketika

tren pasar mengalami kenaikan, maka investor akan cenderung memilih

saham dengan tingkat sensitivitas tinggi terhadap return pasar, yakni

saham-saham yang mengikuti pergerakan naik harga pasar. Atau dapat

dikatakan investor akan merespon positif saham dengan beta tinggi

dengan melakukan aksi beli pada saham-saham tersebut. Sebaliknya,

investor akan merespon negatif dengan menjual saham dengan beta

rendah. Berdasarkan uraian tersebut, maka dapat ditarik hipotesis

sebagai berikut:

Hipotesis 1: Risiko pasar berpengaruh positif terhadap keputusan

investor.

51

2. Keterkaitan Analisis Fundamental dengan keputusan investor?

Firm size adalah ukuran besar kecilnya suatu perusahaan.

Berdasarkan firm size, perusahaan dibedakan menjadi perusahaan besar

dan kecil. Dengan kata lain, firm size merupakan market value dari

sebuah perusahaan. Market value dapat diperoleh dari perhitungan harga

pasar saham dikalikan jumlah saham yang diterbitkan. Nilai Pasar inilah

yang biasa disebut dengan kapitalisasi pasar. Market capitalization

mencerminkan nilai kekayaan perusahaan saat ini. Market capitalization

merupakan suatu pengukuran terhadap firm size perusahaan di mana

perusahaan bisa saja mengalami kegagalan maupun kesuksesan. Dengan

kata lain, market capitalization adalah nilai total dari semua outstanding

shares yang ada, perhitungannya dapat dilakukan dengan cara

mengalikan banyaknya saham yang beredar dengan harga pasar saat ini.

Penelitian tentang pengaruh firm size terhadap berbagai faktor

telah banyak dilakukan. Hal ini juga disebabkan karena belum adanya

suatu teori yang dapat secara jelas menjelaskan fenomena pengaruh firm

size terhadap berbagai faktor yang ada. Yudong et. al., (2018)

menemukan adanya hubungan negatif yang kuat antara average return

dan size perusahaan. Perusahaan yang mempunyai kapitalisasi pasar

kecil mempunyai tingkat pengembalian yang lebih besar dibandingkan

dengan perusahaan berkapitalisasi pasar besar.

52

Di dalam penelitian Zijun (2018) dinyatakan bahwa saham dengan

nilai kapitalisasi pasar yang rendah atau memiliki firm size kecil dapat

menghasilkan tingkat pengembalian yang lebih tinggi dibanding saham

dengan firm size yang lebih besar. Hal ini dikarenakan earning yang

diperoleh pada perusahaan kecil cenderung lebih rendah sehingga

peningkatan earning pada tahun berikutnya lebih mudah dilakukan.

Sedangkan pada perusahaan besar dengan earning yang besar,

pertumbuhan relatif lebih rendah karena earning periode sebelumnya

cenderung tinggi.

Oleh karena persentase return yang didapat oleh perusahaan

berkapitalisasi kecil relaitf lebih besar disbandingkan dengan perusahaan

berkapitalisasi besar, maka investor akan cenderung merespon positif hal

tersebut yang ditandai dengan adanya aktivitas beli pada saham-saham

berkapitalisasi kecil tersebut. Yudong et. al., (2018) menyatakan bahwa

nilai book to market ratio yang kecil menandakan bahwa pasar

memberikan nilai yang lebih besar terdahap book value equity

perusahaan, dimana hal ini dapat meningkatkan tingkat pengembalian

yang diberikan oleh perusahaan.

Book to market ratio merupakan rasio yang digunakan sebagai

indikator untuk mengukur kinerja perusahaan melalui harga pasarnya.

Book to market menyatakan perbandingan book value terhadap market

value perusahaan. Market value atau market capitalization merupakan

hasil kali antara saham yang beredar dengan harga yang terjadi di pasar

53

saham. Kenaikan market value menandakan terjadinya kenaikan harga

saham. Nilai market value yang lebih besar dari book value

menghasilkan nilai book to market yang rendah. Informasi atas kenaikan

market value akan direspon positif oleh investor yang ditandai dengan

adanya aktivitas beli pada saham dengan book to market rendah tersebut.

Berdasarkan uraian tersebut, maka dapat ditarik hipotesis sebagai

berikut:

Hipotesis 2: Analisis Fundamental berpengaruh positif terhadap

keputusan investor.

3. Keterkaitan momentum dengan keputusan investor?

Strategi momentum yaitu Investor membeli saham pemenang

pada tingkat laju harga yang baru naik dan mempunyai kepercayaan

bahwa laju harga saham tersebut akan terus naik sesuai dengan kurva

permintaan yang semakin ke atas, kemudian menjual suatu saham yang

tingkat laju harganya menurun sesuai dengan pergeseran kurva

permintaan yang semakin ke bawah. Investor yang melakukan

pembelian pada saham pemenang di periode yang lalu kemudian

menjualnya pada masa yang akan datang ketika harga saham tersebut

masih meningkat maka investor mendapatkan keuntungan dari selisih

harga jual yang lebih besar dari pada harga belinya. Hal tersebut dapat

ditarik kesimpulan bahwasanya momentum mempunyai pengaruh positif

terhadap return saham. Momentum juga dapat diartikan sebagai suatu

tingkat laju harga saham atau volume sekuritas yang merupakan

54

kelanjutan dari suatu tren. Secara teoritis momentum berpengaruh secara

positif terhadap return saham.

Investor yang mengacu pada momentum menggunakan

pergerakan bursa untuk membeli dan menjual saham di bursa. Jika

saham diperkirakan akan mengalami kenaikan (bullish), investor akan

membeli saham dan menjualnya ketika bursa akan mengalami penurunan

(bearish). Perkiraan saham mengalami kenaikan atau penurunan dapat

dilihat berdasarkan pada kinerja saham tersebut di masa lalu.

Hasil penelitian Xuebing dan Huilan (2019) menunjukkan bahwa

dengan menggunakan strategi membeli saham-saham yang menunjukkan

kinerja yang baik pada 3, 6, 9, dan 12 bulan sebelumnya dan menjual

saham-saham yang memberi kinerja yang buruk mampu menghasilkan

return positif pada masa 12 bulan setelahnya. Hal ini juga sesuai dengan

hasil penelitian Byungoh dan Sangwon (2018) yang menyatakan bahwa

strategi momentum dapat memberikan hasil return yang positif. Dengan

kata lain terjadi persistensi yang positif pada harga saham di masa lalu

hingga 12 bulan kemudian.

Menurut Jiang (2010) investor akan cenderung merespon positif

pada saham-saham yang telah terbukti menunjukkan kinerja yang baik di

masa lalu yang ditandai dengan adanya aktivitas beli pada saham yang

menunjukkan return positif tersebut, dengan harapan return positif

tersebut akan terus berlanjut. Sebaliknya, investor akan cenderung

memberikan respon yang negatif terhadap saham yang memiliki return

55

yang negatif di masa lalu. Berdasarkan uraian tersebut, maka dapat

ditarik hipotesis sebagai berikut:

Hipotesis 3: Momentum Return berpengaruh positif terhadap keputusan

investor.

Gambar 2.1

Kerangka Pemikiran Teoritis

Sumber: Data diolah

Pengaruh Risiko Pasar, Analisis Fundamental dan Momentum Terhadap

Keputusan Investor

Perusahaan Yang Terdaftar di Bursa Efek Indonesia Periode

Tahun 2014 - 2018

Partial Least Square (PLS)

Uji Statistik Deskriptif

Uji Outer Model

Uji Inner Model

Hasil Penelitian dan Pembahasan

Indikator Variabel

Dependen

Variabel

Dependen

Indikator Variabel

Kendali

Indikator Variabel

Independen Variabel Independen

Keputusan

Investor

Variabel Kendali

Risiko Pasar

Analisis

Fundamental

Momentum

Beta (Risk)

Size (Ln)

Return On Earning

Momentum (J3)

Book to Market

Momentum (J6)

Momentum (J12)

Trading Volume

Activity

Return

Earning Per Share

56

D. Hipotesis Penelitian

Berdasarkan landasan pemikiran teoritis dan kerangka pemikiran,

maka hipotesis yang diajukan dalam penelitian ini adalah sebagai berikut :

H1 : Risiko pasar berpengaruh positif terhadap keputusan investor.

H2 : Analisis Fundamental berpengaruh positif terhadap keputusan investor.

H3 : Momentum return berpengaruh positif terhadap keputusan investor.

57

BAB III

METODE PENELITIAN

A. Ruang Lingkup Penelitian

Ruang lingkup penelitian ini mengenai risiko pasar, analisis

fundamental dan momentum pada keputusan investor dalam perusahaan

yang terdaftar di Bursa Efek Indonesia indeks LQ45 periode 2014-2018.

Penelitian ini menggunakan sumber-sumber data dari laporan keuangan

setiap perusahaan yang terdaftar dengan kriteria yang sesuai. Variabel yang

digunakan dalam menguji hipotesis ini adalah satu variabel dependen, tiga

variabel independen dan dua variabel kendali.

Variabel dependen dalam penelitian ini adalah keputusan investor

dengan indikatornya yaitu Return dan Trading Volume Activity (TVA).

Variabel-variabel independen yang digunakan dalam penelitian ini terdiri

atas Risiko Pasar diwakili oleh indeks tunggal beta saham, Analisis

Fundamental diwakili oleh Size dan Book to Market. Momentum yang

diwakili oleh Return periode dasar dengan rata-rata tiga bulan. Serta variabel

kendali yang terdiri oleh Return On Equity (ROE) dan Earning Per Share

(EPS). Metode analisis yang digunakan adalah Partial least Square (PLS).

B. Metode Penentuan Sampel

1. Populasi

Populasi adalah wilayah generalisasi yang terdiri atas objek/subjek

yang mempunyai kualitas dan karakteristik tertentu yang di tetapkan

57

58

oleh peneliti untuk dipelajari kemudian ditarik kesimpulan

(Sugiyono, 2017:80). Populasi dalam penelitian ini adalah seluruh

perusahaan yang sahamnya tergolong dalam indeks LQ45 pada Bursa

Efek Indonesia periode 2014-2018.

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki

oleh populasi tersebut (Hamdi dan Bahrudin, 2014:37). Pemilihan

populasi ini didasarkan pada pertimbangan pada saham yang berkatagori

likuid. Likuiditas suatu saham diartikan bahwa saham tersebut aktif

diperdagangkan. Sedangkan, teknik pengambilan sampel yang dilakukan

adalah purposive sampling dengan tujuan untuk mendapatkan sampel

sesuai dengan tujuan penelitian.

2. Sampel

Metode purposive sampling merupakan metode pengambilan

sampel yang didasarkan pada pertimbangan atau kriteria tertentu.

Kriteria pengambilan sampel dalam penelitian ini adalah sebagai berikut:

a. Perusahaan yang dijadikan sampel adalah perusahaan yang

sahamnya terdaftar dalam indeks LQ 45 periode tahun 2014-2018.

b. Perusahaan yang dijadikan sampel adalah perusahaan yang

terdaftar dalam indeks LQ 45 periode tahun 2014-2018 yang telah

memperdagangkan sahamnya dalam Bursa Efek Indonesia sejak

tahun 2013.

59

c. Perusahaan yang dijadikan sampel merupakan perusahaan terdaftar

dalam indeks LQ 45 periode 2014-2018 dan mengeluarkan laporan

keuangan triwulanan maupun tahunan.

Tabel 3.1

Penentuan Sampel Berdasarkan Kriteria

No. Kriteria Jumlah

1. Perusahaan yang sahamnya terdaftar dalam indeks

LQ 45 periode tahun 2014-2018.

45

2.

Perusahaan yang terdaftar dalam indeks LQ 45

periode tahun 2014-2018 yang telah

memperdagangkan sahamnya dalam Bursa Efek

Indonesia sejak tahun 2013.

35

3.

Perusahaan yang terdaftar dalam indeks LQ 45

periode 2014-2018 dan mengeluarkan laporan

keuangan triwulanan maupun tahunan.

35

Total Sampel Penelitian 35

Sumber : Bursa Efek Indonesia

Berdasarkan kriteria tersebut, maka sampel yang digunakan dalam

penelitian ini adalah 35 emiten seperti yang ditunjukkan pada tabel

berikut:

60

Tabel 3.2

Sampel Penelitian

Sumber: Indonesian Exchange, 2019

No. Kode

Efek Nama Emiten No.

Kode

Efek Nama Emiten

1. ADHI

Adhi Karya

(Persero) Tbk

19. JSMR Jasa Marga (Persero) Tbk

2. ADRO Adaro Energy

Tbk 20. KLBF Kalbe Farma Tbk

3. AKRA AKR Corporindo

Tbk 21.

LPKR

Lippo Karawaci Tbk

4. ANTM

Aneka Tambang

(Persero) Tbk 22. LPPF

Matahari Department

Store Tbk

5. ASII

Astra

International Tbk 23. MNCN

Media Nusantara Citra

Tbk

6. BBCA Bank Central Asia

Tbk 24.

PGAS

Perusahaan Gas Negara

(Persero) Tbk

7. BBNI

Bank Negara

Indonesia

(Persero) Tbk

25. PTBA

Bukit Asam Tbk

8. BBRI

Bank Rakyat

Indonesia

(Persero) Tbk

26. PTPP

PP (Persero) Tbk

9. BBTN

Bank Tabungan

Negara (Persero)

Tbk

27. SCMA Surya Citra Media Tbk

10. BMRI Bank Mandiri

(Persero) Tbk 28. SMGR

Semen Indonesia

(Persero) Tbk

11. BSDE Bumi Serpong

Damai Tbk 29. SRIL Sri Rejeki Isman Tbk

12. EXCL XL Axiata Tbk 30. SSMS Sawit Sumbermas Sarana

Tbk

13. GGRM Gudang Garam

Tbk 31.

TLKM

Telekomunikasi

Indonesia (Persero) Tbk

14. HMSP

H. M. Sampoerna

Tbk 32. UNTR United Tractors Tbk

15. ICBP

Indofood CBP

Sukses Makmur

Tbk

33. UNVR

Unilever IndonesiaTbk

16. INCO Vale Indonesia

Tbk 34. WIKA

Wijaya Karya (Persero)

Tbk

17. INDF

Indofood Sukses

Makmur Tbk 35. WSKT

Waskita Karya (Persero)

Tbk

61

C. Metode Pengumpulan Data

Sumber data penelitian ini adalah sumber data sekunder yang diperoleh

atau dikumpulkan oleh peneliti. Jenis data dalam penelitian ini

menggunakan data kuantitatif. Data kuantitatif tersebut merupakan data

yang berupa data keuangan, diantaranya laporan historis harga saham

(return) dan volume perdagangan serta data terkait karakteristik perusahaan

lainnya yang dijadikan variabel dalam penelitian ini, yakni risiko pasar,

firm size, book to market ratio dan momentum.

Data sekunder tersebut berasal dari berbagai sumber, diantaranya

Indonesia Capital Market Directory (ICMD), Indonesian Stock Exchange

dan situs resmi Bursa Efek Indonesia (www.idx.co.id) dalam bentuk

Laporan Keuangan Publikasi Tahunan dan Triwulanan yang diterbitkan

oleh masing-masing perusahaan sampel dari tahun 2014 hingga 2018

Triwulan II.

D. Metode Analisis Data

Metode analisis yang digunakan dalam penelitian ini dilakukan dengan

analisis kuantitatif dengan menggunakan metode statistik yang dibantu

dengan program pengolah data statistic yang dikenal dengan SmartPLS

3.2.8.

Pertimbangan peneliti dalam menggunakan PLS karena PLS dapat

digunakan untuk melakukan konfirmasi teori (thoeritical testing) dan

merekomendasikan hubungan yang belum ada dasar teorinya, PLS dapat

menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif

62

dan indikator formatif (Hair et. al., 2012:314). Metode yang digunakan

yaitu analisis deskriptif, uji Partial Least Square, koefisien determinasi R2,

dan uji signifikansi parameter individual (uji T).

Dalam penelitian ini, risiko pasar, market value, dan book to market

ratio, ROE, EPS, historis harga saham dan volume perdagangan dan jenis

industri merupakan variabel yang bersifat observe. Semua variabel dibuat

menjadi variabel laten dengan satu indikator yang bersifat formatif. Model

analisis jalur semua variabel laten dalam PLS terdiri dari tiga set hubungan

yaitu Inner model, Outer model dan Weight relation (Ghozali, 2008:24).

1. Statistika Deskriptif

Pangestu Subagyo (2003:1) menyatakan yang dimaksud sebagai

statistika deskriptif adalah bagian statistika mengenai pengumpulan

data, penyajian, penentuan nilai-nilai statistika, pembuatan

diagramatau gambar mengenai sesuatu hal, disini data yang disajikan

dalam bentuk yang lebih mudah dipahami atau dibaca. Statistika

deskriptif merupakan metode-metode yang berkait dengan

pengumpulan dan penyajian sekumpulan data, sehingga dapat

memberikan informasi yang berguna. Perlu kiranya diketahui bahwa

statistika deskriptif memberikan informasi hanya mengenai data yang

dipunyai dan sama sekali tidak menarik kesimpulan yang lebih jauh

dari data yang ada. Kegiatan memeriksa sifat-sifat penting dari data

yang ada itu disebut analisis data secara deskripsi.

63

Statistik deskriptif memberikan gambaran atau deskripsi suatu

data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian,

maksimum, minimum, sum, range, kurtosis, dan skweness (Ghozali,

2006:35).

2. Partial Least Square (PLS)

Partial Least Square (PLS) merupakan salah satu metode

alternatif estimasi model untuk mengelola Structural Equation

Modelling (SEM). Desain PLS dibuat untuk mengatasi keterbatasan

metode SEM. Pada metode SEM mengharuskan data berukuran besar,

tidak ada missing values, harus berdistribusi normal, dan tidak boleh

memiliki multikolinieritas, sedangkan pada PLS menggunakan

pendekatan distribution free dimana data dapat berdistribusi tertentu.

PLS digunakan untuk mengetahui kompleksitas hubungan suatu

konstrak dan konstrak yang lain, serta hubungan suatu konstrak dan

indikator-indikatornya.

PLS didefinisikan oleh dua persamaan, yaitu inner model dan

outer model. Inner model menentukan spesifikasi hubungan antara

konstrak dan indikator-indikatornya.Konstrak terbagi menjadi dua

yaitu konstrak eksogen dan konstrak endogen. Konstrak eksogen

merupakan konstrak penyebab, konstrak yang tidak dipengaruhi oleh

konstrak lainnya. Konstrak eksogen memberikan efek kepada konstrak

lainnya, sedangkan konstrak endogen merupakan konstrak yang dapat

64

dijelaskan oleh konstrak eksogen. Konstrak endogen adalah efek dari

konstrak eksogen (Hussein, 2015).

PLS merupakan metode analisis yang powerfull (Ghozali,

2008:17), karena tidak didasarkan pada banyak asumsi. Terdapat dua

macam indikator dalam pendekatan PLS:

a. Indikator reflektif atau reflective indicator adalah indikator yang

dianggap dipengaruhi oleh konstruk laten, atau indikator yang

dianggap merefleksikan konstruk laten. Reflective indicator

mengamati akibat yang ditimbulkan oleh variabel laten.

b. Indikator formatif atau formative indicator adalah indikator yang

dianggap mempengaruhi variabel laten. Formative indicator

mengamati faktor penyebab dari variabel laten.

3. Uji Partial Least Square

Penelitian ini menggunakan metode analisis dengan PLS yang dapat di

uji dengan model, yaitu :

a. Uji Inner Model

Model struktural (inner model) merupakan model struktural

untuk memprediksi hubungan kausalitas antar variabel laten.

Melalui proses bootstrapping, parameter uji T-statistic diperoleh

untuk memprediksi adanya hubungan kausalitas. Model struktural

(inner model) dievaluasi dengan melihat persentase variance yang

dijelaskan oleh nilai R2, serta signifikansi dari koefisien parameter

65

model struktural. Serta ,elihat nilai F2 untuk mengetahui pengaruh

variabel laten pada tatanan struktural.

Nilai koefisien path dan inner model menunjukkan tingkat

signifikansi dalam pengujian hipotesis. Skor koefisien path dan

inner model yang ditunjukkan oleh nilai T-statistic, harus di atas

1,96 untuk menunjukan hipotesis regresi moderasi (Hair et. al.,

2012:350).

b. Uji Outer Model

Merancang Model Pengukuran (Outer Model) Outer Model

atau Model Pengukuran mendefinisikan bagaimana setiap blok

indikator berhubungan dengan variabel latennya. Perancangan

Model Pengukuran menentukan sifat indikator dari masing-

masing variabel laten, apakah refleksif atau formatif, berdasarkan

definisi operasional variabel. Uji outer model yaitu model

pengukuran yang menghubungkan indikator dengan variabel

latennya.

Suatu konsep dan model penelitian tidak dapat diuji dalam

suatu model prediksi hubungan relasional dan kausal jika belum

melewati tahap purifikasi dalam model pengukuran. Uji validitas

dilakukan untuk mengetahui kemampuan instrumen penelitian

mengukur apa yang seharusnya diukur (Hussein, 2015).

Sedangkan uji realibilitas digunakan untuk mengukur konsistensi

responden dalam menjawab setiap pertanyaan.

66

Convergent validity dari model pengukuran dengan model

reflektif indikator dinilai berdasarkan korelasi antara item

score/component score dengan construct score yang dihitung

dengan PLS. Ukuran reflektif dikatakan tinggi jika berkorelasi

lebih dari 0,70 dengan konstruk yang ingin diukur. Untuk

penelitian tahap awal dari pengembangan skala pengukuran nilai

loading 0,5 sampai 0,60 dianggap cukup (Ghozali, 2008:45).

