PENGARUH RISIKO PASAR, ANALISIS FUNDAMENTAL DAN...
Transcript of 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
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.
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
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
: harga saham pada periode t
: harga saham pada periode sebelumnya (t-1)
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
: harga saham pada periode t
: harga saham pada periode sebelumnya (t-1)
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
J6 = Rata-rata perhitungan 6 bulan return saham
J12 = Rata-rata perhitungan 12 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
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
Sumber: Data diolah 2019
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
Sumber: Data diolah 2019
85
Gambar 4.2
Rata-rata Nilai Book to Market pada Indeks LQ45
Sumber: Data diolah 2019
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
Sumber: Data diolah 2019
87
Gambar 4.3
Rata-rata Nilai Firm Size pada Indeks LQ45
Sumber: Data diolah 2019
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
Sumber: Data diolah 2019
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
Perhitungan Momentum 6 bulan pada Indeks LQ45 Periode 2014-2018
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
Sumber: Data diolah 2019
91
Gambar 4.5
Rata-rata Nilai Momentum 6 bulan pada Indeks LQ45
Sumber: Data diolah 2019
Berdasarkan uji statistik deskriptif momentum dalam
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
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.
-0.02
-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
Perhitungan Momentum 12 bulan pada Indeks LQ45 Periode 2014-2018
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
Sumber: Data diolah 2019
93
Gambar 4.6
Rata-rata Nilai Momentum 12 bulan pada Indeks LQ45
Sumber: Data diolah 2019
Berdasarkan uji statistik deskriptif momentum dalam
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
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.
-0.02
-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
Sumber: Data diolah SmartPLS 2019
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
Sumber: Data diolah SmartPLS 2019
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
Sumber: Data diolah SmartPLS 2019
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
Sumber: Data diolah SmartPLS 2019
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
Keputusan Investor 0,860
Fundamental 1,000
Momentum 0,735
Risk Market 0,733
Control 0,860
Sumber: Data diolah SmartPLS 2019
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
Sumber: Data diolah SmartPLS 2019
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
Keputusan Investor 0,570
Fundamental 0,514
Momentum 0,567
Risk Market 1,00
Control 0,531
Sumber: Data diolah SmartPLS 2019
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
Sumber: Data diolah SmartPLS 2019
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
berpengaruh terhadap
Keputusan Investor
2,028
0,043 Diterima
H3
Momentum
berpengaruh terhadap
Keputusan Investor
4,335
0,0002 Diterima
Sumber: Data diolah SmartPLS 2019
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
UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 21 TAHUN 2011