Discriminant validity dari model pengukuran dengan indikator

reflektif dinilai berdasarkan cross loading pengukuran dengan

konstruk. Jika korelasi konstruk dengan item pengukuran lebih

besar daripada ukuran konstruk lainnya, maka akan menunjukkan

bahwa konstruk laten memprediksi ukuran pada blok yang lebih

baik daripada ukuran blok lainnya.

4. Uji Multikolinearitas

Uji multikolonieritas bertujuan untuk menguji adanya

keterkaitan antar variabel bebas. Dalam model regresi yang baik

seharusnya tidak ada kerterkaitan anatara variabel bebas. Ghozali

(2006:79) mengatakan untuk mengetahui ada atau tidaknya

multikolonieritas dalam model regresi ditunjukkan dengan :

a. Besarnya Variabel Inflation Factor (VIF) dengan nilai sama

dengan sepuluh (10) menunjukkan model regresi yang

digunakan terbebas dari multikolonieritas.

67

b. Besarnya Tolerance dengan nilai sama dengan sepuluh persen

atau (0,1) menggambarkan model regresi yang diterapkan

terbebas dari multikolonieritas.

c. Nilai R2 yang dihasilkan oleh suatu estimasi model regresi

empiris sangat tinggi, tetapi secara individual variabel-variabel

bebas banyak yang tidak signifikan mempengaruhi variabel

terikat.

d. Menganalisa matrik korelasi antar variabel bebas jika terdapat

korelasi antar variabel bebas yang cukup tinggi (> 0,9) hal ini

merupakan indikasi adanya multikolonieritas

4. Model Pengujian Hipotesis

Model analisis pengujian hipotesis yang digunakan dalam

penelitian ini merupakan referensi variabel independen dan dependen

dari penelitian yang pertama kali dilakukan oleh Fama dan French

(1996) yang akan dikembangkan dengan variabel kendali atau control,

yang mungkin mempengaruhi keputusan investor dalam mengambil

keputusannya. Penelitian ini menggunakan model :

……………………..(3.1)

Dimana,

: Keputusan Investor

: Risiko Pasar : Momentum (J3,J6,J12)

: Analisis Fundamental : Error term

68

Pengujian hipotesis dilakukan dengan menguji pengaruh antara

risiko pasar, firm size, book to market ratio dan momentum terhadap

keputusan investor.

Pada penelitian ini ditetapkan level signifikasiSebesar 5%

sehingga pengujian hipotesis didasarkan pada dasar pengambilan

keputusan, dimana dalam penelitian ini dasar pengambilan keputusan

diperoleh dengan membandingkan antara p-value dengan alpha

(tingkat kesalahan) sebesar 5% atau 0.05. Nilai p-value akan diperoleh

dari output pengolahan data dengan menggunakan SmartPLS.

5. Uji Signifikansi

a. Uji Koefisian Determinasi

Koefisien determinasi (R2) digunakan untuk mengukur

seberapa jauh kemampuan model dalam menerangkan variasi

variabel dependen. Koefisien determinasi dapat dicari dengan

rumus :

…………………………………………(3.2)

Nilai koefisien determinansi dinyatakan dalam presentase yang

nilainya berkisar antara 0 < R2 < 1. Nilai R2 yang kecil berarti

kemampuan variabel-variabel independen dalam menjelaskan

variasi variabel dependen amat terbatas (Ghozali, 2006:97). Nilai

yang mendekati 1 berarti variabel–variabel independen

memberikan hampir semua informasi untuk memprediksi variasi

variabel dependen.

69

E. Operasional Variabel Penelitian

1. Variabel Dependen

Variabel dependen atau variabel terikat merupakan variabel yang

mungkin dipengaruhi oleh independent variabel atau variabel bebas.

Variabel dependen pada penelitian ini adalah keputusan investor yang

merupakan hasil konversi antara Trading Volume Activity (TVA)

dengan Return saham.

Trading Volume Activity merupakan indikator dari volume

perdagangan. Volume perdagangan merupakan alat ukur aktivitas

penawaran dan permintaan saham di bursa. Trading volume activity

dirumuskan sebagai berikut:

..................(3.3)

Sedangkan Return saham adalah tingkat keuntungan yang

dinikmati pemodal atau investor atas suatu investasi yang

dilakukannya. Return saham dalam penelitian ini adalah selisih dari

harga saham hari ini dengan harga saham kemarin tehadap harga

saham hari ini, yang diformulasikan sebagai berikut:

………………………….………………..………….(3.4)

Dimana,

: return saham



70

Keputusan investor dapat diformulasikan sebagai berikut:

…………………………………...……………...(3.5)

Dimana,

: keputusan investor atas saham i pada periode t

: trading volume activity saham i pada periode t

: return saham i pada periode t

Keputusan investor bernilai positif menandakan respon positif

oleh investor terhadap saham yang ditandai dengan adanya aktivitas

beli atau net buy, sedangkan keputusan investor bernilai negatif

menandakan respon negatif oleh investor terhadap saham yang ditanai

dengan adanya aktivitas jual atau net sell oleh investor.

2. Variabel Independen

Variabel independen adalah variabel yang diduga secara bebas

berpengaruh terhadap variabel dependen. Terdapat beberapa variabel

independen dalam penelitian ini sebagai berikut:

a. Risiko Pasar

Risiko merupakan besarnya penyimpangan antara tingkat

pengembalian yang diharapkan dengan tingkat pengembalian

aktual. Risiko pasar dapat diestimasi dengan menggunakan data

historis return dari sekuritas dan return dari pasar selama periode

tertentu. Perubahan return pasar menggunakan indeks harga

saham gabungan, misalnya IHSG BEI (Sudirman, 2015:60).

Risiko Pasar diformulasikan, sebagai berikut:

71

…………….........................….……..(3.6)

Dimana,

: return sekuritas i

: nilai ekspektasi dari return sekuritas yang independen

terhadap return pasar

: koefisien beta yang mengukur Ri akibat perubahan Rm

: tingkat return dari indeks pasar

: kesalahan residu, merupakan variabel acak dengan nilai

ekspektasi sama dengan nol

Sedangkan Bodie et. al., (2006:255) merumuskan risiko

pasar saham individu yang didasarkan pada CAPM adalah

sebagai berikut:

…………………...…...…......…...…….…(3.7)

Return pasar dihitung dengan menggunkana data indeks

harga saham gabungan dengan mencantumkan seluruh saham

yang tercatat dibursa selama periode tertentu (Jogiyanto,

2014:311). Karena dalam penelitian ini sampel menggunakan

saham yang terdaftar dalam indeks LQ45, maka return pasar

diformulasikan sebagai berikut:

……………….….…..…........…....(3.8)

Dimana,

: return indeks pasar saham periode ke t

: indeks LQ45 periode saat ini (t)

72

: indeks LQ45 periode lalu (t-1)

Sedangkan return saham dihitung menggunakan data dari

perubahan harga saham perusahaan yang terjadi selama periode

tertentu (Jogiyanto, 2014:311). Return saham diformulasikan

sebagai berikut:

…………………….……………...………….(3.9)

Dimana,

: return saham



b. Analisis Fundamental

1) Size

Ukuran perusahaan mencerminkan besar atau kecilnya

suatu perusahaan. Ukuran perusahaan dapat ditunjukkan dari

jumlah aktiva, penjualan atau kapitalisasi pasar. Perusahaan

yang memiliki ukuran besar atau berskala besar lebih mudah

mendapatkan pendanaan dibandingkan perusahaan kecil atau

berskala kecil. Perusahaan berskala besar juga memiliki

potensi pertumbuhan yang pesat. Menurut Foye (2018)

perusahaan yang berskala besar cenderung melakukan

diversifikasi usaha lebih banyak daripada perusahaan kecil

dan kemungkinan kegagalan dalam menjalankan usaha atau

kebangkrutan akan lebih kecil.

73

Oleh sebab itu, investor cenderung akan berinvestasi

kepada perusahaan besar karena dari segi total aktiva yang

lebih besar, kemudahan dalam mencari sumber pendanaan,

serta pertumbuhan perusahaan yang relatif lebih besar.

Sehingga banyak investor yang cenderung memilih untuk

berinvestasi pada perusahaan berskala besar. Akibatnya

menyebabkan harga saham naik, naiknya harga saham

menyebabkan tingkat keuntungan (return) saham menjadi

semakin naik dan besar.

Market value dapat diformulasikan sebagai berikut:

……………………………....……..……(3.10)

Dimana,

: market value

: market price (harga pasar saham i)

: outstanding shares (jumlah saham yang diterbitkan)

Firm Size menurut Harahap (2007 :23) diformulasikan

sebagai berikut:

………..………….....(3.11)

2) Book to Market

Rasio book to market dihitung dengan membagi book

value dengan market value. Rasio book to market merupakan

faktor risiko yang harus diperhatikan oleh investor, karena

74

book to market yang tinggi dapat dijadikan indikator bahwa

perusahaan tersebut masih undervalue. Ketika suatu

perusahaan dinilai undervalue maka dapat dikatakan bahwa

perusahaan tersebut sedang dalam kondisi kurang bagus

sehingga kurang mampu memberikan keuntungan bagi para

investor yang telah menanamkan modalnya.

Foye (2018) dalam penelitiannya menemukan bahwa

setelah mengontrol pengaruh rasio book to market (nilai buku

terhadap harga pasarnya) beta tidak lagi mempunyai

kemampuan untuk menjelaskan return. Penelitian tersebut

menggunakan three factor model. Hasil penelitian tersebut

menemukan ada dua faktor yang paling signifikan yaitu Book

to market dan Size.

Rasio book to market yang tinggi menunjukkan bahwa

perusahaan memiliki kinerja buruk dan cenderung mengalami

kesulitan keuangan atau mempunyai prospek yang kurang

baik. Kemudian Caglayan (2018) menyatakan bahwa rasio

book to market merupakan rasio yang digunakan sebagai

indikator untuk mengukur kinerja perusahaan melalui harga

pasarnya, semakin rendah rasio ini menandakan semakin

tinggi perusahaan dinilai oleh para investor. Beberapa alasan

investor menggunakan rasio book to market di dalam

menganalisis investasi antara lain :

75

a) Book value memberikan pengukuran yang relatif stabil,

untuk dibandingkan dengan market price. Untuk investor

yang tidak mempercayai estimasi discounted cash flow,

book value dapat menjadi benchmark dalam

memperbandingkan dengan market price.

b) Karena standar akuntansi yang hampir sama pada setiap

perusahaan, rasio book to market bisa dikomparasikan

dengan perusahaan lain yang berada pada satu sektor,

untuk mengetahui apakah perusahaan tersebut masih

undervalue atau sudah overvalue.

Book to market ratio menurut Donelly (2014)

diformulasikan sebagai berikut:

……………………...………(3.12)

c. Momentum

Salah satu strategi yang dapat digunakan untuk

memaksimalkan return oleh investor adalah strategi momentum.

Strategi momentum yaitu Investor membeli saham pemenang

pada tingkat laju harga yang baru naik dan mempunyai

kepercayaan bahwa laju harga saham tersebut akan terus naik

sesuai dengan kurva permintaan yang semakin ke atas, kemudian

menjual suatu saham yang tingkat laju harganya menurun sesuai

dengan pergeseran kurva permintaan yang semakin ke bawah

(Saputro dan Badjra, 2016).

76

Investor yang melakukan pembelian pada saham pemenang

di periode yang lalu kemudian menjualnya pada masa yang akan

datang ketika harga saham tersebut masih meningkat maka

investor mendapatkan keuntungan dari selisih harga jual yang

lebih besar dari pada harga belinya.

Periode penelitian yang digunakan dalam penelitian ini

adalah periode tiga bulanan atau triwulan, sehingga data return

yang digunakan adalah data rata-rata return tiga bulanan. Oleh

karena untuk menguji momentum digunakan return periode

sebelumnya, maka data return yang digunakan adalah return rata-

rata tiga bulanan selama periode 3 bulan sebelum yang

dilambangkan dengan J3, return rata-rata tiga bulanan selama

periode 6 bulan sebelum yang dilambangkan dengan J6, dan

return rata-rata tiga bulanan selama periode 12 bulan sebelum

yang dilambangkan dengan J12 dengan return periode dasar

( ) adalah return periode triwulan pertama tahun 2014 yang

merupakan periode awal penelitian ini. Menurut Teori Fama

French (1995), perhitungan momentum adalah sebagai berikut:

…………………………………….…(3.13)

……………………………………….(3.14)

……………………………………(3.15)

Dimana,

J3 = Rata-rata perhitungan 3 bulan return saham



77

3. Variabel Kendali

Variabel kendali merupakan variabel yang juga mempengaruhi

variabel terikat, tetapi dalam penelitian keberadaannya dijadikan

netral. variabel bebas yang efeknya terhadap variabel tergantung

dikendalikan oleh peneliti (Ghozali, 2008:90). Dengan kata lain,

variabel bebas yang semula dibiarkan bervariasi kini dibatasi sehingga

variasinya minimal atau hilang sama sekali. Terdapat beberapa

variabel kendali dalam penelitian ini sebagai berikut:

a. Return On Equity (ROE)

ROE merupakan rasio yang menunjukkan tingkat

pengembalian yang diperoleh pemilik atau pemegang saham atas

investasi di perusahaan. ROE dapat disimpulkan bahwa keputusan

investasi adalah keputusan yang mempunyai dimensi jangka

panjang (Harahap, 2016:305), sehingga keputusan yang diambil

harus dipertimbangkan dengan baik, karena mempunyai

konsekuensi jangka panjang. Perusahaan membandingkan

besarnya laba bersih terhadap ekuitas saham biasa.

Analisis Return on Equity (ROE) untuk mengetahui seberapa

besar tingkat kemampuan modal sendiri dalam menghasilkan laba.

Perhitungan ROE menggunakan formula sebagai berikut:

……………………….…………(3.16)

78

b. Earning Per Share (EPS)

Earning per Share (EPS) atau pendapatan perlembar saham

adalah bentuk pemberian keuntungan yang diberikan kepada para

pemegang saham dari setiap lembar saham dimiliki (Hanafi,

2012:30). Pendapatan perlembar saham adalah bentuk pemberian

keuntungan yang diberikan kepada para pemegang saham dari

setiap lembar saham dimiliki (Irayanti dan Tumbel, 2014).

Adapun rumus Earning per Share (EPS) sebagai berikut:

.…………………………….(3.17)

Dimana,

EPS = Earning per Share

EAT = Earning After Tax atau pendapatan setelah pajak

79

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

1. Sejarah LQ45

LQ45 merupakan salah satu indeks di Bursa Efek Indonesia (BEI), di

mana indeks tersebut diperoleh dari perhitungan 45 emiten dengan seleksi

kriteria seperti penilaian atas likuiditas. Indeks ini mengukur performa

harga dari 45 saham-saham yang memiliki likuiditas tinggi dan

kapitalisasi pasar besar serta didukung oleh fundamental perusahaan yang

baik (www.idx.co.id). Sejak diluncurkan pada bulan Februari 1997

ukuran utama likuiditas transaksi adalah nilai transaksi di pasar reguler.

Sesuai dengan perkembangan pasar dan untuk mempertajam kriteria

likuiditas, maka sejak review bulan Januari 2005, jumlah hari

perdagangan dan frekuensi transaksi dimasukkan sebagai ukuran

likuiditas.

Bursa Efek Indonesia secara rutin akan memantau perkembangan

kinerja emiten-emiten yang masuk dalam perhitungan indeks LQ45.

Setiap tiga bulan sekali dilakukan evaluasi atas pergerakan urutan saham-

saham tersebut. Apabila ada saham yang sudah tidak masuk kriteria maka

akan diganti dengan saham lain yang memenuhi syarat.

Pemilihan saham-saham LQ45 harus wajar, oleh karena itu BEI

mempunyai komite penasehat yang terdiri dari para ahli di Otoritas Jasa

Keuangan (OJK), Universitas, dan Profesional di bidang pasar modal.

79

http://www.idx.co.id/

80

Penggantian saham akan dilakukan setiap enam bulan sekali, yaitu pada

awal bulan Februari dan Agustus.

Sesuai dengan purposive sampling terdapat 35 emiten yang telah

sesuai dengan kriteria, yaitu:

Tabel 4.1

Sampel Perusahaan Indeks LQ45

No. Kode

Efek

Nama Emiten No. Kode

Efek

Nama Emiten

1. ADHI

Adhi Karya (Persero)Tbk 19. JSMR

Jasa Marga (Persero)

Tbk

2. ADRO Adaro Energy Tbk 20. KLBF Kalbe Farma Tbk

3. AKRA AKR Corporindo Tbk 21.

LPKR

Lippo Karawaci Tbk

4. ANTM

Aneka Tambang (Persero)

Tbk 22. LPPF

Matahari Department

Store Tbk

5. ASII

Astra International Tbk 23. MNCN

Media Nusantara Citra

Tbk

6.

BBCA Bank Central Asia Tbk 24.

PGAS

Perusahaan Gas Negara

(Persero) Tbk

7. BBNI

Bank Negara Indonesia

(Persero) Tbk 25.

PTBA

Bukit Asam Tbk

8. BBRI

Bank Rakyat Indonesia

(Persero) Tbk 26.

PTPP

PP (Persero) Tbk

9. BBTN

Bank Tabungan Negara

(Persero) Tbk 27. SCMA Surya Citra Media Tbk

10. BMRI

Bank Mandiri (Persero)

Tbk 28. SMGR

Semen Indonesia

(Persero) Tbk

11. BSDE Bumi Serpong Damai Tbk 29. SRIL Sri Rejeki Isman Tbk

12. EXCL XL Axiata Tbk 30. SSMS

Sawit Sumbermas

Sarana Tbk

13.

GGRM Gudang Garam Tbk 31. TLKM

Telekomunikasi

Indonesia (Persero)

Tbk

14. HMSP

H. M. Sampoerna Tbk 32. UNTR United Tractors Tbk

15. ICBP

Indofood CBP Sukses

Makmur Tbk 33.

UNVR

Unilever IndonesiaTbk

16. INCO Vale Indonesia Tbk 34. WIKA

Wijaya Karya (Persero)

Tbk

17. INDF

Indofood Sukses Makmur

Tbk 35. WSKT

Waskita Karya

(Persero) Tbk

18. INTP

Indocement Tunggal

Prakasa Tbk

Sumber: Indonesian Exchange, 2019

81

B. Metode Analisis Data

1. Uji Statistik Deskriptif

Statistika deskriptif adalah metode-metode yang berkaitan dengan

pengumpulan dan penyajian suatu data sehingga memberikan informasi

yang berguna (Ghozali, 2008:54). Statistik deskriptif berfungsi untuk

mendeskripsikan atau memberi gambaran terhadap objek yang diteliti

melalui data sampel atau populasi Salah satu ukuran yang biasa

digunakan adalah rata-rata (Sugiyono, 2017:80).Selain dalam bentuk rata-

rata juga dapat disajikan dalam bentuk salah satunya adalah diagram dan

tabel. Berikut ini penyajian data dari perhitungan variabel :

82

a. Risk Market

Tabel 4.2

Nilai Perhitungan Risk Market pada Indeks LQ45 Periode 2014-2018

Kode

Perusahan

2014 2015 2016 2017 2018 Average Kategori

ADHI 2,882 (0,687) (0,785) 0,001 (0,661) 0,150 Lebih Rendah

ADRO 2,381 (0,104) (0,184) 0,003 0,121 0,443 Lebih Rendah

AKRA 2,179 0,231 0,744 0,005 0,361 0,704 Lebih Rendah

ANTM 0,255 0,049 1,130 0,001 (0,966) 0,094 Lebih Rendah

ASII 0,367 (0,049) (0,401) (0,006) (0,694) (0,156) Lebih Rendah

BBCA (0,864) (0,238) (0,170) (0,001) 0,102 (0,234) Lebih Rendah

BBNI 0,254 (0,401) (0,318) 0,001 (0,279) (0,149) Lebih Rendah

BBRI 0,099 (0,351) (0,077) (0,005) 0,475 0,028 Lebih Rendah

BBTN 2,273 0,005 0,435 (0,007) 1,111 0,763 Lebih Rendah

BMRI 0,371 (0,001) (0,140) (0,001) 0,453 0,136 Lebih Rendah

BSDE (0,176) (0,483) (0,021) (0,001) 0,641 (0,008) Lebih Rendah

EXCL 1,113 (0,151) 0,013 (0,003) 1,042 0,403 Lebih Rendah

GGRM 0,553 0,309 (0,204) (0,006) (0,355) 0,060 Lebih Rendah

HMSP 0,247 (0,243) (0,179) (0,004) (0,298) (0,095) Lebih Rendah

ICBP (1,128) (0,497) (0,009) (0,000) (0,316) (0,390) Lebih Rendah

INCO 1,783 (1,384) 2,660 0,026 (2,736) 0,070 Lebih Rendah

INDF (0,327) (0,234) 0,327 (0,002) (0,156) (0,078) Lebih Rendah

INTP (0,585) (0,364) 0,492 0,007 (2,241) (0,538) Lebih Rendah

JSMR (0,303) (0,344) (0,423) 0,007 (0,994) (0,411) Lebih Rendah

KLBF (0,602) (0,246) 0,352 (0,001) (0,703) (0,240) Lebih Rendah

LPKR (0,607) (0,149) (0,349) 0,010 (0,187) (0,256) Lebih Rendah

LPPF 2,156 (0,237) (0,554) (0,015) 0,597 0,389 Lebih Rendah

MNCN 2,360 (0,970) 0,198 0,000 (0,316) 0,254 Lebih Rendah

PGAS 0,128 (0,726) 0,782 0,006 0,921 0,222 Lebih Rendah

PTBA 0,999 (1,106) 0,397 0,002 (2,022) (0,346) Lebih Rendah

PTPP 0,495 (0,736) 0,453 0,007 (0,909) (0,138) Lebih Rendah

SCMA 1,913 (0,675) (0,757) (0,007) 0,305 0,156 Lebih Rendah

SMGR (0,013) (0,142) 0,022 0,003 0,010 (0,024) Lebih Rendah

SRIL (1,744) (1,477) 0,761 0,003 (0,989) (0,689) Lebih Rendah

SSMS 0,950 (1,478) (0,414) (0,005) 0,754 (0,038) Lebih Rendah

TLKM (0,727) 0,189 (0,269) (0,005) (0,240) (0,210) Lebih Rendah

UNTR 0,892 0,169 0,211 0,002 (1,968) (0,139) Lebih Rendah

UNVR (0,399) 0,182 0,200 (0,001) 0,404 0,077 Lebih Rendah

WIKA 0,683 (0,919) 0,039 0,002 (1,574) (0,354) Lebih Rendah

WSKT 1,326 (0,360) 0,101 0,006 (0,323) 0,150 Lebih Rendah

Sumber: Data diolah 2019

83

,Gambar 4.1

Rata-rata Nilai Risk Market pada Indeks LQ45


Berdasarkan tabel dan grafik, Risk Market dalam indeks LQ45

Periode 2014-2015 dengan nilai rata-ratanya menyimpulkan bahwa

beta ( ) lebih kecil dari satu (1) yang berarti kenaikan return sekuritas

lebih kecil dari kenaikan return pasar. ( ) lebih kecil dari satu (1)

saham ini bersifat defensive yang artinya tidak mudah terjadi

perubahan akibat kondisi pasar atau kebalikan dari saham agresif

dimana harga saham perusahaan lebih mudah berubah dibandingkan

indeks pasar. Dimana saham agresif dapat dikatakan memiliki risiko

yang lebih besar dari risiko rata-rata pasar (Maria dan Sri, 2017).

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

Risk (Beta)

84

b. Book to Market

Tabel 4.3

Nilai Perhitungan Book to Market pada Indeks LQ45 Periode 2014-2018

Kode B/M B/M B/M B/M B/M Rata - Rata Kategori

2014 2015 2016 2017 2018

ADHI 0,00000002 0,00000002 0,00000000 0,00000002 0,00000003 0,00000002 Overvalue

ADRO 0,00000000 0,00000001 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue AKRA 0,00000001 0,00000001 0,00000001 0,00000015 0,00000001 0,00000004 Overvalue

ANTM 0,00000001 0,00000001 0,00000000 0,00000001 0,00000000 0,00000001 Overvalue ASII 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

BBCA 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue BBNI 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

BBRI 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue BBTN 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue

BMRI 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue BSDE 0,00000000 0,00000000 0,00000000 0,00000000 0,00000001 0,00000000 Overvalue

EXCL 0,00000000 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue GGRM 0,00000001 0,00000002 0,00000002 0,00000001 0,00000002 0,00000002 Overvalue

HMSP 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue ICBP 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

INCO 0,00000001 0,00000002 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue INDF 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue

INTP 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue JSMR 0,00000000 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue

KLBF 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

LPKR 0,00000000 0,00000000 0,00000001 0,00000001 0,00000002 0,00000001 Overvalue LPPF 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

MNCN 0,00000000 0,00000000 0,00000000 0,00000000 0,00000001 0,00000000 Overvalue PGAS 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

PTBA 0,00000001 0,00000004 0,00000002 0,00000011 0,00000000 0,00000004 Overvalue PTPP 0,00000000 0,00000001 0,00000001 0,00000014 0,00000002 0,00000004 Overvalue

SCMA 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue SMGR 0,00000000 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue

SRIL 0,00000001 0,00000000 0,00000001 0,00000000 0,00000001 0,00000000 Overvalue SSMS 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

TLKM 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue UNTR 0,00000002 0,00000002 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue UNVR 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 0,00000000 Overvalue

WIKA 0,00000000 0,00000001 0,00000001 0,00000001 0,00000001 0,00000001 Overvalue WSKT 0,00000000 0,00000000 0,00000000 0,00000001 0,00000001 0,00000000 Overvalue


85

Gambar 4.2

Rata-rata Nilai Book to Market pada Indeks LQ45


Berdasarkan Tabel dan Grafik diatas, Book to Market dalam

indeks LQ45 Periode 2014-2015 dengan nilai rata-ratanya mempunyai

nilai lebih kecil dari satu (1) yang berartikan overvalue maka dapat

dikatakan perusahaan tersebut sedang dalam kondisi baik sehingga

mampu memberikan keuntungan bagi para investor yang telah

menanamkan modalnya.

Namun, jika nilai Book to Market lebih besar dari satu (1) hal

itu mengartikan undervalue maka dapat dikatakan perusahaan tersebut

sedang dalam kondisi kurang baik sehingga sehingga kurang mampu

memberikan keuntungan bagi para investor yang telah menanamkan

modalnya.

-

0.00000001

0.00000001

0.00000002

0.00000002

0.00000003

0.00000003

0.00000004

0.00000004

0.00000005

Book to Market

86

c. Firm Size

Tabel 4.4

Nilai Perhitungan Firm Size pada Indeks LQ45 Periode 2014-2018

No Perusah

aan

2014 2015 2016 2017 2018 Rata-rata

1 ADHI 16,16 16,63 16,81 17,15 17,15 16,78

2 ADRO 18,19 18,22 18,28 18,34 18,48 18,30

3 AKRA 16,50 16,53 16,57 16,63 16,83 16,62

4 ANTM 16,90 17,22 17,21 17,21 17,30 17,17

5 ASII 19,27 19,31 19,38 19,50 19,62 19,42

6 BBCA 20,12 20,20 20,33 20,43 20,49 20,32

7 BBNI 19,84 20,04 20,21 20,37 20,45 20,18

8 BBRI 20,50 20,59 20,72 20,84 20,98 20,72

9 BBTN 18,78 18,96 19,18 19,38 19,42 19,14

10 BMRI 20,56 20,62 20,76 20,84 20,88 20,73

11 BSDE 17,15 17,39 17,46 17,64 17,77 17,48

12 EXCL 17,96 17,89 17,82 17,84 17,90 17,88

13 GGRM 17,87 17,96 17,95 18,01 18,01 17,96

14 HMSP 17,16 17,45 7,56 17,57 17,70 17,49

15 ICBP 17,03 17,09 17,17 17,26 17,33 17,18

16 INCO 17,18 17,26 17,21 17,20 17,28 17,23

17 INDF 18,26 18,33 18,22 18,29 18,37 18,30

18 INTP 17,17 17,13 17,22 17,17 17,09 17,16

19 JSMR 17,27 17,41 17,79 18,18 18,13 17,76

20 KLBF 16,33 16,43 16,53 16,62 16,67 16,52

21 LPKR 17,44 17,53 17,63 17,77 17,77 17,63

22 LPPF 15,04 15,17 15,39 15,50 15,42 15,30

23 MNCN 16,42 16,48 16,47 16,52 16,58 16,50

24 PGAS 18,16 18,37 18,33 18,26 18,42 18,30

25 PTBA 16,51 15,64 16,73 16,90 16,92 16,74

26 PTPP 16,49 17,76 17,25 17,54 17,69 17,15

27 SCMA 15,37 15,33 15,38 15,49 15,63 15,44

28 SMGR 17,35 17,45 17,60 17,70 17,74 17,57

29 SRIL 15,97 16,25 16,35 16,59 16,79 16,39

30 SSMS 15,20 15,75 15,78 15,92 15,92 15,72

31 TLKM 18,76 18,92 19,00 19,10 19,3 18,98

32 UNTR 17,91 17,93 17,97 18,22 18,49 18,10

33 UNVR 16,47 16,57 16,63 16,75 16,78 16,64

34 WIKA 16,58 16,79 17,25 17,63 17,85 17,22

35 WSKT 16,34 17,33 17,93 18,39 18,67 17,71


87

Gambar 4.3

Rata-rata Nilai Firm Size pada Indeks LQ45


Perhitungan Firm Size merupakan penjumlahan dari logaritma

total aktiva yang hasilnya dimasukan dalam SmartPLS. Total Aset

dalam indeks LQ45 Periode 2014-2018 sendiri masuk dalam kategori

perusahaan “Besar”, diketahui dari keberadaan perusahaan-perusahaan

tersebut di indeks LQ45 yang sesuai dengan syarat dan ketentuan dari

indeks LQ45 dalam keanggotaannya, ketentuan ini terkait dengan nilai

kekayaan bersih perusahaan, biaya operasional perusahaan serta total

jumlah transaksi saham di pasar regular (IDX, 2019)

0 5

10 15 20 25

AD

HI

AK

RA

ASI

I

BB

NI

BB

TN

BSD

E

GG

RM

ICB

P

IND

F

JSM

R

LPK

R

MN

CN

PTB

A

SCM

A

SRIL

TLK

M

UN

VR

WSK

T

Firm Size (Ln)

88

d. Momentum

Tabel 4.5

Perhitungan Momentum 3 bulan pada Indeks LQ45 Periode 2014-2018

Kode

Perusahan

2014 2015 2016 2017 2018 Rata-rata

ADHI 0,197061 -0,09195 0,016202 0,026849 -0,04833 0,019965

ADRO 0,080492 -0,04312 0,119344 0,015578 -0,09098 0,016263

AKRA 0,027742 0,034756 -0,02692 0,006521 -0,07544 -0,00667

ANTM 0,015369 -0,09219 0,33968 -0,04561 -0,01815 0,039821

ASII 0,049881 -0,03627 0,016009 0,040319 -0,05551 0,002886

BBCA 0,034879 0,004854 -0,00105 0,05117 -0,00877 0,016216

BBNI 0,034818 0,013394 -0,02001 0,039016 -004848 0,003747

BBRI 0,060134 0,003186 -0,02528 0,033061 -0,04385 0,005449

BBTN 0,096216 0,045573 0,091973 0,065774 -0,04789 0,050329

BMRI 0,041374 -0,00259 0,003406 0,024032 -0,04285 0,004673

BSDE 0,028416 -0,02191 0,023728 -0,00678 -0,02249 0,000191

EXCL 0,027045 -0,05542 -0,01104 0,033307 -0,10596 -0,02241

GGRM 0,10593 -0,0469 0,059099 0,024938 -0,05024 0,018566

HMSP 0,01399 0,032499 -0,00925 -0,00252 -0,10038 -0,01313

ICBP -0,03006 -0,02936 0,019993 0,015579 -0,00033 -0,00484

INCO 0,58553 -0,06551 0,088402 -0,01931 -0,04679 0,023068

INDF 0,00395 -0,03569 0,04936 0,018909 -0,03445 0,000417

INTP -0,00584 -0,0283 -0,00449 0,041704 -0,05202 -0,00979

JSMR 0,46086 -0,04623 -0,01036 0,034519 -0,08373 -0,01194

KLBF 0,032327 -0,01215 0,047671 0,03031 -0,03274 0,013084

LPKR 0,043301 0,020498 -0,00623 0,02535 -0,06748 0,003089

LPPF 0,092098 0,047242 0,058779 -0,00093 -0,02311 0,034817

MNCN 0,068008 -0,07315 0,332836 0,026765 -0,04507 0,061877

PGAS 0,037399 -0,06435 0,02745 -0,0543 -0,08418 -0,0276

PTBA 0,022669 -0,06158 0,255355 0,034932 -0,01272 0,047731

PTPP 0,117144 0,002008 -0,00485 -0,03959 -0,07887 -0,00083

SCMA 0,061229 -0,0576 0,099404 0,020473 -0,015 0,021701

SMGR 0,016515 -0,04867 -0,03795 -0,00597 -0,04651 -0,02452

SRIL -0,13736 0,222412 0,147095 0,119262 -0,03414 0,063453

SSMS 0,128048 0,053441 0,03114 0,028002 -0,04172 0,027325

TLKM -0,00092 -0,02446 0,02948 0,04189 -0,0112 0,006957

UNTR 0,040829 0,063824 -0,05202 0,072764 -0,04011 0,017057

UNVR 0,008166 0,060225 0,044495 0,026018 -0,05149 0,017483

WIKA 0,053974 -0,07123 -0,01682 -0,02661 -0,08611 -0,02936

WSKT 0,1182 0,001774 0,122093 -0,02239 -0,07607 0,028722

Sumber data: Data diolah 2019

89

Gambar 4.4

Rata-rata Momentum 3 bulan pada Indeks LQ45


Berdasarkan uji statistik deskriptif momentum dalam

perhitungan rata-rata tiga (3) bulan mempunyai nilai rata-rata return

yang bernilai positif. Perhitungan return selama tiga bulan diambil

karena pergerakan dari saham sifatnya adalah jangka pendek, sehingga

didalam tiga bulan diprediksi nilai harga pasar saham secara psikologis

tentu di prediksi akan berubah, sehingga dapat dijadikan alat untuk

membantu gejala terjadinya momentum.

Dalam grafik rata-rata momentum 3 bulan, Penganut strategi

momentum akan membeli saham pada saat harga-harga sedang

bergerak naik dengan harapan momentum gerak naik ini terus berlanjut

di masa depan. Mereka akan menjual kembali saham-saham tersebut

bila dirasa momentum pergerakan naik telah melemah.

-0.04

-0.02

0

0.02

0.04

0.06

0.08

Momentum (3 Bulan)

90

Tabel 4.6


Kode

Perusahaan

2014 2015 2016 2017 2018 Rata-rata

ADHI 0,009175 -0,02484 0,010074 -0,00212 -0,02474 -0,00649

ADRO 0,000242 -0,05842 0,06445 0,005842 0,006849 0,003792

AKRA -0,01156 0,01759 0,002931 0,003373 -0,02381 -0,0023

ANTM 0,015791 -0,07513 0,0112 0,000781 0,013443 -0,00678

ASII 0,007164 -0,0042 0,024424 -0,01813 0,000815 0,002014

BBCA 0,009162 -0,00427 0,017599 0,009135 0,0095 0,008225

BBNI 0,009984 -0,04349 0,026512 0,027312 -0.01095 0,001874

BBRI 0,021217 -0,02366 0,018435 0,024081 -0,00674 0,006668

BBTN -0,01061 0,008577 0,021036 0,021159 -0,04212 -0,00039

BMRI 0,007564 -001953 0,0085 0,026569 -0,01135 0,00235

BSDE 0,003625 -0,00501 0,022119 0,080705 -0,0351 -0,00286

EXCL 0,00805 -0,04554 0,011206 0,009914 0,046973 0,006121

GGRM -0,0063 -0,00048 -0,00416 0,024072 0,014554 0,005535

HMSP -0,00031 0,023087 -0,01559 -0,0116 0,01464 0,002044

ICBP 0,007565 -0,01018 0,020396 -0,00803 0,001 0,002149

INCO 0,023845 -0,04865 0,066013 0,022891 0,058306 0,024481

INDF 0,000957 -0,01501 0,027856 0,000245 -0,01514 -0,00022

INTP 0,022318 -0,00702 -0.02175 0,006209 -0,03273 -0,0066

JSMR 0,014683 -0,01074 -0,00381 0,040662 0,013274 0,010815

KLBF 0,019476 -0,0038 0,034117 0,015749 -0,02295 0,008517

LPKR 0,006777 -0,0274 0,021851 -0,01422 -0,02942 -0,00355

LPPF -0,00514 0,000495 0,008159 -0,02214 -0,04038 -0,0118

MNCN -0,00582 -0,01165 -0.01358 -0,00204 -0,04284 -0,01518

PGAS 0,017454 -0,00346 0,049349 -0,01247 -0,02355 0,005464

PTBA 0,028688 -0,06333 0.06522 0,008754 0,057673 0,019402

PTPP 0,037572 0,002125 0,008892 -0,00793 -0,0204 0,004052

SCMA 0,032873 0,003671 0,004315 -0,03197 -0,03442 -0,00511

SMGR 0,019142 -0,03169 -0,00822 0,02067 -0,03578 -0,00718

SRIL -0,02863 0,11598 -0,01405 0,019553 0,67006 0,018572

SSMS 0,008927 0,014498 -0,01535 -0,02776 -0,00876 -0,00569

TLKM 0,0282 0,020207 0,030124 0,012019 -0,0106 0,01599

UNTR 0,009322 -0,00938 0,008852 0,019561 0,007489 0,007168

UNVR 0,008543 -0,01136 0,0096 0,016261 -0,01117 0,002375

WIKA 0,02938 -0,01507 0,024292 -0,02125 0,002809 0,004031

WSKT 0,017011 0,011687 0,026106 0,00013 -0,0032 0,010347


91

Gambar 4.5

Rata-rata Nilai Momentum 6 bulan pada Indeks LQ45



perhitungan rata-rata enam (6) bulan mempunyai nilai rata-rata return

yang bernilai positif. Perhitungan return selama tiga bulan sebelumnya

mempunyai dampat terhadap pembelian saham selanjutnya dilihat dari

return pada rata-rata bulan ke enam yang bernilai positif. Sama halnya

dengan perhitungan rata-rata 3 bulan, dimana dapat diprediksi nilai

harga pasar saham akan berubah, sehingga dapat dijadikan alat untuk

membantu gejala terjadinya momentum.

Dalam grafik rata-rata momentum 6 bulan, Penganut strategi

momentum akan membeli saham pada saat harga-harga sedang




-0.02

-0.015

-0.01

-0.005

0

0.005

0.01

0.015

0.02

0.025

0.03

Momentum (6 bulan)

92

Tabel 4.7


Kode

Perusahaan

2014 2015 2016 2017 2018 Rata-rata

ADHI 0,017289 0,024306 -0,01887 0,002321 0,021791 0,006261

ADRO -0,01368 -0,00999 0,04825 0,029647 -0,01383 0,013559

AKRA 0,006867 0,021791 2,21005 -0,00828 -0,00178 0,005099

ANTM -0,0118 -0,01383 0,003055 0,030635 0,000364 0,002016

ASII 0,001806 -0,00178 0,002841 0,005404 0,002683 0,002068

BBCA 0,012522 0,000364 0,005053 0,016839 0,010027 0,008695

BBNI 0,018201 0,002683 0,00555 0,02158 0,013267 0,012003

BBRI 0,003501 0,010027 0,001763 0,019728 0,001538 0,008755

BBTN -0,00513 0,013267 -0,00127 0,030967 -0,00244 0,009459

BMRI 0,005955 0,001538 0,006972 0,01534 0,019059 0,007452

BSDE 0,021301 -0,00244 -0,00929 0,00189 -0,00966 0,002864

EXCL -0,00958 0,019059 -0,00966 -0,00935 -0,00733 -0,00238

GGRM 0,006096 0,014461 -0,00733 0,005653 0,004996 0,00472

HMSP -0,00301 0,026642 0,004996 0,028711 0,028711 0,014334

ICBP 0,028989 0,013842 -0,00194 0,003797 0,003797 0,011172

INCO -0,01238 -0,02358 -0,00041 0,040431 0,040431 0,001014

INDF 0,006081 0,004899 -0,00366 -0,00567 -0,0104 0,000414

INTP -0,00649 0,000842 -0,0104 0,019778 -0,01675 0,000934

JSMR 0,009692 0,003968 -0,01675 -0,00131 0,009692 -0,0011

KLBF 0,006367 -0,01957 -0,01145 -0,00303 0,006367 -0,00692

LPKR 0,003948 -0,00522 -0,03046 -0,01834 0,003948 -0,01252

LPPF 0,00579 -0,006 -0,02084 -0,00898 -0,01797 -0,00751

MNCN 0,008484 -0,03519 -0,01797 -0,00855 -0,00906 -0,01331

PGAS -0,01179 -0,03552 -0,00906 0,023033 0,015441 -0,00833

PTBA -0,00089 -0,02293 0,015441 0,027852 -0,01834 0,004867

PTPP 0,051449 0,000309 -0,00113 0,005086 -0,00898 0,013929

SCMA -0,00541 -0,00657 -0,01113 0,012013 -0,00855 -0,00277

SMGR -0,01021 0,007852 -0,00299 0,010348 0,023033 0,00125

SRIL -0,00049 -0,03992 -0,01032 0,01058 0,027852 -0,01004

SSMS 0,023796 0,004683 -0,00025 0,00143 0,005086 0,007414

TLKM 0,005665 0,011001 -0,00676 -0,01222 0,012013 -0,00058

UNTR -0,01844 -0,01055 0,31123 0,022379 0,010348 0,006127

UNVR 0,01325 -0,0063 -0,00676 0,009516 0,01058 0,002426

WIKA 0,031355 0,004892 -0,00494 0,005704 0,022379 0,009252

WSKT 0,071957 -0,00115 -0,00629 0,017565 0,009516 0,02052


93

Gambar 4.6

Rata-rata Nilai Momentum 12 bulan pada Indeks LQ45



perhitungan rata-rata dua belas (12) bulan mempunyai nilai rata-rata

return yang bernilai positif. Perhitungan return selama tiga bulan dan

enam bulan sebelumnya memberikan dampak lebih positif untuk

dijadikan informasi kepada para investor, sehingga didalam tiga bulan

selanjutnya diprediksi nilai harga pasar saham tentu akan berubah,

sehingga dapat dijadikan alat untuk membantu gejala terjadinya

momentum. Dalam grafik rata-rata momentum 3 bulan, Penganut

strategi momentum akan membeli saham pada saat harga-harga sedang




-0.02

-0.015

-0.01

-0.005

0

0.005

0.01

0.015

0.02

0.025

Momentum (12 bulan)

94

Berdasarkan tabel dan grafik perhitungan rata-rata return 3, 6,

dan 12 bulan dapat disimpulkan return mengalami peningkatan yang

kurang signifikan. Namun, mengalami tingkatan return positif lebih

tinggi pada rata-rata return 12 bulan.

2. Skema Model Partial Least Square (PLS)

Pada penelitian ini, pengujian hipotesis menggunakan teknik

analisis Partial Least Square (PLS) dengan program smartPLS 3.0.

Berikut ini adalah sekema model program PLS yang diujikan:

Gambar 4.7

Outer Model

Sumber: Data diolah SmartPLS 2019

Risk

Return

BM

ROE

Size(Ln)

TVA

J12

EPS

J3

J6

Analisis Fundamental

Keputusan

Investor

Momentum

Risk Market

Variabel Kontrol

0,756 0,765

2,391

2,163

4,611

3,302

1,000

1,000

0,811

2,015

8,966

0,842

0,503

0,715

95

Gambar 4.8

Inner Model


C. Pembahasan

1. Evaluasi Outer Model

a. Convergent Validity

Untuk menguji convergent validity digunakan nilai outer loading

atau loading factor. Suatu indikator dinyatakan memenuhi convergent

validity dalam kategori baik apabila nilai outer loading > 0,7. Berikut

adalah nilai outer loading dari masing-masing indikator pada variabel

penelitian:

Risk

Return

BM

ROE

Size(Ln)

TVA

J12

EPS

J3

J6

Analisis Fundament

al

Keputusan

Investor

Momentum

Risk Market

Variabel Kontrol

0,479 0,941

2,707

2,028

4,335

3,029

1,000

0,816

0,670

0,358

0,963

0,642

0.702

0,913

0,657

96

Tabel 4.8

Outer Loading

Variabel Indikator Outer Loading

Keputusan Investor

KI1 0,756

KI2 0,765

Fundamental FS1 1,000

FS2 0,811

Momentum

M1 0,842

M2 0,715

M3 0,503

Risk Market R1 1,000


Berdasarkan sajian data dalam tabel di atas, diketahui bahwa

masing-masing indikator variabel penelitian banyak yang memiliki

nilai outer loading > 0,7. Namun, terlihat masih terdapat beberapa

indikator yang memiliki nilai outer loading < 0,7. Menurut Ghozali

(2014:42), nilai outer loading antara 0,4 – 0,6 sudah dianggap cukup

untuk memenuhi syarat convergent validity. Data di atas

menunjukkan tidak ada indikator variabel yang nilai outer loading-

nya di bawah 0,5, sehingga semua indikator dinyatakan layak atau

valid untuk digunakan penelitian dan dapat digunakan untuk analisis

lebih lanjut.

b. Discriminant Validity

Pada bagian ini akan diuraikan hasil uji discriminant validity. Uji

discriminant validity menggunakan nilai cross loading. Suatu

indikator dinyatakan memenuhi discriminant validity apabila nilai

cross loading indikator pada variabelnya adalah yang terbesar

97

dibandingkan pada variabel lainnya. Berikut ini adalah nilai cross

loading masing-masing indikator:

Tabel 4.9

Cross Loading

Indikator Variabel

Keputusan

Investor

Fundamental Momentum Risk Market

KI1 0,756 0,071 0,550 0,071

KI2 0,765 0,533 0,139 -0,090

FS1 0,400 1,000 -0,127 -0,123

FS2 -0,161 0,811 -0,057 -0,202

M1 0,415 -0,105 0,842 -0,039

M2 0,243 0,055 0,715 0,060

M3 0,247 0,113 0,503 -0,160

R1 -0,013 -0,124 -0,063 1,000


Berdasarkan sajian data pada tabel di atas dapat diketahui bahwa

masing-masing indikator pada variabel penelitian memiliki nilai cross

loading terbesar pada variabel yang dibentuknya dibandingkan

dengan nilai cross loading pada variabel lainnya. Berdasarkan hasil

yang diperoleh tersebut, dapat dinyatakan bahwa indikator-indikator

yang digunakan dalam penelitian ini telah memiliki discriminant

validity yang baik dalam menyusun variabelnya masing-masing.

Selain mengamati nilai cross loading, discriminant validity juga

dapat diketahui melalui metode lainnya yaitu dengan melihat nilai

average variant extracted (AVE) untuk masing-masing indikator

disyaratkan nilainya harus > 0,5 (Ghozali : 2014,40).

98

Tabel 4.10

Average Variant Extracted (AVE)

Variabel AVE

Keputusan Investor 0,570

Fundamental 0,514

Momentum 0,567

Risk Market 1,00

Control 0,531


c. Composite Reability

Composite Reliability merupakan bagian yang digunakan untuk

menguji nilai reliabilitas indikator-indikator pada suatu variabel.

Suatu variabel dapat dinyatakan memenuhi composite reliability

apabila memiliki nilai composite reliability > 0,6 (Ghozali, 2014:43).

Berikut ini adalah nilai composite reliability dari masing-masing

variabel yang digunakan dalam penelitian ini:

Tabel 4.11

Composite Reliability

Variabel Composite Reability


Fundamental 1,000

Momentum 0,735

Risk Market 0,733

Control 0,860


Berdasarkan sajian data pada tabel di atas, dapat diketahui

bahwa nilai composite reliability semua variabel penelitian > 0,6.

Hasil ini menunjukkan bahwa masing-masing variabel telah

99

memenuhi composite realibility sehingga dapat disimpulkan bahwa

keseluruhan variabel memiliki tingkat realibilitas yang tinggi.

2. Evaluasi Inner Model

Pada penelitian ini akan dijelaskan mengenai hasil uji path coefficient,

uji goodness of fit dan uji hipotesis.

a. Uji Path Coefficient

Evaluasi path coefficient digunakan untuk menunjukkan seberapa

kuat efek atau pengaruh variabel independen kepada variabel

dependen. Estimate for Path Coefficients, merupakan nilai koefisen

jalur atau besarnya hubungan/pengaruh konstruk laten. Dilakukan

dengan prosedur Bootrapping. Nilai T-statistics jika > 1,96 pada taraf

kesalahan 5%. Berikut ini adalah nilai P-Values masing-masing

indikator:

Tabel 4.12

P-Values

Variabel P-Values

Fundamental => Keputusan Investor 0,043

Momentum => Keputusan Investor 0,002

Risk Market => Keputusan Investor 0,007

Control => Keputusan Investor 0,001


b. Uji Goodness of Fit

Berdasarkan pengolahan data yang dilakukan dengan

menggunakan program smartPLS 3.0, diperoleh nilai R-Square

sebagai berikut:

100

Tabel 4.13

R-Square

Variabel R-Square


Fundamental 0,514

Momentum 0,567

Risk Market 1,00

Control 0,531


Berdasarkan sajian data pada tabel di atas, dapat diketahui bahwa

nilai R-Square untuk variabel Keputusan Investor adalah 0,57%.

Perolehan nilai tersebut menjelaskan bahwa presentase besarnya

Keputusan Investor dapat dijelaskan oleh Book to Market, Size,

Momentum, Risk Market, EPS dan ROE sebesar 57%.

Coefficient determination (R-Square) digunakan untuk mengukur

seberapa banyak variabel endogen dipengaruhi oleh variabel lainnya.

Hasil R-Square sebesar 0,67 ke atas untuk variabel laten endogen

dalam model struktural mengindikasikan pengaruh variabel eksogen

terhadap variabel endogen termasuk dalam kategori baik.

Sedangkan jika hasilnya sebesar 0,33-0,67 maka termasuk dalam

kategori sedang, dan jika hasilnya sebesar 0,19-0,33 maka termasuk

dalam kategori lemah (Ghozali:2014,42).

3. Uji Multicolliniearity

Uji multicolliniearity dilakukan untuk mengetahui hubungan antar

indikator. Untuk mengetahui apakah indikator formatif mengalami

multicolliniearity dengan mengetahui nilai VIF. Nilai VIF antara 5- 10

101

dapat dikatakan bahwa indikator tersebut terjadi multicolliniearity.

Berikut ini adalah nilai Variance Inflation Factors masing-masing

indikator:

Tabel 4.14

Variance Inflation Factors (VIF)

Variabel VIF

Keputusan Investor

Return 1,024

Trading Volume Activity (TVA) 1,024

Fundamental

Book-to-Market (B/M) 1,003

Size(Ln) 1,003

Momentum

Momentum (J3) 1,210

Momentum (J6) 1,225

Momentum

Momentum (J12) 1,014

Risk Market

Beta ( ) 1,000

Control

Return On Equity (ROE) 1,009

Earning Per Share (EPS) 1,009


4. Analisis Hipotesis

a. Uji Hipotesis

Berdasarkan olah data yang telah dilakukan, hasilnya dapat

digunakan untuk menjawab hipotesis pada penelitian ini. Uji hipotesis

pada penelitian ini dilakukan dengan melihat nilai T-Statistics dan

nilai P-Values. Hipotesis penelitian dapat dinyatakan diterima apabila

nilai P-Values < 0,05 (Sofyan: 2011,54). Berikut ini adalah hasil uji

hipotesis yang diperoleh dalam penelitian ini melalui inner model:

102

Tabel 4.15

T-statistics dan P-Values

Hipotesis Pengaruh T-statistics P-Values Hasil

H1

Risk Market

berpengaruh terhadap

Keputusan Investor

2,707

0,007 Diterima

H2

Analisis Fundamental


Keputusan Investor

2,028

0,043 Diterima

H3

Momentum


Keputusan Investor

4,335

0,0002 Diterima


b. Hasil Hipotesis

Berdasarkan hasil pengolahan data yang telah dilakukan untuk

menjawab hipotesis yang diajukan, telah diketahui bahwa kelima

hipotesis semuanya diterima. Hal ini menunjukkan bahwa terdapat

pengaruh yang signifikan anatara variabel independen dengan

dependen. Berikut ini adalah analisis terkait pengaruh antar variabel

sesuai hipotesis yang diajukan:

1) Pembahasan H1 :

Terdapat Pengaruh Risiko pasar dalam pengambilan

Keputusan Investor pada perusahaan yang terdaftar di Bursa Efek

Indonesia (BEI) dalam indeks LQ45 Periode 2014-2018

menggunakan Partial Least Square.Dari hasil uji hipotesis,

dinyatakan dalam uji outer model dan inner model bahwa Risk

Market mempunyai hasil uji yang sesuai dengan hipotesis yaitu

memberikan hasil yang signifikan dan positif, sehingga dengan

103

hasil P-Values Risk market sebesar 0,007 yang dimana P-Values

< 0,05 hal ini menyatakan bahwa risk market berpengaruh

terhadap keputusan investor dan hipotesis diterima.

Hasil penelitian ini memberikan hasil yang berbeda dengan

penelitian Fama-French dalam Three Factors Model yang

menghasilkan bahwa Risk Market berpengaruh negatif terhadap

Return. Namun penelitian ini sesuai dengan penelitian Dini

Prasetyani (2014) menunjukan bahwa Risk Market berpengaruh

positif terhadap keputusan investor dan sesuai dengan penelitian

Ali Sadikin (2011) yang menunjukan bahwa Risk Market

berpengaruh positif dan signifikan terhadap Return.

Hal ini sesuai dengan teori dasar keputusan investasi

menurut Tandelilin (2010:9) bahwa hubungan tingkat return dan

tingkat risiko mempunyai hubungan yang searah dan linear serta

risiko bisa diartikan sebagai kemungkinan return aktual yang

berbeda dengan return yang diharapkan, Sikap investor terhadap

risiko akan sangat tergantung kepada preferensi investor tersebut

terhadap risiko. Investor yang lebih berani akan memilih risiko

investasi yang lebih tinggi, yang diikuti oleh harapan tingkat

return yang tinggi pula. Demikian pula sebaliknya, investor yang

tidak mau menanggung risiko yang terlalu tinggi, tentunya tidak

akan bisa mengharapkan tingkat return yang terlalu tinggi.

104

Maka dapat disimpulkan bahwa, terdapat pengaruh Risiko

Market pada pengambilan Keputusan Investor pada perusahaan

yang terdaftar di Bursa Efek Indonesia (BEI) dalam indeks LQ45

Periode 2014-2018 menggunakan Partial Least Square.

2) Pembahasan H2 :

Terdapat pengaruh Fundamental Analysis dalam

pengambilan Keputusan Investor pada perusahaan yang terdaftar

di Bursa Efek Indonesia (BEI) dalam indeks LQ45 Periode 2014-

2018 dengan menggunakan Partial Least Square.

Berdasarkan hasil penelitian Firm Size dan Book to Market

secara bersama-sama berpengaruh positif dan signifikan sesuai

dengan uji inner model dan outer model dalam PLS. Hasil P-

Values yang didapatkan berdasarkan uji adalah sebesar 0,043

yang mengartikan P-Values < 0,05 sehingga menyatakan bahwa

Size berpengaruh positif dan signikan terhadap keputusan

investor serta Book to Market berpengaruh positif dan signifikan

terhadap keputusan investor. Hal ini sesuai dengan teori Fama-

French Three Factor Model yang menyatakan bahwa Size

berpengaruh secara positif dan signifikan terhadap keputusan

investor yaitu Return dan Trading Volume Activity.

Dalam penelitian Juanita dan Ni Putu (2016) dalam

penelitian “Pengaruh Faktor Fundamental terhadap Return

Saham indeks Kompas 100” yang menyatakan bahwa ukuran

105

perusahaan atau Firm Size berpengaruh positif dan signifikan

terhadap keputusan investor. Selain itu, hasil penelitian Bhagas

(2014) dan Derry (2012) menunjukkan bahwa firm size

berpengaruh secara positif signifikan terhadap return saham.

Ukuran perusahaan positif terhadap return saham artinya

semakin besar aktiva perusahaan, semakin baik penilaian investor

dan meningkatkan minat investor melakukan pembelian saham

tersebut. Peningkatan permintaan saham menyebabkan harga

saham naik sehingga return yang diterima investor meningkat.

Ukuran perusahaan yang signifikan terhadap return saham

artinya investor menggunakan variabel ukuran perusahaan

sebagai salah satu acuan pengambilan keputusan berinvestasi.

Namun dalam teori Fama-French Three Factor Model tidak

sesuai dengan hasil penelitian yang menyatakan bahwa Book to

Market berpengaruh positif dan signifikan. Akan tetapi, hasil

penelitian ini sejalan dengan hasil penelitian Fitriati (2010) yang

menyatakan bahwa Book to Market berpengaruh positif dan

signifikan terhadap return saham. Book to market ratio

merupakan rasio yang sering digunakan dalam menganalisis

besarnya keuntungan dari saham.

Beberapa alasan investor menggunakan book to market ratio

di dalam menganalisis investasi, dikarenakan Book value

memberikan pengukuran yang relatif stabil untuk dibandingkan

106

dengan market price. Untuk investor yang tidak mempercayai

estimasi discounted cash flow, book value dapat menjadi

benchmark dalam memperbandingkan dengan market price.

Serta karena standar akuntansi yang hampir sama pada setiap

perusahaan, book to market ratio bisa dikomparasikan dengan

perusahaan lain yang berada pada satu sektor, untuk mengetahui

apakah perusahaan tersebut masih undervalue atau sudah

overvalue.

Hal ini juga dikarenakan Perusahaan dengan earnings

negatif, sehingga tidak bisa dinilai dengan menggunakan

earning-price ratio, dapat dievaluasi dengan menggunakan book

to market ratio. Perusahaan yang mempunyai book value negatif,

lebih sedikit daripada perusahaan yang mempunyai earnings

negatif. Maka dapat disimpulkan bahwa, terdapat pengaruh

Fundamental Analysis dalam mengambil Keputusan Investor

pada perusahaan yang terdaftar di Bursa Efek Indonesia (BEI)

dalam indeks LQ45 Periode 2014-2018 dengan menggunakan

Partial Least Square.

3) Pembahasan H3 :

Terdapat pengaruh Momentum dalam pengambilan

Keputusan Investor pada perusahaan yang terdaftar di Bursa Efek

Indonesia (BEI) dalam indeks LQ45 Periode 2014-2018 dengan

menggunakan Partial Least Square. Hasil penelitian menyatakan

107

bahwa Momentum pada periode 3 bulan, periode 6 bulan dan

periode 12 bulan berpengaruh positif dan signifikan terhadap

keputusan investor hal ini dapat ditunjukan dari hasil P-Values

sebesar 0,002 yang nilainya lebih kecil dari 0,005 sehingga

menyatakan hipotesis diterima.

Sejalan dengan teori Fama-French Three Factor Model yang

menyatakan bahwa Momentum berpengaruh positif dan

signifikan terhadap keputusan investor. Selain itu terdapat

penelitian Winda dan Erman (2016) yang juga menyatakan

Variabel momentum berdasarkan nilai signifikansinya

menunjukkan bahwa variabel momentum berpengaruh positif

dan signifikan terhadap return saham. Hal ini menjelaskan bahwa

Para investor dapat menggunakan strategi momentum untuk

berinvestasi. Investor dapat membeli saham pada saat momentum

yang tepat, yaitu pada saat harga saham mengalami tren naik.

Maka dapat disimpulkan terdapat pengaruh Momentum

dalam pengambilan Keputusan Investor pada perusahaan yang

terdaftar di Bursa Efek Indonesia (BEI) dalam indeks LQ45

Periode 2014-2018 dengan menggunakan Partial Least Square.

108

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Dari penelitian yang telah dilakukan dapat disimpulkan bahwa pengaruh

Risiko Pasar, Analisis Fundamental dan Momentum terhadap Keputusan

Investor pada perusahaan yang terdaftar di indeks LQ45 dalam Bursa Efek

Indonesia pada tahun 2014 – 2018 adalah sebagai berikut :

1. Hasil Outer Model dengan metode partial least square ditemukan bahwa

variabel Risiko Pasar, Analisis Fundamental, Momentum dan Keputusan

Investor berpengaruh signifikan terhadap setiap indikator variabel

latennya. Hasil Outer Model dengan metode partial least square

ditemukan bahwa:

a. Nilai Cross Loading dan nilai Average Variant Extracted memenuhi

uji Disriminant Validity yang menyatakan bahwa indikator pada

variabel Risiko Pasar, Analisis Fundamental, Momentum dan

Keputusan Investor masing-masing mempunyai nilai yang terbesar

dibandingkan pada variabel lainnya.

b. Nilai Outer Loading Variabel pada variabel Risiko Pasar, Analisis

Fundamental, Momentum dan Keputusan Investor masing-masing

mempunyai korelasi antar variabel.

c. Nilai Composite Realibility pada variabel Risiko Pasar, Analisis

Fundamental, Momentum dan Keputusan Investor masing-masing

108

109

telah memenuhi composite realibility sehingga dapat disimpulkan

bahwa keseluruhan variabel memiliki tingkat realibilitas yang tinggi.

2. Hasil Inner Model dengan metode partial least square ditemukan bahwa

variabel Risiko Pasar, Analisis Fundamental, Momentum dan Keputusan

Investor berpengaruh signifikan dalam memprediksi hubungan

kausalitas antar variabel laten.

a. Uji Path Coefficient menunjukan bahwa Risiko Pasar, Analisis

Fundamental dan Momentum mempunyai hubungan yang kuat

terhadap Keputusan Investor.

b. Uji Goodness of fit menyatakan Keputusan Investor dapat dijelaskan

oleh Book to Market, Size, Momentum, Risk Market, EPS dan ROE

dengan cukup baik.Hasil Uji Multicolliniearity.

3. Hasil Uji Multicolliniearity dengan metode partial least square

menemukan bahwa variabel Risiko Pasar, Analisis Fundamental,

Momentum dan Keputusan Investor mempunyai hubungan yang baik

antar indikator variabel.

B. Implikasi

Berdasarkan hasil penelitian terdapat beberapa implikasi penelitian ini

diharapkan dapat bermanfaat bagi berbagai pihak yaitu:

1. Investor

Hasil penelitian ini diharapkan dapat digunakan sebagai informasi

dan gambaran umum, untuk bahan pertimbangan bagi investor dalam

pengambilan keputusan investasi saham di pasar modal.

110

2. Emiten

Hasil penelitian ini diharapkan dapat digunakan sebagai salah satu

dasar pertimbangan dalam pengambilan keputusan dalam bidang

keuangan sehingga perusahaan dapat terus memaksimumkan nilai

perusahaan.

3. Akademisi

Hasil penelitian ini diharapkan dapat menjadi informasi dalam

mendukung penelitian selanjutnya tentang perilaku investor dan faktor

yang mempengaruhi perilaku investor di pasar modal serta dapat

menguji studi kasus dalamteori perkuliahan.

C. Saran

Adapun beberapa saran yang dapat penulis sampaikan pada penelitian

selanjutnya mengingat masih terbatasnya penelitian ini sehingga penelitian

selanjutnya dapat menyempurnakan, sebagai berikut :

1. Dalam penelitian ini penulis menggunakan variabel independen yaitu

Risiko Pasar, Analisis Fundamental dan Momentum. Dengan variabel

dependen yaitu Keputusan Investor dengan objek penelitian pada

perusahaan yang terdaftar di indeks LQ45 dalam Bursa Efek Indonesia

pada tahun 2014 –2018. Diharapkan pada penelitian selanjutnya bisa

memasukkan variabel-variabel lain dalam model penelitiannya sehingga

dapat memberikan gambaran yang lebih luas dan juga variatif.

2. Dalam penelitian ini menggunakan objek penelitian yang dilakukan oleh

penulis adalah saham perusahaan yang terdaftar di Bursa Efek Indonesia

111

pada periode penelitian 2014-2018. Diharapkan pada penelitian

selanjutnya menggunakan objek lain untuk penelitian karena dapat

memberikan implikasi lain sehingga bermanfaat bagi pihak-pihak yang

berkepentingan.

3. Dalam penelitian ini penulis menggunakan metode analisis Partial Least

Square memakai bantuan aplikasi perangkat lunak Smart-Pls sebagai

alat bantu statistik pada penelitian. Diharapkan pada penelitian

selanjutnya menggunakan metode analisis yang berbeda dengan alat

bantu yang berbeda karena akan memberikan hasil lain yang bisa

memberikan gambaran yang lebih luas.

112

DAFTAR PUSTAKA

Ary, Yunanto, Indratmo Yudono dan Yulis Maulida Berniz. “Pengaruh Nilai

Perusahaan, Risiko Bisnis dan Tingkat Pertumbuhan Terhadap Imbal

Hasil Saham (Studi pada Perusahaan yang Terdaftar di Jakarta Islamic

Index Periode 2008-2011).” Vol.2. No.1. Jurnal Bisnis dan Manajemen:

Universitas Jenderal Soedirman. 2014.

Anderson ,EvanW dan Eric Ghysels Jennifer L.Juergens. “The impact of risk and

uncertainty on expected returns.” Journal of Financial Economic:Science

Direct. 2009.

Aisah, Ayu Nurhayani, Mandala Kastawan. “Pengaruh Return on Equity,

Earning Per Share, Firm Size dan Operating Cash Flow Terhadap Return

Saham.” Vol.5 No. 11. Bali:Universitas Udayana. 2016.

Alexander, Gordan J, William F. Sharpe dan Jeffery V. Bailey. “Fundamentals of

Investment”. 3 Edition. New Jersey: Prentice-Hall Inc. 2000.

Brigham, Eugene F dan Joel F Houston.”Dasar-dasar Manajemen Keuangan”.

Edisi II. Buku 2. Jakarta: Salemba Empat. 2003.

Brigham, Eugene F dan Joel F Houston.”Dasar-dasar Manajemen Keuangan”.

Edisi 10. Jakarta: Salemba Empat. 2006..

Boubaker, Sabi, Taher Hamza dan Javier Vidal-García. “Financial Distress and

Equity Returns: A Leverage-Augmented Three-Factor Model.”

International Business and Finance: Science Direct. 2016.

Ball, Ray. Joseph Gerakos, Juhani T. Linnainmaa, Valeri Nikolaev. “Earnings,

retained earnings, and book-to-market in the cross section of expected

returns.” Journal of Financial Economics. 2019.

Byungoh , Kima dan Suh Sangwon. “Sentiment-based momentum strategy.”

Journal Economic international:Science Direct. 2018.

Bodie, Zvi, Alex Kane dan Alan J. Marcus. “Investment.” Jakarta: Salemba

Empat. 2006.

Brealy, Myers dan Marcus. “Dasar-dasar Manajemen Keuangan”. Edisi 5. Jilid 1.

Jakarta: Erlangga. 2008.

Chasanah Fatihah Nida ‘Ul, dan Pangestu Irene Rini Demi. “Analisis Pengaruh

Perilaku Herding Investor Asing,Volatilitas Indeks Harga Saham

Gabungan, Tingkat Inflasi, dan Kapitalisasi Pasar terhadap Return

Pasar.” Vol. 4, Nomor 2. Semarang:Universitas Diponogoro. 2015.

113

Caglayan , Mustafa Onur , Umut Celiker , Gokhan Sonaer , “Hedge Fund vs.Non-

Hedge Fund Institutional Demand and the Book-to-Market Effect.”

Journal of Banking and Finance. 2018.

Dita, Agestia dan Khairunnisa. “The Influence of Firm Size, Price Earning Ratio

and Book to Market Ratio to Stock Return.” Bandung: Universitas

Telkom. 2015.

DeBondt, W.F.M. dan R.H. Thaler. “Does the Stock Market Overreact.” Vol. 40

(3), July, pp. 793-808. Journal of Finance, 1985.

De la O Gonz´alez M, Jare˜no F. “Testing Extensions of Fama and French

Models: A Quantile Regression Approach.” Quarterly Review of

Economic and Finance. 2018.

Damar, Hardianto dan Suherman. “Pengujian Fama-French Three-Factor Model

Di Indonesia.” Vol. 13, No.2. Jurnal Keuangan dan Perbankan:Univesitas

Negeri Jakarta. 2009.

Docherty , Paul, Gareth Hurst.“Return Dispersion and Conditional Momentum

Returns: International Evidence.” Pacific Basin Finance Journal:Science

Direct. 2016.

Donnelly Ray. “The Book to Market Ratio, Optimism and Valuation.” Journal

Finance:Science Direct. 2014.

Fama, E.F., and French, K.R. “The Cross Section of Expected Stock Returns.”

Journal of Finance, 47, 247-265. 1995.

Muklis, Faiza. “Perkembangan dan Tantangan Pasar Modal Indonesia.” Riau:

Universitas Islam Negeri Sultan Syarif Kasim Riau. 2016.

Fityani, Izza, dan Erman DennyArfinto. “Analisis Investor Herding Behaviour

dengan Multinominal Logit Regression pada BEI (Studi Kasus pada

Saham LQ-45 Periode 2009-2014).” Vol.4. No. 3. Semarang:Universitas

Diponogoro. 2015.

Ghozali, Imam. “Aplikasi Analisis Multivariate dengan Program SPSS.” Badan

Penerbit Universitas Diponegoro: Semarang. 2006.

Ghozali, Imam. “Structural Equation Modeling – Metode Alternatif dengan

Partial Least Squares (PLS).” Semarang: Universitas Diponegoro. 2014.

Horne, James C. Van dan John M Wachowicz, Jr. “Prinsip-prinsip Manajemen

Keuangan”. Edisi 12. Jakarta: Salemba Empat.2005.

114

Horne, James C. Van dan John M Wachowicz, Jr. “Prinsip-prinsip Manajemen

Keuangan”. Edisi 13. Jakarta: Salemba Empat.2012.

Herry. “Analisis Laporan Keuangan”. Edisi 1. Yogyakarta: Center For Academic

Publishing Services.2015.

Husnan, Suad. “Dasar-dasar Teori Portofolio dan Analisis Sekuritas”. Edisi

Keempat. Yogyakarta: UPP AMD YKPN. 2005.

Hanafi, Mamduh M. “Manajemen Keuangan”. Edisi Kedua.Cetakan

Pertama.Yogyakarta: BPFE. 2016.

Harahap, Sofyan Safitri. “Analisis Kritis Laporan Keuangan”. Edisi 1-10. Jakarta:

Rajawali Pers. 2015.

Harahap, Sofyan Safri. “Analisis Kritis Atas Laporan Keuangan”. Jakarta: PT.

Raja Grafindo Persada. 2016.

Hartono, Jogiyanto. “Teori Portofolio dan Analisis Investasi.” Edisi ke 10.

Yogyakarta:BPFE. 2014.

Hadi, Nor. “Pasar Modal.” Yogyakarta: Graha Ilmu. 2013.

Huafeng, Chen. “Firm Life Expectancy and The Heterogeneity of The Book to

Market Effect.” Journal of Financial Economic:Science Direct. 2011.

Halim, Abdul. “Manajemen Keuangan Bisnis: Konsep dan Aplikasi”. Jakarta:

Mitra Wacana Media. 2015.

Husnan, Suad dan Enny Pudjiastuti. “Dasar-Dasar teori Portofolio Dan Analisis

Sekuritas.” Yogyakarta: UPP AMPYKPN. 2004.

Iramani, Dewi Ayu Wulandari Rr. “Studi Experienced Regret Risk Tolarence,

Overconfidence dan Risk Perception pada Pengambilan Keputusan

Investasi.” Volume 4, No. 1. Journal of Banking and Business :STIE

Perbanas Surabaya. 2014.

Israel Ronen, Moskowitz Tobias J. “The Role of Shorting, Firm Size, and Time on

Market Anomalies.” Journal Financial Economics:Science Direct. 2012.

Iswadi, Marzuki, Yunina dan Muhammad Haykal. “Model Pengenalan Pasar

Modal Di Indonesia.” Vol. 7. No. 2. Jurnal Visioner dan Strategis:

Universitas Malikussaleh. 2018.

Jiang, Hao. “Institutional Investors, Intangible Information, and The Book-to-

Market Effect.” Journal of Financial Economic:Science Direct. 2010.

Jones, Charles P. “Investment: Principles and Concept”. 12 Edition. Siangapore:

John Wiley and Sons Singapore Pte, Ltd. 2014.

115

Kubota, Keiichi, dan Hitoshi Takehara. “Does the Fama and French Five-Factor

Model Work Well in Japan?.” Journal Management and Finance: Science

Direct. 2017.

Keown, Arthur J., John D. Martin, J. William Petty, David F. Scott, JR.

“Manajemen Keuangan: Prinsip & Penerapan.”. Jakarta:PT. Indeks. 2011.

Kasmir. ”Pengantar Manajemen Keuangan”. Jakarta: Kencana Prenada Media

Group. 2010.

Kasmir. “Analisis Laporan Keuangan”. Edisi 1-8. Jakarta: Rajawali Pers. 2012.

Munawir, S. “Analisis Laporan Keuangan”. Edisi Keempat. Cetakan Kelima

belas. Yogyakarta:Liberty. 2010.

Manurung, A. Haymans. “Berinvestasi Dan Perlindungan Investor Di Pasar

Modal.” Perbanas Quarterly Review, Vol. 2 No. 1. 2009.

Mishra, Dev R, Thomas J. O’Brien. “Fama-French, CAPM, and Implied Cost of

Equity.” Journal of Economic and Business: University of Connecticut.

2018.

McLean, R.D., Zhao M. “Cash savings and capital markets.” Journal of

Empirical Finance:Science Direct. 2018.

Nada, Silvia Qotrun. Afifudin, dan M. Cholid Mawardi. “Peran Order Investor

dalam Menjelaskan Terbentuknya Pola Volume Perdagangan Di Bursa

Efek Indonesia (Studi Empiris Pada Perusahaan LQ-45 Yang Terdaftar

Di Bursa Efek Indonesia).” Vol. 07 No. 02. Malang :Universitas Islam

Malang. 2018.

Novak, Jiri dan Dalibor PETR. “CAPM Beta, Size, Book To Market, And

Momentum In Realized Stock Returns.” Czech Journal of Economics and

Finance 60, No. 5. 2010.

Puspitaningtyas, Zarah dan Kurniawan Agung Widhi. ”Prediksi Tingkat

Pengambilan Investasi Berupa Dividend Yield Berdasarkan Analisis

Financial Ratio.” Makasar: Universitas Makassar. 2012.

Pasaribu, Rowland Bismark Fernando. “Pemilihan Model Asset Pricing.” Jurnal

Akuntansi dan Manajemen, Vol.21, No.3. 2010.

Penmann, Stephen H. “Financial Statement Analysis and Security Valuation.”

New York: McGraw Hill. 2004.

Ramadhan, Alfi Syahrin, dan Ari Darmawan. “Pengaruh Risiko Inflasi, Risiko

Suku Bunga, Risiko Valuta Asing Risiko Pasar Terhadap Return Saham.”

Malang: Universitas Brawijaya. 2018.

116

Reily, Frank dan Brown, Keith C. “Investment Analysis and Portfolio

management”. 7 Edition. USA: Thomas South Inc.2003.

Riyanto, Bambang. “Dasar-dasar Manajemen Keuangan”.Edisi Keenam.Cetakan

Pertama.Yogyakarta: UPP STIM YPKN. 2012.

Sutrisno. “Manajemen Keuangan: Teori, Konsep dan Aplikasi”. Yogyakarta:

EKONISIA. 2012.

Saputro, R. Narendra, dan Badjra Ida Bagus. “Kinerja Portofolio Saham

Berdasarkan Strategi Investasi Momentum pada Industri Manufaktur.”

Vol.5. No.1. Bali:Universitas Udayana. 2016.

Sakowski, K. Kosc, P. and Slepaczuk R. “Momentum and contrarian effects on

the cryptocurrency market” Journal of Economics and Finance:Physica

A. 2019.

Sandra , Ahmad Zeky. “Analisis Pengaruh Stock Split Terhadap Harga Saham

dan Volume Perdagangan Saham (Studi Pada Perusahaan Yang Terdaftar

Di BEI 2014-2017).” Vol. 07 No. 12 Malang: Universitas Islam Malang.

2018.

Sugiyono. “Metode Penelitian Administrasi Dilengkapi dengan Metode R&D.”

Bandung: Alfabeta. 2011.

Situmorang, Paulus. “Pengantar Pasar Modal.” Edisi Pertama, Jakarta: Mitra

Wacana Media. 2008.

Samsul, Muhamad. “Pasar Modal dan Manajemen Investasi Portofolio.”

Jakarta:Erlangga. 2006.

Syamsuddin, Lukman. “Manajemen Keuangan Perusahaan.” Jakarta: PT. Raja

Grafindo Persada. 2001.

Sudirman. “Pasar Modal dan Manajemen Portofolio.” Gorontalo:Sultan Amai

Press. 2015.

Sunardi. “Manajemen Keuangan.” Pamulang:Universitas Pamulang. 2017.

Soetiono Kusumaningtuti S. “Pasar Modal Di Indonesia.” Jakarta: Otoritas Jasa

Keuangan. 2016.

Tandelilin, Eduardus. “Analisis Investasi dan Manajemen Portofolio”.

Yogyakarta: BPFE. 2010.

Tandelilin, Eduardus. “Analisis Investasi dan Manajemen Portofolio.” Edisi

Pertama. Yogyakarta: BPFE. 2001.

117

Tandelilin, Eduardus. “Analisis Investasi dan Manajemen Portofolio.”

Yogyakarta: BPFE Yogyakarta. 2007.

Tandellin Eduardus. “Analisis Investasi dan Manajemen Portofolio.” Yogyakarta:

BPFE Yogyakarta. 2010.

Tzu-Lun, Huang. “Is the Fama and French five-factor model robust in the

Chinese stock market?.” Asia Pacific Management:Science Direct. 2018.

Wilma de Groot dan Joop Huij. “Are The Fama-French Factors Really

Compensations for Distress Risk?.” Journal of International Money and

Finance:Science Direct. 2018.

Wijaya, Sheila Citra, Werner R. Murhadi dan Mudji Utami. “Analisis Fama

French Five Factor Model dan Three Factor Model dalam Menjelaskan

Return Portofolio Saham.” Surabaya: Universitas Surabaya. 2016.

Wiksuana, I Gst. Bgs. “Kinerja Portofolio Saham Berdasarkan Strategi Investasi

Momentum di Pasar Modal Indonesia.” Bali: Universitas Udayana. 2009.

Xuebing ,Yang dan Huilan Zhang. “Extreme absolute strength of stocks and

performance of momentum strategies.” Journal of Financial Markets. 2019.

Yaqiong, Yao. “Momentum, contrarian, and the January seasonality.” Journal of

Banking and Economic:Science Direct. 2012.

Yudong, Wang, Li Liu, Feng Ma dan Xundi Diao. “Momentum of return

predictability.” Journal of Empirical Finance. 2018.

Baskoro , Yogo Laksono, R. Djoko Sampurno. “Analisis Pengaruh Beta, Size,

Book to Market, dan Profitability Terhadap Return Aggresive Stock (Studi

Kasus Pada Indeks Saham Kompas 100 Pada Pasar Modal Indonesia

Periode 2009 – 2013).” Vol.4. No.4. Semarang:Universitas Diponogoro.

2015.

Zijun, Wang, Yan Qian, danShiwen Wang. “Dynamic trading volume and stock

return relation: Does it hold out of sample?.” International Review of

Financial Analysis. 2017.

UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 8 TAHUN 1995

TENTANG PASAR MODAL


TENTANG OTORITAS JASA KEUANGAN

118


TENTANG USAHA MIKRO, USAHA KECIL DAN USAHA

MENENGAH.

KEPUTUSAN MENTERI KEUANGAN REPUBLIK INDONESIA NOMOR

1548/KMK/1990

https://www.cnbcindonesia.com/market/20181228182432-17-

48390/perdagangan-saham-2018-usai-kapitalisasi-tembus-rp-7000-t

www.idx.co.id/enus/home/publication/statistic.aspx

https://www.cnbcindonesia.com/market/20181228182432-17-48390/perdagangan-saham-2018-usai-kapitalisasi-tembus-rp-7000-t

https://www.cnbcindonesia.com/market/20181228182432-17-48390/perdagangan-saham-2018-usai-kapitalisasi-tembus-rp-7000-t

http://www.idx.co.id/enus/home/publication/statistic.aspx

112

LAMPIRAN

Lampiran 1 : Return Perusahaan LQ45 Periode 2014-2018

No. Kode

Perusahaan

2014 Return 2015 Return 2016 Return 2017 Return 2018 Return

Harga Saham

Harga saham

2013

Harga Saham

Harga Saham 2014

Harga Saham

Harga Saham

2015

Harga Saham

Harga Saham

2016

Harga Saham

Harga Saham

2016

1. ADHI 3,480 1,510 1.3 2,140 3,480 (0.4) 2,080 2,140 (0.0) 1,885 2,080 (0.1) 1,605 1,885 (0.1)

2. ADRO 1,040 1,090 (0.0) 515 1,040 (0.5) 1,695 515 2.3 1,860 1,695 0.1 1,905 1,860 0.0

3. AKRA 4,120 4,375 (0.1) 7,175 4,120 0.7 6,000 7,175 (0.2) 6,350 6,000 0.1 4,210 6,350 (0.3)

4. ANTM 1,065 1,090 (0.0) 314 1,065 (0.7) 895 314 1.9 625 895 (0.3) 915 625 0.5

5. ASII 7,425 6,800 0.1 6,000 7,425 (0.2) 8,275 6,000 0.4 8,300 8,275 0.0 7,150 8,300 (0.1)

6. BBCA 13,125 9,600 0.4 13,300 13,125 0.0 15,500 13,300 0.2 21,900 15,500 0.4 23,275 21,900 0.1

7. BBNI 6,100 3,950 0.5 4,990 6,100 (0.2) 5,525 4,990 0.1 9,900 5,525 0.8 7,400 9,900 (0.3)

8. BBRI 11,650 7,250 0.6 11,425 11,650 (0.0) 11,675 11,425 0.0 3,640 11,675 (0.7) 3,070 3,640 (0.2)

9. BBTN 1,205 870 0.4 1,295 1,205 0.1 1,740 1,295 0.3 3,570 1,740 1.1 2,360 3,570 (0.3)

10 BMRI 10,775 7,850 0.4 9,250 10,775 (0.1) 11,575 9,250 0.3 8,000 11,575 (0.3) 6,650 8,000 (0.2)

11. BSDE 1,805 1,290 0.4 1,800 1,805 (0.0) 1,755 1,800 (0.0) 1,700 1,755 (0.0) 1,350 1,700 (0.2)

12. EXCL 4,865 5,200 (0.1) 3,650 4,865 (0.2) 2,310 3,650 (0.4) 2,960 2,310 0.3 2,750 2,960 (0.1)

13. GGRM 60,700 42,000 0.4 55,000 60,700 (0.1) 63,900 55,000 0.2 83,800 63,900 0.3 75,150 83,800 (0.1)

14. HMSP 68,659 62,400 0.1 94,000 68,659 0.4 3,830 94,000 (1.0) 4,730 3,830 0.2 3,840 4,730 (0.2)

15. ICBP 11,325 10,200 0.1 13,475 11,325 0.2 8,575 13,475 (0.4) 8,900 8,575 0.0 8,725 8,900 (0.0)

16. INCO 3,625 2,650 0.4 1,635 3,625 (0.5) 2,820 1,635 0.7 2,890 2,820 0.0 4,370 2,890 0.5

17. INDF 6,750 6,600 0.0 5,175 6,750 (0.2) 7,925 5,175 0.5 7,625 7,925 (0.0) 6,350 7,625 (0.2)

18. INTP 25,000 20,000 0.3 22,325 25,000 (0.1) 15,400 22,325 (0.3) 21,950 15,400 0.4 3,600 3,060 0.2

119

113

19. JSMR 7,050 4,725 0.5 5,225 7,050 (0.3) 4,320 5,225 (0.2) 6,400 4,320 0.5 19,200 5,400 2.6

20 KLBF 1,830 1,250 0.5 1,320 1,830 (0.3) 1,515 1,320 0.1 1,690 1,515 0.1 14,125 21,950 (0.4)

21. LPKR 1,020 910 0.1 1,035 1,020 0.0 720 1,035 (0.3) 488 720 (0.3) 4,690 6,400 (0.3)

Return Perusahaan LQ45 Periode 2014-2018

No Kode

Perusahaan

2014 Return 2015 Return 2016 Return 2017 Return 2018 Return

Harga Saham

Harga saham

2013

Harga Saham

Harga Saham

2014

Harga Saham

Harga Saham

2015

Harga Saham

Harga Saha

m

2016

Harga Saham

Harga Saham

2016

22. LPPF 15,000 11,000 0.4 17,600 15,000 0.2 15,125 17,600 (0.1) 10,000 15,12

5

(0.3) 1,295 1,690 (0.2)

23. MNCN 2,540 1,855 0.4 1,855 2,540 (0.3) 1,755 1,855 (0.1) 1,285 1,755 (0.3) 366 488 (0.3)

24. PGAS 6,000 4,475 0.3 2,745 6,000 (0.5) 2,700 2,745 (0.0) 1,750 2,700 (0.4) 1,700 1,750 (0.0)

25. PTBA 12,500 10,200 0.2 4,525 12,500 (0.6) 12,500 4,525 1.8 2,460 12,50

0

(0.8) 4,480 2,460 0.8

26. PTPP 3,575 1,160 2.1 3,875 3,575 0.1 3,810 3,875 (0.0) 2,640 3,810 (0.3) 2,080 2,640 (0.2)

27. SCMA 3,500 2,625 0.3 3,100 3,500 (0.1) 2,800 3,100 (0.1) 2,480 2,800 (0.1) 2,050 2,480 (0.2)

28. SMGR 16,200 14,150 0.1 11,400 16,200 (0.3) 9,175 11,400 (0.2) 9,900 9,175 0.1 7,600 9,900 (0.2)

29. SRIL 163 245 (0.3) 389 163 1.4 230 389 (0.4) 380 230 0.7 342 380 (0.1)

30. SSMS 1,665 820 1.0 1,950 1,665 0.2 1,400 1,950 (0.3) 1,500 1,400 0.1 1,235 1,500 (0.2)

31. TLKM 2,865 2,150 0.3 3,105 2,865 0.1 3,980 3,105 0.3 4,440 3,980 0.1 3,570 4,440 (0.2)

32. UNTR 17,350 19,000 (0.1) 16,950 17,350 (0.0) 21,250 16,950 0.3 35,400 21,25

0

0.7 35,250 35,400 (0.0)

33. UNVR 32,300 26,000 0.2 37,000 32,300 0.1 38,800 37,000 0.0 55,900 38,800

0.4 43,250 55,900 (0.2)

34. WIKA 3,680 1,580 1.3 2,640 3,680 (0.3) 2,360 2,640 (0.1) 1,550 2,360 (0.3) 1,550 1,550 -

35. WSKT 1,470 405 2.6 1,670 1,470 0.1 2,550 1,670 0.5 2,210 2,550 (0.1) 2,120 2,210 (0.0)

120

114

Lampiran 2 : Volume Perdagangan (Trading Volume Activity) Indeks LQ45 Periode 2014-2016

No Kode Diperdagangkan Beredar 2014 Diperdagangkan Beredar 2015 Diperdagangkan Beredar 2016

1.. ADHI 6,662,000,000 1,801,000,000 3.6991 5,887,000,000 3,561,000,000 1.6532 6,076,000,000 3,561,000,000 1.7063

2. ADRO 15,254,000,000 31,986,000,000 0.4769 11,977,000,000 31,986,000,000 0.3744 15,197,000,000 31,986,000,000 0.4751

3. AKRA 2,141,000,000 3,914,000,000 0.5470 2,316,000,000 3,949,000,000 0.5865 1,705,000,000 3,990,000,000 0.4273

Volume Perdagangan (Trading Volume Activity) Indeks LQ45 Periode 2014-2016

No Kode Diperdagangkan Beredar 2014 Diperdagangkan Beredar 2015 Diperdagangkan Beredar 2016

4. ANTM 6,313,000,000 9,538,000,000 0.6619 12,009,000,000 24,031,000,000 0.4997 35,906,000,000 24,031,000,000 1.4942

5. ASII 9,828,000,000 40,484,000,000 0.2428 10,141,000,000 40,484,000,000 0.2505 12,076,000,000 40,484,000,000 0.2983

6. BBCA 4,514,000,000 24,408,000,000 0.1849 4,568,000,000 24,408,000,000 0.1872 17,791,000,000 24,408,000,000 0.7289

7. BBNI 6,987,000,000 18,462,000,000 0.3785 7,999,000,000 18,462,000,000 0.4333 8,141,000,000 18,642,000,000 0.4367

8. BBRI 9,096,000,000 24,422,000,000 0.3725 8,366,000,000 24,422,000,000 0.3426 7,679,000,000 24,422,000,000 0.3144

9. BBTN 11,661,000,000 10,462,000,000 1.1146 8,010,000,000 10,476,000,000 0.7646 5,709,000,000 10,484,000,000 0.5445

10. BMRI 7,379,000,000 23,100,000,000 0.3194 7,327,000,000 23,100,000,000 0.3172 7,674,000,000 23,100,000,000 0.3322

11. BSDE 6,167,000,000 18,372,000,000 0.3357 7,020,000,000 19,247,000,000 0.3647 9,687,000,000 19,247,000,000 0.5033

12. EXCL 1,790,000,000 8,534,000,000 0.2097 1,835,000,000 8,541,000,000 0.2148 3,186,000,000 10,688,000,000 0.2981

13. GGRM 270,000,000 1,924,000,000 0.1403 312,000,000 1,924,000,000 0.1622 408,000,000 1,924,000,000 0.2121

14. HMSP 2,000,000 4,383,000,000 0.0005 357,000,000 4,653,000,000 0.0767 2,457,000,000 116,318,000,000 0.0211

15. ICBP 899,000,000 5,831,000,000 0.1542 735,000,000 5,831,000,000 0.1261 1,093,000,000 5,831,000,000 0.1874

16. INCO 3,720,000,000 9,936,000,000 0.3744 2,823,000,000 9,936,000,000 0.2841 3,475,000,000 9,936,000,000 0.3497

17. INDF 2,490,000,000 8,780,000,000 0.2836 2,765,000,000 8,780,000,000 0.3149 3,083,000,000 8,780,000,000 0.3511

18. INTP 874,000,000 3,681,000,000 0.2374 991,000,000 3,681,000,000 0.2692 1,111,000,000 3,681,000,000 0.3018

19. JSMR 1,929,000,000 6,800,000,000 0.2837 1,720,000,000 6,800,000,000 0.2529 2,184,000,000 6,800,000,000 0.3212

20. KLBF 13,944,000,000 46,875,000,000 0.2975 12,168,000,000 46,875,000,000 0.2596 12,520,000,000 46,875,000,000 0.2671

121

115

21. LPKR 23,222,000,000 23,078,000,000 1.0062 18,995,000,000 23,078,000,000 0.8231 21,170,000,000 23,078,000,000 0.9173

22. LPPF 1,724,000,000 2,918,000,000 0.5908 1,775,000,000 2,918,000,000 0.6083 2,118,000,000 2,918,000,000 0.7258

23. MNCN 3,081,000,000 14,276,000,000 0.2158 3,459,000,000 14,276,000,000 0.2423 6,206,000,000 14,276,000,000 0.4347

24. PGAS 5,365,000,000 24,242,000,000 0.2213 9,592,000,000 24,242,000,000 0.3957 13,420,000,000 24,242,000,000 0.5536

25. PTBA 830,000,000 2,304,000,000 0.3602 946,000,000 2,304,000,000 0.4106 1,198,000,000 2,304,000,000 0.5200

26. PTPP 4,619,000,000 4,842,000,000 0.9539 2,716,000,000 4,842,000,000 0.5609 2,591,000,000 4,842,000,000 0.5351

27. SCMA 4,606,000,000 14,622,000,000 0.3150 3,374,000,000 14,622,000,000 0.2307 3,853,000,000 14,622,000,000 0.2635

Volume Perdagangan (Trading Volume Activity) Indeks LQ45 Periode 2014-2016 No Kode Diperdagangkan Beredar 2014 Diperdagangkan Beredar 2015 Diperdagangkan Beredar 2016

28. SMGR 2,173,000,000 5,932,000,000 0.3663 1,883,000,000 5,932,000,000 0.3174 2,454,000,000 5,932,000,000 0.4137

29. SRIL 12,586,000,000 18,593,000,000 0.6769 47,178,000,000 18,593,000,000 2.5374 34,313,000,000 18,593,000,000 1.8455

30. SSMS 16,576,000,000 9,525,000,000 1.7403 16,663,000,000 9,525,000,000 1.7494 14,740,000,000 9,525,000,000 1.5475

31. TLKM 30,227,000,000 100,800,000,000 0.2999 23,627,000,000 100,800,000,000 0.2344 30,494,000,000 100,800,000,000 0.3025

32. UNTR 1,005,000,000 3,730,000,000 0.2694 879,000,000 3,730,000,000 0.2357 1,434,000,000 3,730,000,000 0.3845

33. UNVR 435,000,000 7,630,000,000 0.0570 505,000,000 7,630,000,000 0.0662 611,000,000 7,630,000,000 0.0801

34. WIKA 6,956,000,000 6,149,000,000 1.1312 3,655,000,000 6,149,000,000 0.5944 4,245,000,000 8970000000 0.4732

35. WSKT 15,572,000,000 9,728,000,000 1.6007 8,503,000,000 13,572,000,000 0.6265 9,430,000,000 13,573,000,000 0.6948

Lampiran 3 : Volume Perdagangan (Trading Volume Activity) Indeks LQ45 Periode 2017

Diperdagangkan Beredar 2017 Diperdagangkan Beredar 2017 Diperdagangkan Beredar 2017

ADHI 4,434,000,000 3,561,000,000 1.2452 JSMR 2,145,000,000 7258000000 0.2955 INCO 3,606,000,000 9,936,000,000 0.3629

ADRO 8,996,000,000 31,986,000,000 0.2812 KLBF 7,595,000,000 46,875,000,000 0.1620 INDF 2,387,000,000 8,780,000,000 0.2719

AKRA 1,689,000,000 230,000,000 7.3435 LPKR 27,134,000,000 23,078,000,000 1.1758 INTP 543,000,000 3,681,000,000 0.1475

ANTM 19,400,000,000 24,031,000,000 0.8073 LPPF 2,358,000,000 2,918,000,000 0.8081 WIKA 4,532,000,000 8970000000 0.5052

ASII 9,112,000,000 40,484,000,000 0.2251 MNCN 5,521,000,000 14,276,000,000 0.3867 WSKT 4,986,000,000 13,573,000,000 0.3673

BBCA 7,238,000,000 24,408,000,000 0.2965 PGAS 11,717,000,000 24,242,000,000 0.4833

122

116

BBNI 5,999,000,000 18,642,000,000 0.3218 PTBA 1,158,000,000 2,304,000,000 0.5026

BBRI 8,404,000,000 24,422,000,000 0.3441 PTPP 4,954,000,000 620,000,000 7.9903

BBTN 5,770,000,000 10,484,000,000 0.5504 SCMA 4,513,000,000 14,622,000,000 0.3086

BMRI 7,385,000,000 23,100,000,000 0.3197 SMGR 1,543,000,000 5,932,000,000 0.2601

BSDE 4,906,000,000 19,247,000,000 0.2549 SRIL 88,513,000,000 18,593,000,000 4.7606

EXCL 2,147,000,000 10,688,000,000 0.2009 SSMS 11,598,000,000 9,525,000,000 1.2176

GGRM 273,000,000 1,924,000,000 0.1419 TLKM 27,164,000,000 100,800,000,000 0.2695

HMSP 5,043,000,000 116,318,000,000 0.0434 UNTR 1,100,000,000 3,730,000,000 0.2949

ICBP 1,298,000,000 11662000000 0.1113 UNVR 505,000,000 7,630,000,000 0.0662

Lampiran 4 : Volume Perdagangan (Trading Volume Activity) Indeks LQ45 Periode 2018

Kode Diperdagangkan Beredar 2018 Kode Diperdagangkan Beredar 2018

ADHI 1,721,000,000 3,561,000,000 0.4833 JSMR 1,087,000,000 7,258,000,000 0.1498

ADRO 11,574,000,000 31,986,000,000 0.3618 KLBF 4,482,000,000 46,875,000,000 0.0956

AKRA 1,270,000,000 4,015,000,000 0.3163 LPKR 16,630,000,000 23,078,000,000 0.7206

ANTM 13,966,000,000 24,031,000,000 0.5812 LPPF 816,000,000 2,918,000,000 0.2796

ASII 5,473,000,000 40,483,000,000 0.1352 MNCN 3,465,000,000 14,276,000,000 0.2427

BBCA 2,735,000,000 24,408,000,000 0.1121 PGAS 15,339,000,000 24,242,000,000 0.6327

BBNI 3,588,000,000 18,462,000,000 0.1943 PTBA 4,967,000,000 11,521,000,000 0.4311

BBRI 8,404,000,000 122,112,000,000 0.0688 PTPP 2,273,000,000 6,200,000,000 0.3666

BBTN 3,798,000,000 10,484,000,000 0.3623 SCMA 2,063,000,000 14,621,000,000 0.1411

BMRI 7,408,000,000 46,120,000,000 0.1606 SMGR 893,000,000 5,932,000,000 0.1505

BSDE 2,637,000,000 19,247,000,000 0.1370 SRIL 17,531,000,000 20,452,000,000 0.8572

EXCL 2,698,000,000 10,688,000,000 0.2524 SSMS 6,436,000,000 9,525,000,000 0.6757

GGRM 125,000,000 1,924,000,000 0.0650 TLKM 17,713,000,000 100,800,000,000 0.1757

HMSP 3,813,000,000 116,318,000,000 0.0328 UNTR 684,000,000 3,730,000,000 0.1834

123

117

ICBP 718,000,000 11,662,000,000 0.0616 UNVR 330,000,000 7,630,000,000 0.0433

INCO 1,764,000,000 9,936,000,000 0.1775 WIKA 3,705,000,000 8,970,000,000 0.4130

INDF 5,626,000,000 8,780,000,000 0.6408 WSKT 5,216,000,000 13,574,000,000 0.3843

INTP 326,000,000 3,681,000,000 0.0886

Lampiran 5 : Book to Market Indeks LQ45 Periode 2014-2016

No Book Value Market Value B/M

2014

Book Value Market Value B/M

2015

Book Value Market Value B/M

2016

1. ADHI 97,237 6,267,480,000,000 0.000000016 144,969 7,620,540,000,000 0.000000019 15,851 7,406,880,000,000 0.000000002

2. ADRO 126,727 33,265,440,000,000 0.000000004 144,601 16,472,790,000,000 0.000000009 159,029 54,216,270,000,000 0.000000003

3. AKRA 152,318 16,125,680,000,000 0.000000009 184,942 28,334,075,000,000 0.000000007 202,274 23,940,000,000,000 0.000000008

4. ANTM 125,068 10,157,970,000,000 0.000000012 76,222 7,545,734,000,000 0.000000010 76,605 21,507,745,000,000 0.000000004

Book to Market Indeks LQ45 Periode 2014-2016

No Book

Value

Market Value B/M

2014

Book

Value

Market Value B/M

2015

Book

Value

Market Value B/M

2016

5. ASII 297,217 300,593,700,000,000 0.000000001 312,582 242,904,000,000,000 0.000000001 345,587 335,005,100,000,000 0.000000001

6. BBCA 316,044 320,355,000,000,000 0.000000001 363,516 324,626,400,000,000 0.000000001 457,169 378,324,000,000,000 0.000000001

7. BBNI 327,216 112,618,200,000,000 0.000000003 420,611 92,125,380,000,000 0.000000005 478,608 102,997,050,000,000 0.000000005

8. BBRI 396,193 284,516,300,000,000 0.000000001 458,577 279,021,350,000,000 0.000000002 595,126 285,126,850,000,000 0.000000002

9. BBTN 115,947 12,606,710,000,000 0.000000009 130,974 13,566,420,000,000 0.000000010 180,647 18,242,160,000,000 0.000000010

10. BMRI 449,334 248,902,500,000,000 0.000000002 512,108 213,675,000,000,000 0.000000002 657,299 267,382,500,000,000 0.000000002

11. BSDE 100,553 33,161,460,000,000 0.000000003 114,808 34,644,600,000,000 0.000000003 126,530 33,778,485,000,000 0.000000004

12. EXCL 163,579 41,517,910,000,000 0.000000004 164,981 31,174,650,000,000 0.000000005 198,440 24,689,280,000,000 0.000000008

13. GGRM 1,726,985 116,786,800,000,000 0.000000015 1,975,373 105,820,000,000,000 0.000000019 2,056,259 122,943,600,000,000 0.000000017

14. HMSP 307,965 300,932,397,000,000 0.000000001 688,114 437,382,000,000,000 0.000000002 29,381 445,497,940,000,000 0.000000000

15. ICBP 257,933 66,036,075,000,000 0.000000004 281,033 78,572,725,000,000 0.000000004 158,643 50,000,825,000,000 0.000000003

16. INCO 223,449 36,018,000,000,000 0.000000006 270,525 16,245,360,000,000 0.000000017 248,075 28,019,520,000,000 0.000000009

17. INDF 469,549 59,265,000,000,000 0.000000008 491,110 45,436,500,000,000 0.000000011 500,447 69,581,500,000,000 0.000000007

18. INTP 673,275 92,025,000,000,000 0.000000007 648,314 82,178,325,000,000 0.000000008 710,053 56,687,400,000,000 0.000000013

19. JSMR 168,015 47,940,000,000,000 0.000000004 181,892 35,530,000,000,000 0.000000005 225,119 29,376,000,000,000 0.000000008

20. KLBF 20,944 85,781,250,000,000 0.000000000 23,335 61,875,000,000,000 0.000000000 26,589 71,015,625,000,000 0.000000000

21. LPKR 76,465 23,539,560,000,000 0.000000003 81,970 23,885,730,000,000 0.000000003 95,656 16,616,160,000,000 0.000000006

124

118

22. LPPF 6,086 43,770,000,000,000 0.000000000 37,909 51,356,800,000,000 0.000000001 63,581 44,134,750,000,000 0.000000001

23. MNCN 65,797 36,261,040,000,000 0.000000002 67,010 26,481,980,000,000 0.000000003 66,454 25,054,380,000,000 0.000000003

24. PGAS 152,007 145,452,000,000,000 0.000000001 182,766 66,544,290,000,000 0.000000003 175,710 65,453,400,000,000 0.000000003

25. PTBA 376,317 28,800,000,000,000 0.000000013 403,082 10,425,600,000,000 0.000000039 457,977 28,800,000,000,000 0.000000016

26. PTPP 49,361 17,310,150,000,000 0.000000003 105,713 18,762,750,000,000 0.000000006 174,134 18,448,020,000,000 0.000000009

27. SCMA 23,788 51,177,000,000,000 0.000000000 23,347 45,328,200,000,000 0.000000001 25,342 40,941,600,000,000 0.000000001

28. SMGR 421,518 96,098,400,000,000 0.000000004 462,627 67,624,800,000,000 0.000000007 515,456 54,426,100,000,000 0.000000009

29. SRIL 15,586 3,030,659,000,000 0.000000005 21,816 7,232,677,000,000 0.000000003 23,927 4,276,390,000,000 0.000000006

30. SSMS 31,544 15,859,125,000,000 0.000000002 31,854 18,573,750,000,000 0.000000002 36,260 13,335,000,000,000 0.000000003

31. TLKM 85,441 288,792,000,000,000 0.000000000 92,687 312,984,000,000,000 0.000000000 104,706 401,184,000,000,000 0.000000000

32. UNTR 1,034,191 64,715,500,000,000 0.000000016 1,052,249 63,223,500,000,000 0.000000017 1,142,638 79,262,500,000,000 0.000000014

33. UNVR 60,272 246,449,000,000,000 0.000000000 63,268 282,310,000,000,000 0.000000000 61,655 296,044,000,000,000 0.000000000

34. WIKA 80,966 22,628,320,000,000 0.000000004 88,436 16,233,360,000,000 0.000000005 142,007 21,169,200,000,000 0.000000007

35. WSKT 29,472 14,300,160,000,000 0.000000002 71,499 22,665,240,000,000 0.000000003 123,575 34,611,150,000,000 0.000000004

125

126

Lampiran 6 : Book to Market Indeks LQ45 Periode 2017-2018

No 2017 B/M 2018 B/M

Book

Value

Market Value Book

Value

Market Value

1. ADHI 164,846 6,712,485,000,000 0.000000025 166,907 5,715,405,000,000 0.00000003

2. ADRO 173,305 59,493,960,000,000 0.000000003 187,597 60,933,330,000,000 0.00000000

3. AKRA 225,385 1,460,500,000,000 0.000000154 245,391 16,903,150,000,000 0.00000001

4. ANTM 76,945 15,019,375,000,000 0.000000005 77,932 21,988,365,000,000 0.00000000

5. ASII 386,154 336,017,200,000,000 0.000000001 399,866 289,453,450,000,000 0.00000000

6. BBCA 532,961 534,535,200,000,000 0.000000001 555,039 568,096,200,000,000 0.00000000

7. BBNI 541,075 184,555,800,000,000 0.000000003 538,138 136,618,800,000,000 0.00000000

8. BBRI 135,673 88,896,080,000,000 0.000000002 675,660 374,883,840,000,000 0.00000000

9. BBTN 204,565 37,427,880,000,000 0.000000005 211,322 24,742,240,000,000 0.00000001

10. BMRI 364,299 184,800,000,000,000 0.000000002 728,752 306,698,000,000,000 0.00000000

11. BSDE 151,698 32,719,900,000,000 0.000000005 154,425 25,983,450,000,000 0.00000001

12. EXCL 202,385 31,636,480,000,000 0.000000006 201,592 29,392,000,000,000 0.00000001

13. GGRM 2,192,606 161,231,200,000,000 0.000000014 2,290,974 144,588,600,000,000 0.00000002

14. HMSP 29,327 550,184,140,000,000 0.000000000 23,830 446,661,120,000,000 0.00000000

15. ICBP 174,280 103,791,800,000,000 0.000000002 353,659 101,750,950,000,000 0.00000000

16. INCO 248,067 28,715,040,000,000 0.000000009 268,025 43,420,320,000,000 0.00000001

17. INDF 532,511 66,947,500,000,000 0.000000008 537,250 55,753,000,000,000 0.00000001

18. INTP 667,073 80,797,950,000,000 0.000000008 606,762 51,994,125,000,000 0.00000001

19. JSMR 252,959 46,451,200,000,000 0.000000005 265,941 34,040,020,000,000 0.00000001

20. KLBF 29,641 79,218,750,000,000 0.000000000 29,806 60,703,125,000,000 0.00000000

21. LPKR 129,390 11,262,064,000,000 0.000000011 129,671 8,446,548,000,000 0.00000002

22. LPPF 79,782 29,180,000,000,000 0.000000003 80,120 23,416,950,000,000 0.00000000

23. MNCN 68,654 18,344,660,000,000 0.000000004 74,172 14,061,860,000,000 0.00000001

24. PGAS 178,109 42,423,500,000,000 0.000000004 192,934 41,211,400,000,000 0.00000000

25. PTBA 598,923 5,667,840,000,000 0.000000106 112,437 51,614,080,000,000 0.00000000

26. PTPP 229,731 1,636,800,000,000 0.000000140 237,688 12,896,000,000,000 0.00000002

27. SCMA 30,129 36,262,560,000,000 0.000000001 32,323 29,973,050,000,000 0.00000000

28. SMGR 513,175 58,726,800,000,000 0.000000009 516,387 45,083,200,000,000 0.00000001

29. SRIL 32,219 7,065,340,000,000 0.000000005 37,666 6,994,584,000,000 0.00000001

30. SSMS 42,552 14,287,500,000,000 0.000000003 46,272 11,763,375,000,000 0.00000000

31. TLKM 111,240 447,552,000,000,000 0.000000000 97,537 359,856,000,000,000 0.00000000

32. UNTR 1,274,429 132,042,000,000,000 0.000000010 1,385,065 131,482,500,000,000 0.00000001

33. UNVR 67,803 426,517,000,000,000 0.000000000 65,685 329,997,500,000,000 0.00000000

34. WIKA 163,120 13,903,500,000,000 0.000000012 166,920 13,903,500,000,000 0.00000001

35. WSKT 167,639 29,996,330,000,000 0.000000006 193,297 28,776,880,000,000 0.00000001

Lampiran 7 : Return On Equity dan Earning Per Share 2014-2018

EPS ROE EPS ROE EPS ROE

2014 ADHI 226.74 26.38 2014 GGRM 2,249.76 14.9 2014 PTBA 792.55 24.55

2015 ADHI 184.12 18.94 2015 GGRM 2,790.19 16.24 2015 PTBA 875.02 23.29

2016 ADHI 130.59 9.01 2016 GGRM 3,344.78 16.98 2016 PTBA 883.59 21.93

2017 ADHI 88.49 5.79 2017 GGRM 3,470.26 16.87 2017 PTBA 870.69 19.18

2018 ADHI 57.69 3.7 2018 GGRM 2,815.85 13.58 2018 PTBA 1,139.62 20.64

2014 ADRO 88.7 7.18 2014 HMSP 2,468.28 76.43 2014 PTPP 86.88 21.2

127

Return On Equity dan Earning Per Share 2014-2018

2015 ADRO 69.17 5.62 2015 HMSP 2,322.86 75.43 2015 PTPP 109.88 22.26

2016 ADRO 65.74 4.5 2016 HMSP 2,227.36 32.37 2016 PTPP 174.62 16.52

2017 ADRO 140.56 9 2017 HMSP 109.72 37.34 2017 PTPP 185.72 10.67

2018 ADRO 204.71 13.11 2018 HMSP 80.28 30.17 2018 PTPP 180.39 8.95

2014 AKRA 167.04 11.48 2014 ICBP 381.63 16.85 2014 SCMA 0.09 46.1

2015 AKRA 206.99 13.26 2015 ICBP 446.62 16.83 2015 SCMA 99.42 41.64

2016 AKRA 262.36 14.53 2016 ICBP 514.62 17.84 2016 SCMA 104.2 44.57

2017 AKRA 253.22 12.97 2017 ICBP 308.73 19.63 2017 SCMA 102.65 40.78

2018 AKRA 254.4 12.83 2018 ICBP 260.82 15.34 2018 SCMA 74.8 23.54

2014 ANTM 42.98 3.2 2014 INCO 47.73 2.25 2014 SMGR 905.37 24.56

2015 ANTM -81.28 -6.5 2015 INCO 215.61 9.65 2015 SMGR 938.35 22.29

2016 ANTM -59.96 -7.87 2016 INCO 74.49 2.75 2016 SMGR 762.28 16.49

2017 ANTM 2.7 0.35 2017 INCO 2.58 0.1 2017 SMGR 762.3 14.83

2018 ANTM -13.79 -1.84 2018 INCO -20.82 -0.84 2018 SMGR 246.09 4.88

2014 ASII 479.63 21 2014 INDF 285.16 8.9 2014 SRIL 16.65 13.35

2015 ASII 473.8 18.39 2015 INDF 442.5 12.48 2015 SRIL 29.94 21.68

2016 ASII 357.31 12.34 2016 INDF 338.02 8.6 2016 SRIL 43.88 20.11

2017 ASII 374.37 13.08 2017 INDF 472.02 11.99 2017 SRIL 42.9 17.93

2018 ASII 466.39 14.82 2018 INDF 373.29 9.39 2018 SRIL 34.28 12.67

2014 BBCA 578.13 22.29 2014 INTP 1,361.02 21.81 2014 SSMS 60.56 27.27

2015 BBCA 668.66 21.19 2015 INTP 1,431.82 21.28 2015 SSMS 75.5 24.56

2016 BBCA 730.83 20.12 2016 INTP 1,183.48 18.25 2016 SSMS -2.75 19.35

2017 BBCA 835.76 18.3 2017 INTP 1,051.37 14.81 2017 SSMS 62.12 17.13

2018 BBCA 683.09 13.21 2018 INTP 382.07 5.83 2018 SSMS 25.1 6.5

2014 BBNI 485.52 19 2014 JSMR 196.52 11.39 2014 TLKM 140.92 26.21

2015 BBNI 578.2 17.75 2015 JSMR 206.39 10.64 2015 TLKM 145.22 24.9

2016 BBNI 486.18 11.65 2016 JSMR 213.14 10.67 2016 TLKM 153.66 24.96

2017 BBNI 608.02 12.78 2017 JSMR 243.97 11.04 2017 TLKM 171.93 27.64

2018 BBNI 730.16 13.65 2018 JSMR 273.91 11.4 2018 TLKM 177.8 23.53

2014 BBRI 865.22 26.92 2014 KLBF 37.8 23.18 2014 UNTR 1,295.85 13.46

2015 BBRI 982.67 24.82 2015 KLBF 44.05 21.61 2015 UNTR 1,439.52 12.55

2016 BBRI 1,029.53 22.46 2016 KLBF 42.76 18.81 2016 UNTR 1,033.07 7.11

2017 BBRI 1,061.88 17.86 2017 KLBF 49.06 18.86 2017 UNTR 1,341.03 11.98

2018 BBRI 235.08 17.36 2018 KLBF 37.96 13.66 2018 UNTR 1,984.64 16.14

2014 BBTN 147.86 13.52 2014 LPKR 69.01 11.23 2014 UNVR 701.52 125.81

2015 BBTN 108.4 9.35 2015 LPKR 135.85 17.77 2015 UNVR 752.1 124.78

2016 BBTN 174.91 13.35 2016 LPKR 44.38 5.41 2016 UNVR 766.95 121.22

2017 BBTN 247.3 13.69 2017 LPKR 53.18 5.56 2017 UNVR 837.57 135.85

2018 BBTN 285.88 13.98 2018 LPKR 37.45 3.29 2018 UNVR 918.03 135.4

2014 BMRI 780.16 21.21 2014 LPPF 394.17 -147.2 2014 WIKA 101.69 19.35

2015 BMRI 851.65 19.7 2015 LPPF 486.35 799.1 2015 WIKA 122.1 15.08

2016 BMRI 871.5 17.7 2016 LPPF 610.31 160.99 2016 WIKA 114.32 12.93

2017 BMRI 591.71 9.55 2017 LPPF 692.17 108.86 2017 WIKA 135.01 9.51

2018 BMRI 442.28 12.61 2018 LPPF 653.57 81.92 2018 WIKA 151.18 9.27

2014 BSDE 166.07 21.66 2014 MNCN 119.95 23.37 2014 WSKT 38.2 15.44

2015 BSDE 217.53 21.63 2015 MNCN 123.42 20.05 2015 WSKT 51.85 17.59

2016 BSDE 122.17 10.64 2016 MNCN 83.05 13.35 2016 WSKT 77.18 10.8

2017 BSDE 105.86 8.37 2017 MNCN 95.87 15.63 2017 WSKT 133.58 10.81

2018 BSDE 268.45 17.7 2018 MNCN 78.58 12.44 2018 WSKT 309.54 18.46

2014 EXCL 121.02 6.75 2014 PGAS 435.56 32.78

2015 EXCL -104.41 -6.38 2015 PGAS 370.78 25.23

2016 EXCL -2.97 -0.18 2016 PGAS 242.58 13.32

2017 EXCL 35.13 1.77 2017 PGAS 168.67 9.73

2018 EXCL 35.11 1.73 2018 PGAS 80 4.64

128

Lampiran 8 : Hasil SmartPLS-Total Effect

Lampiran 9 : Hasil SmartPLS-R Square dan f-Square

Lampiran 10 : Hasil SmartPLS-Discriminant Validity

Lampiran 11 : Hasil SmartPLS-Outer and Inner Collinearity Statistics (VIF)

129

Lampiran 12 : Data SmartPLS

Y X

Tahun Return TVA Risk Size BM J3 J6 J12 EPS ROE DER

2014 ADHI 1.3 3.6991 2.882 16 0.00000002 0.197 0.009 0.017 226.74 26.38 5.28

2015 ADHI (0.4) 1.6532 (0.687) 17 0.00000002 (0.092) (0.025) 0.024 184.12 18.94 4.97

2016 ADHI (0.0) 1.7063 (0.785) 17 0.00000000 0.016 0.010 (0.019) 130.59 9.01 2.25

2017 ADHI (0.1) 1.2452 0.001 17 0.00000002 0.027 (0.002) 0.002 88.49 5.79 2.69

2018 ADHI (0.1) 0.4833 (0.661) 17 0.00000003 (0.048) (0.025) 0.021 57.69 3.7 3.4

2014 ADRO (0.0) 0.4769 2.381 18 0.00000000 0.080 0.000 (0.014) 88.7 7.18 1.11

2015 ADRO (0.5) 0.3744 (0.104) 18 0.00000001 (0.043) (0.058) (0.010) 69.17 5.62 0.97

2016 ADRO 2.3 0.4751 (0.184) 18 0.00000000 0.119 0.064 0.048 65.74 4.5 0.78

2017 ADRO 0.1 0.2812 0.003 18 0.00000000 0.016 0.006 0.030 140.56 9 0.72

2018 ADRO 0.1 0.3618 0.121 18 0.00000000 (0.091) 0.007 -0.138 204.71 13.11 0.67

2014 AKRA (0.1) 0.5470 2.179 17 0.00000001 0.028 (0.012) 0.007 167.04 11.48 1.73

2015 AKRA 0.7 0.5865 0.231 17 0.00000001 0.035 0.018 0.022 206.99 13.26 1.48

2016 AKRA (0.2) 0.4273 0.744 17 0.00000001 (0.027) 0.003 0.000 262.36 14.53 1.09

2017 AKRA 0.1 7.3435 0.005 17 0.00000015 0.007 0.003 (0.008) 253.22 12.97 0.96

2018 AKRA 0.1 0.3163 0.361 17 0.00000001 (0.075) (0.024) -0.001 254.4 12.83 0.95

2014 ANTM (0.0) 0.6619 0.255 17 0.00000001 0.015 0.016 (0.012) 42.98 3.2 0.71

2015 ANTM (0.7) 0.4997 0.049 17 0.00000001 (0.092) (0.075) (0.014) -81.28 -6.5 0.85

2016 ANTM 1.9 1.4942 1.130 17 0.00000000 0.340 0.011 0.003 -59.96 -7.87 0.66

2017 ANTM (0.3) 0.8073 0.001 17 0.00000001 (0.046) 0.001 0.031 2.7 0.35 0.63

2018 ANTM (0.3) 0.5812 (0.966) 16 0.00000000 (0.018) 0.013 0.003 -13.79 -1.84 0.7

2014 ASII 0.1 0.2428 0.367 19 0.00000000 0.050 0.007 0.002 479.63 21 1.02

2015 ASII (0.2) 0.2505 (0.049) 19 0.00000000 (0.036) (0.004) (0.002) 473.8 18.39 0.96

2016 ASII 0.4 0.2983 (0.401) 19 0.00000000 0.016 0.024 0.003 357.31 12.34 0.94

2017 ASII 0.0 0.2251 (0.006) 19 0.00000000 0.040 (0.018) 0.005 374.37 13.08 0.87

2018 ASII 0.0 0.1352 (0.694) 20 0.00000000 (0.056) 0.001 0.002 466.39 14.82 0.89

2014 BBCA 0.4 0.1849 (0.864) 20 0.00000000 0.035 0.009 0.013 578.13 22.29 6.76

2015 BBCA 0.0 0.1872 (0.238) 20 0.00000000 0.005 (0.004) 0.000 668.66 21.19 6.06

2016 BBCA 0.2 0.7289 (0.170) 20 0.00000000 (0.001) 0.018 0.005 730.83 20.12 5.6

2017 BBCA 0.4 0.2965 (0.001) 20 0.00000000 0.051 0.009 0.017 835.76 18.3 4.97

2018 BBCA 0.4 0.1121 0.102 20 0.00000000 (0.009) 0.010 0.010 683.09 13.21 4.77

2014 BBNI 0.5 0.3785 0.254 20 0.00000000 0.035 0.010 0.018 485.52 19 7.11

2015 BBNI (0.2) 0.4333 (0.401) 20 0.00000000 0.013 (0.043) 0.003 578.2 17.75 5.59

2016 BBNI 0.1 0.4367 (0.318) 20 0.00000000 (0.020) 0.027 0.006 486.18 11.65 5.26

2017 BBNI 0.8 0.3218 0.001 20 0.00000000 0.039 0.027 0.022 608.02 12.78 5.52

2018 BBNI 0.8 0.1943 (0.279) 20 0.00000000 (0.048) (0.011) 0.013 730.16 13.65 5.79

2014 BBRI 0.6 0.3725 0.099 21 0.00000000 0.060 0.021 0.004 865.22 26.92 6.89

2015 BBRI (0.0) 0.3426 (0.351) 21 0.00000000 0.003 (0.024) 0.010 982.67 24.82 7.21

2016 BBRI 0.0 0.3144 (0.077) 21 0.00000000 (0.025) 0.018 0.002 1,029.53 22.46 6.76

2017 BBRI (0.7) 0.3441 (0.005) 21 0.00000000 0.033 0.024 0.020 1,061.88 17.86 5.84

2018 BBRI (0.7) 0.0688 0.475 21 0.00000000 (0.044) (0.007) 0.001 235.08 17.36 5.73

2014 BBTN 0.4 1.1146 2.273 19 0.00000001 0.096 (0.011) (0.005) 147.86 13.52 10.35

2015 BBTN 0.1 0.7646 0.005 19 0.00000001 0.046 0.009 0.013 108.4 9.35 10.8

2016 BBTN 0.3 0.5445 0.435 19 0.00000001 0.092 0.021 (0.001) 174.91 13.35 11.4

2017 BBTN 1.1 0.5504 (0.007) 19 0.00000001 0.066 0.021 0.031 247.3 13.69 10.2

2018 BBTN 1.1 0.3623 1.111 19 0.00000001 (0.048) (0.042) -0.002 285.88 13.98 11.06

2014 BMRI 0.4 0.3194 0.371 21 0.00000000 0.041 0.008 0.006 780.16 21.21 7.26

2015 BMRI (0.1) 0.3172 (0.001) 21 0.00000000 (0.003) (0.020) 0.002 851.65 19.7 7.16

130

2016 BMRI 0.3 0.3322 (0.140) 21 0.00000000 0.003 0.009 0.007 871.5 17.7 6.16

Y X


2017 BMRI (0.3) 0.3197 (0.001) 21 0.00000000 0.024 0.027 0.015 591.71 9.55 5.38

2018 BMRI (0.3) 0.1606 0.453 21 0.00000000 (0.043) (0.011) 0.019 442.28 12.61 5.22

2014 BSDE 0.4 0.3357 (0.176) 17 0.00000000 0.028 0.004 0.021 166.07 21.66 0.68

2015 BSDE (0.0) 0.3647 (0.483) 17 0.00000000 (0.022) (0.005) (0.002) 217.53 21.63 0.52

2016 BSDE (0.0) 0.5033 (0.021) 17 0.00000000 0.024 0.022 (0.009) 122.17 10.64 0.63

2017 BSDE (0.0) 0.2549 (0.001) 18 0.00000000 (0.007) 0.000 0.002 105.86 8.37 0.57

2018 BSDE (0.0) 0.1370 0.641 18 0.00000001 (0.022) (0.035) -0.009 268.45 17.7 0.57

2014 EXCL (0.1) 0.2097 1.113 18 0.00000000 0.027 0.008 (0.010) 121.02 6.75 1.63

2015 EXCL (0.2) 0.2148 (0.151) 18 0.00000001 (0.055) (0.046) 0.019 -104.41 -6.38 3.56

2016 EXCL (0.4) 0.2981 0.013 18 0.00000001 (0.011) 0.011 (0.010) -2.97 -0.18 3.18

2017 EXCL 0.3 0.2009 (0.003) 18 0.00000001 0.033 0.010 (0.009) 35.13 1.77 1.59

2018 EXCL 0.3 0.2524 1.042 18 0.00000001 (0.106) 0.047 -0.009 35.11 1.73 1.6

2014 GGRM 0.4 0.1403 0.553 18 0.00000001 0.106 (0.006) 0.006 2,249.76 14.9 0.73

2015 GGRM (0.1) 0.1622 0.309 18 0.00000002 (0.047) (0.000) 0.014 2,790.19 16.24 0.75

2016 GGRM 0.2 0.2121 (0.204) 18 0.00000002 0.059 (0.004) (0.007) 3,344.78 16.98 0.67

2017 GGRM 0.3 0.1419 (0.006) 18 0.00000001 0.025 0.024 0.006 3,470.26 16.87 0.59

2018 GGRM 0.3 0.0650 (0.355) 18 0.00000002 (0.050) 0.015 -0.007 2,815.85 13.58 0.57

2014 HMSP 0.1 0.0005 0.247 17 0.00000000 0.014 (0.000) (0.003) 2,468.28 76.43 0.94

2015 HMSP 0.4 0.0767 (0.243) 17 0.00000000 0.032 0.023 0.027 2,322.86 75.43 1.1

2016 HMSP (1.0) 0.0211 (0.179) 18 0.00000000 (0.009) (0.016) 0.005 2,227.36 32.37 0.19

2017 HMSP 0.2 0.0434 (0.004) 18 0.00000000 (0.003) (0.012) 0.029 109.72 37.34 0.24

2018 HMSP 0.2 0.0328 (0.298) 18 0.00000000 (0.100) 0.015 0.004 80.28 30.17 0.5

2014 ICBP 0.1 0.1542 (1.128) 17 0.00000000 (0.030) 0.008 0.029 381.63 16.85 0.6

2015 ICBP 0.2 0.1261 (0.497) 17 0.00000000 (0.029) (0.010) 0.014 446.62 16.83 0.66

2016 ICBP (0.4) 0.1874 (0.009) 17 0.00000000 0.020 0.020 (0.002) 514.62 17.84 0.62

2017 ICBP 0.0 0.1113 (0.000) 17 0.00000000 0.016 (0.008) 0.004 308.73 19.63 0.56

2018 ICBP 0.0 0.0616 (0.316) 17 0.00000000 (0.000) 0.001 0.028 260.82 15.34 0.56

2014 INCO 0.4 0.3744 1.783 17 0.00000001 0.159 0.024 (0.012) 47.73 2.25 0.33

2015 INCO (0.5) 0.2841 (1.384) 17 0.00000002 (0.066) (0.049) (0.024) 215.61 9.65 0.31

2016 INCO 0.7 0.3497 2.660 17 0.00000001 0.088 0.066 (0.000) 74.49 2.75 0.25

2017 INCO 0.0 0.3629 0.026 17 0.00000001 (0.019) 0.023 0.040 2.58 0.1 0.21

2018 INCO 0.0 0.1775 (2.736) 17 0.00000001 (0.047) 0.058 0.003 -20.82 -0.84 0.2

2014 INDF 0.0 0.2836 (0.327) 18 0.00000001 0.004 0.001 0.006 285.16 8.9 1.04

2015 INDF (0.2) 0.3149 (0.234) 18 0.00000001 (0.036) (0.015) 0.005 442.5 12.48 1.08

2016 INDF 0.5 0.3511 0.327 18 0.00000001 0.049 0.028 (0.004) 338.02 8.6 1.13

2017 INDF (0.0) 0.2719 (0.002) 18 0.00000001 0.019 0.000 (0.006) 472.02 11.99 0.87

2018 INDF (0.0) 0.6408 (0.156) 18 0.00000001 (0.034) (0.015) 0.040 373.29 9.39 0.92

2014 INTP 0.3 0.2374 (0.585) 17 0.00000001 (0.006) 0.022 (0.006) 1,361.02 21.81 0.16

2015 INTP (0.1) 0.2692 (0.364) 17 0.00000001 (0.028) (0.007) 0.001 1,431.82 21.28 0.17

2016 INTP (0.3) 0.3018 0.492 17 0.00000001 (0.004) (0.022) (0.010) 1,183.48 18.25 0.16

2017 INTP 0.4 0.1475 0.007 17 0.00000001 0.042 0.006 0.020 1,051.37 14.81 0.15

2018 INTP 0.4 0.0886 (2.241) 17 0.00000001 (0.052) (0.033) -0.010 382.07 5.83 0.14

2014 JSMR 0.5 0.2837 (0.303) 16 0.00000000 0.046 0.015 0.010 196.52 11.39 1.61

2015 JSMR (0.3) 0.2529 (0.344) 17 0.00000001 (0.046) (0.011) 0.004 206.39 10.64 1.79

2016 JSMR (0.2) 0.3212 (0.423) 17 0.00000001 (0.010) (0.004) (0.017) 213.14 10.67 1.97

2017 JSMR 0.5 0.2955 0.007 18 0.00000001 0.035 0.041 (0.001) 243.97 11.04 2.27

2018 JSMR 0.5 0.1498 (0.994) 18 0.00000001 (0.084) 0.013 -0.016 273.91 11.4 3.31

2014 KLBF 0.5 0.2975 (0.602) 16 0.00000000 0.032 0.019 0.006 37.8 23.18 0.33

131

2015 KLBF (0.3) 0.2596 (0.246) 16 0.00000000 (0.012) (0.004) (0.020) 44.05 21.61 0.27

Y X


2016 KLBF 0.1 0.2671 0.352 17 0.00000000 0.048 0.034 (0.011) 42.76 18.81 0.25

2017 KLBF 0.1 0.1620 (0.001) 17 0.00000000 0.030 0.016 (0.003) 49.06 18.86 0.22

2018 KLBF 0.1 0.0956 (0.703) 17 0.00000000 (0.033) (0.023) 0.009 37.96 13.66 0.22

2014 LPKR 0.1 1.0062 (0.607) 17 0.00000000 0.043 0.007 0.004 69.01 11.23 1.21

2015 LPKR 0.0 0.8231 (0.149) 18 0.00000000 0.020 (0.003) (0.005) 135.85 17.77 1.14

2016 LPKR (0.3) 0.9173 (0.349) 18 0.00000001 (0.006) 0.022 (0.030) 44.38 5.41 1.18

2017 LPKR (0.3) 1.1758 0.010 18 0.00000001 0.025 (0.014) (0.018) 53.18 5.56 1.07

2018 LPKR (0.3) 0.7206 (0.187) 18 0.00000002 (0.067) (0.029) 0.006 37.45 3.29 1

2014 LPPF 0.4 0.5908 2.156 15 0.00000000 0.092 (0.005) 0.006 394.17 -147.2 -4.76

2015 LPPF 0.2 0.6083 (0.237) 15 0.00000000 0.047 0.000 (0.006) 486.35 799.1 18.19

2016 LPPF (0.1) 0.7258 (0.554) 15 0.00000000 0.059 0.008 (0.021) 610.31 160.99 2.52

2017 LPPF (0.3) 0.8081 (0.015) 16 0.00000000 (0.001) (0.022) (0.009) 692.17 108.86 1.62

2018 LPPF (0.3) 0.2796 0.597 16 0.00000000 (0.023) (0.040) 0.003 653.57 81.92 1.33

2014 MNCN 0.4 0.2158 2.360 16 0.00000000 0.068 (0.006) 0.008 119.95 23.37 0.24

2015 MNCN (0.3) 0.2423 (0.970) 16 0.00000000 (0.073) (0.012) (0.035) 123.42 20.05 0.45

2016 MNCN (0.1) 0.4347 0.198 16 0.00000000 0.333 (0.014) (0.018) 83.05 13.35 0.51

2017 MNCN (0.3) 0.3867 0.000 17 0.00000000 0.027 (0.002) (0.009) 95.87 15.63 0.5

2018 MNCN (0.3) 0.2427 (0.316) 17 0.00000001 (0.045) (0.043) -0.017 78.58 12.44 0.5

2014 PGAS 0.3 0.2213 0.128 18 0.00000000 0.037 0.017 (0.012) 435.56 32.78 0.6

2015 PGAS (0.5) 0.3957 (0.726) 18 0.00000000 (0.064) (0.003) (0.036) 370.78 25.23 1.1

2016 PGAS (0.0) 0.5536 0.782 18 0.00000000 0.027 0.049 (0.009) 242.58 13.32 1.15

2017 PGAS (0.4) 0.4833 0.006 18 0.00000000 (0.054) (0.012) 0.023 168.67 9.73 1.16

2018 PGAS (0.4) 0.6327 0.921 18 0.00000000 (0.084) (0.024) -0.009 80 4.64 0.97

2014 PTBA 0.2 0.3602 0.999 17 0.00000001 0.023 0.029 (0.001) 792.55 24.55 0.55

2015 PTBA (0.6) 0.4106 (1.106) 17 0.00000004 (0.062) (0.063) (0.023) 875.02 23.29 0.71

2016 PTBA 1.8 0.5200 0.397 17 0.00000002 0.255 0.065 0.015 883.59 21.93 0.82

2017 PTBA (0.8) 0.5026 0.002 17 0.00000011 0.035 0.009 0.028 870.69 19.18 0.76

2018 PTBA (0.8) 0.4311 (2.022) 17 0.00000000 (0.013) 0.058 0.051 1,139.62 20.64 0.51

2014 PTPP 2.1 0.9539 0.495 16 0.00000000 0.117 0.038 0.051 86.88 21.2 5.26

2015 PTPP 0.1 0.5609 (0.736) 17 0.00000001 0.002 0.002 0.000 109.88 22.26 5.11

2016 PTPP (0.0) 0.5351 0.453 17 0.00000001 (0.005) 0.009 (0.001) 174.62 16.52 2.74

2017 PTPP (0.3) 7.9903 0.007 18 0.00000014 (0.040) (0.008) 0.005 185.72 10.67 1.89

2018 PTPP (0.3) 0.3666 (0.909) 18 0.00000002 (0.079) (0.020) -0.018 180.39 8.95 1.83

2014 SCMA 0.3 0.3150 1.913 15 0.00000000 0.061 0.033 (0.005) 0.09 46.1 0.44

2015 SCMA (0.1) 0.2307 (0.675) 15 0.00000000 (0.058) 0.004 (0.007) 99.42 41.64 0.36

2016 SCMA (0.1) 0.2635 (0.757) 15 0.00000000 0.099 0.004 (0.011) 104.2 44.57 0.34

2017 SCMA (0.1) 0.3086 (0.007) 15 0.00000000 0.020 (0.032) 0.012 102.65 40.78 0.3

2018 SCMA (0.1) 0.1411 0.305 16 0.00000000 (0.015) (0.034) -0.008 74.8 23.54 0.21

2014 SMGR 0.1 0.3663 (0.013) 17 0.00000000 0.017 0.019 (0.010) 905.37 24.56 0.41

2015 SMGR (0.3) 0.3174 (0.142) 17 0.00000001 (0.049) (0.032) 0.008 938.35 22.29 0.37

2016 SMGR (0.2) 0.4137 0.022 18 0.00000001 (0.038) (0.008) (0.003) 762.28 16.49 0.39

2017 SMGR 0.1 0.2601 0.003 18 0.00000001 (0.006) 0.021 0.010 762.3 14.83 0.45

2018 SMGR 0.1 0.1505 0.010 18 0.00000001 (0.047) (0.036) -0.008 246.09 4.88 0.57

2014 SRIL (0.3) 0.6769 (1.744) 16 0.00000001 (0.137) (0.029) (0.000) 16.65 13.35 1.41

2015 SRIL 1.4 2.5374 (1.477) 16 0.00000000 0.222 0.116 (0.040) 29.94 21.68 2

2016 SRIL (0.4) 1.8455 0.761 16 0.00000001 0.147 (0.014) (0.010) 43.88 20.11 1.83

2017 SRIL 0.7 4.7606 0.003 16 0.00000000 0.119 0.020 0.011 42.9 17.93 1.86

2018 SRIL 0.7 0.8572 (0.989) 16 0.00000001 (0.034) 0.000 0.023 34.28 12.67 1.78

132

Lampran 13: Size (Ln) Perusahaan Yang Terdaftar dalam BEI Periode 2014-2018

Tahun

Perusahaan Total Asset LN Rata-Rata Tahun Perusahaan Total Asset LN Rata-rata

2014 Adhi Karya 10,458,882 16.16296 16.78652 2014 JSMR 31,859,963 17.27686 17.76362

2015 Adhi Karya 16,761,064 16.63457 2015 JSMR 36,724,982 17.41897

2016 Adhi Karya 20,095,436 16.816 2016 JSMR 53,500,323 17.7952

2017 Adhi Karya 28,332,948 17.15954 2017 JSMR 79,192,773 18.1874

2018 Adhi Karya 28,332,948 17.15954 2018 JSMR 75,504,099 18.1397

2014 Adro 79,762,813 18.19457 18.30694 2014 KLBF 12,439,267 16.33637 16.52258

2015 Adro 82,193,328 18.22458 2015 KLBF 13,696,417 16.43264

2016 Adro 87,633,045 18.28867 2016 KLBF 15,226,009 16.53852

2014 SSMS 1.0 1.7403 0.950 15 0.00000000 0.128 0.009 0.024 60.56 27.27 0.6

Y X


2015 SSMS 0.2 1.7494 (1.478) 16 0.00000000 0.053 0.014 0.005 75.5 24.56 0.34

2016 SSMS (0.3) 1.5475 (0.414) 16 0.00000000 (0.031) (0.015) (0.000) -2.75 19.35 1.3

2017 SSMS 0.1 1.2176 (0.005) 16 0.00000000 0.028 (0.028) 0.001 62.12 17.13 1.07

2018 SSMS 0.1 0.6757 0.754 16 0.00000000 (0.042) (0.009) 0.027 25.1 6.5 1.23

2014 TLKM 0.3 0.2999 (0.727) 19 0.00000000 (0.001) 0.028 0.006 140.92 26.21 0.65

2015 TLKM 0.1 0.2344 0.189 19 0.00000000 (0.024) 0.020 0.011 145.22 24.9 0.64

2016 TLKM 0.3 0.3025 (0.269) 19 0.00000000 0.029 0.030 (0.007) 153.66 24.96 0.78

2017 TLKM 0.1 0.2695 (0.005) 19 0.00000000 0.042 0.012 (0.012) 171.93 27.64 0.7

2018 TLKM 0.1 0.1757 (0.240) 19 0.00000000 (0.011) (0.011) 0.005 177.8 23.53 0.72

2014 UNTR (0.1) 0.2694 0.892 18 0.00000002 0.041 0.009 (0.018) 1,295.85 13.46 0.61

2015 UNTR (0.0) 0.2357 0.169 18 0.00000002 0.064 (0.009) (0.011) 1,439.52 12.55 0.56

2016 UNTR 0.3 0.3845 0.211 18 0.00000001 (0.052) 0.009 0.031 1,033.07 7.11 0.57

2017 UNTR 0.7 0.2949 0.002 18 0.00000001 0.073 0.020 0.022 1,341.03 11.98 0.5

2018 UNTR 0.7 0.1834 (1.968) 18 0.00000001 (0.040) 0.007 0.012 1,984.64 16.14 0.73

2014 UNVR 0.2 0.0570 (0.399) 17 0.00000000 0.008 0.009 0.013 701.52 125.81 2.14

2015 UNVR 0.1 0.0662 0.182 17 0.00000000 0.060 (0.011) (0.006) 752.1 124.78 2.11

2016 UNVR 0.0 0.0801 0.200 17 0.00000000 0.044 0.010 (0.007) 766.95 121.22 2.26

2017 UNVR 0.4 0.0662 (0.001) 17 0.00000000 0.026 0.016 0.010 837.57 135.85 2.56

2018 UNVR 0.4 0.0433 0.404 17 0.00000000 (0.051) (0.011) 0.010 918.03 135.4 2.65

2014 WIKA 1.3 1.1312 0.683 17 0.00000000 0.054 0.029 0.031 101.69 19.35 2.9

2015 WIKA (0.3) 0.5944 (0.919) 17 0.00000001 (0.071) (0.015) 0.005 122.1 15.08 2.2

2016 WIKA (0.1) 0.4732 0.039 17 0.00000001 (0.017) 0.024 (0.005) 114.32 12.93 2.6

2017 WIKA (0.3) 0.5052 0.002 18 0.00000001 (0.027) (0.021) 0.006 135.01 9.51 1.46

2018 WIKA (0.3) 0.4130 (1.574) 18 0.00000001 (0.086) 0.003 0.010 151.18 9.27 2.12

2014 WSKT 2.6 1.6007 1.326 16 0.00000000 0.118 0.017 0.072 38.2 15.44 2.69

2015 WSKT 0.1 0.6265 (0.360) 17 0.00000000 0.002 0.012 (0.001) 51.85 17.59 3.4

2016 WSKT 0.5 0.6948 0.101 18 0.00000000 0.122 0.026 (0.006) 77.18 10.8 2.12

2017 WSKT (0.1) 0.3673 0.006 18 0.00000001 (0.022) 0.000 0.018 133.58 10.81 2.66

2018 WSKT (0.1) 0.3843 (0.323) 19 0.00000001 (0.076) (0.003) 0.022 309.54 18.46 3.3

133

Tahun


2017 Adro 92,318,064 18.34075 2017 KLBF 16,616,239 16.62589

2018 Adro 106,763,370 18.48613 2018 KLBF 17,530,869 16.67947

2014 AKR 14,791,917 16.50959 16.62043 2014 LPKR 37,761,221 17.44679 17.63352

2015 AKR 15,203,130 16.53701 2015 LPKR 41,326,558 17.53702

2016 AKR 15,830,741 16.57746 2016 LPKR 45,603,683 17.6355

2017 AKR 16,823,209 16.63827 2017 LPKR 52,386,302 17.77416

2018 AKR 20,580,028 16.83983 2018 LPKR 52,386,302 17.77416

2014 Antam 22,044,202 16.90856 17.17554 2014 LPPF 3,408,372 15.04175 15.30896

2015 Antam 30,356,851 17.22853 2015 LPPF 3,889,291 15.17374

2016 Antam 29,981,536 17.21609 2016 LPPF 4,858,878 15.39632

2017 Antam 30,014,273 17.21718 2017 LPPF 5,427,426 15.50698

2018 Antam 32,846,366 17.30735 2018 LPPF 5,005,256 15.426

2014 ASII 236,029,000 19.27947 19.42212 2014 MNCN 13,609,033 16.42624 16.50033

2015 ASII 245,435,000 19.31854 2015 MNCN 14,474,557 16.4879

2016 ASII 261,855,000 19.3833 2016 MNCN 14,239,867 16.47156

2017 ASII 295,646,000 19.50467 2017 MNCN 15,057,291 16.52737

2018 ASII 333,325,000 19.62463 2018 MNCN 16,007,237 16.58855

2014 BBCA 552,423,892 20.12983 20.3201 2014 PGAS 77,320,775 18.16347 18.30931

2015 BBCA 594,372,770 20.20302 2015 PGAS 95,197,541 18.37146

2016 BBCA 676,738,753 20.3328 2016 PGAS 91,823,679 18.33538

2017 BBCA 750,319,671 20.43601 2017 PGAS 85,259,312 18.26121

2018 BBCA 798,966,227 20.49883 2018 PGAS 99,437,189 18.41504

2014 BBNI 416,573,708 19.84757 20.1891 2014 PTBA 14,812,023 16.51095 16.74491

2015 BBNI 508,595,288 20.04716 2015 PTBA 16,894,043 16.64247

2016 BBNI 603,031,880 20.21748 2016 PTBA 18,576,774 16.73742

2017 BBNI 709,330,084 20.37983 2017 PTBA 21,987,482 16.90598

2018 BBNI 763,523,705 20.45345 2018 PTBA 22,470,372 16.92771

2014 BBRI 801,955,021 20.50256 20.7297 2014 PTPP 14,611,865 16.49734 17.15368

2015 BBRI 878,426,312 20.59364 2015 PTPP 19,128,812 16.76671

2016 BBRI 1,003,644,426 20.7269 2016 PTPP 31,232,767 17.25698

2017 BBRI 1,126,248,442 20.84216 2017 PTPP 41,782,781 17.54799

2018 BBRI 1,296,898,292 20.98324 2018 PTPP 48,612,906 17.6994

2014 BBTN 144,582,353 18.78936 19.14748 2014 SCMA 4,749,410 15.37353 15.44672

2015 BBTN 171,807,592 18.96189 2015 SCMA 4,565,964 15.33414

2016 BBTN 214,168,479 19.18227 2016 SCMA 4,820,612 15.38841

2017 BBTN 261,365,267 19.38143 2017 SCMA 5,385,808 15.49928

2018 BBTN 272,304,662 19.42243 2018 SCMA 6,188,633 15.63822

2014 BMRI 855,039,673 20.56666 20.73622 2014 SMGR 34,314,666 17.35108 17.57251

2015 BMRI 910,063,409 20.62902 2015 SMGR 38,153,119 17.45712

2016 BMRI 1,038,706,009 20.76124 2016 SMGR 44,226,896 17.60484

2017 BMRI 1,124,700,847 20.84078 2017 SMGR 48,963,503 17.70659

134

Tahun


2018 BMRI 1,173,644,878 20.88338 2018 SMGR 50,775,764 17.74293

2014 BSDE 28,134,725 17.15252 17.48617 2014 SRIL 8,691,096 15.97781 16.3976

2015 BSDE 36,022,148 17.39964 2015 SRIL 11,481,513 16.25625

2016 BSDE 38,292,206 17.46076 2016 SRIL 12,726,172 16.35917

2017 BSDE 45,951,188 17.64309 2017 SRIL 16,161,423 16.59814

2018 BSDE 52,421,952 17.77484 2018 SRIL 19,709,646 16.79662

2014 EXCL 63,706,488 17.9698 17.8872 2014 SSMS 4,032,885 15.20999 15.72127

2015 EXCL 58,844,320 17.89041 2015 SSMS 6,973,851 15.75768

2016 EXCL 54,896,286 17.82096 2016 SSMS 7,162,970 15.78444

2017 EXCL 56,321,441 17.84659 2017 SSMS 8,261,550 15.92712

2018 EXCL 59,903,830 17.90825 2018 SSMS 8,261,550 15.92712

2014 GGRM 58,220,600 17.87975 17.96747 2014 TLKM 140,895,000 18.76353 18.98852

2015 GGRM 63,505,413 17.96664 2015 TLKM 166,173,000 18.92854

2016 GGRM 62,951,634 17.95788 2016 TLKM 179,611,000 19.0063

2017 GGRM 66,759,930 18.01661 2017 TLKM 198,484,000 19.10622

2018 GGRM 66,751,360 18.01649 2018 TLKM 204,893,000 19.138

2014 HMSP 28,380,630 17.16122 17.49389 2014 UNTR 60,292,031 17.91471 18.10923

2015 HMSP 38,010,724 17.45338 2015 UNTR 61,715,399 17.93804

2016 HMSP 42,508,277 17.56521 2016 UNTR 63,991,229 17.97426

2017 HMSP 43,141,063 17.57999 2017 UNTR 82,262,093 18.22542

2018 HMSP 49,114,276 17.70966 2018 UNTR 107,579,342 18.49374

2014 ICBP 24,910,211 17.03079 17.1822 2014 UNVR 14,280,670 16.47442 16.64425

2015 ICBP 26,560,624 17.09494 2015 UNVR 15,729,945 16.57108

2016 ICBP 28,901,948 17.17942 2016 UNVR 16,745,695 16.63365

2017 ICBP 31,619,514 17.26929 2017 UNVR 18,906,413 16.75501

2018 ICBP 33,820,264 17.33657 2018 UNVR 19,522,970 16.7871

2014 INCO 29,037,324 17.18409 17.23015 2014 WIKA 15,915,162 16.58278 17.22411

2015 INCO 31,576,687 17.26793 2015 WIKA 19,602,406 16.79116

2016 INCO 29,901,711 17.21343 2016 WIKA 31,096,539 17.25261

2017 INCO 29,596,405 17.20316 2017 WIKA 45,683,774 17.63725

2018 INCO 32,028,057 17.28212 2018 WIKA 56,896,030 17.85674

2014 INDF 85,938,885 18.26915 18.30017 2014 WSKT 12,542,041 16.3446 17.7163

2015 INDF 91,831,526 18.33547 2015 WSKT 30,309,111 17.22696

2016 INDF 82,174,515 18.22436 2016 WSKT 61,425,182 17.93333

2017 INDF 87,939,488 18.29216 2017 WSKT 97,895,761 18.39941

2018 INDF 95,989,207 18.37975 2018 WSKT 129,244,759 18.67722

2014 INTP 28,884,973 17.17883 17.16221

2015 INTP 27,638,360 17.13472

2016 INTP 30,150,580 17.22171

2017 INTP 28,863,676 17.17809

2018 INTP 26,634,347 17.09771

PENGARUH RISIKO PASAR, ANALISIS FUNDAMENTAL DAN...

Documents

Transcript of PENGARUH RISIKO PASAR, ANALISIS FUNDAMENTAL DAN...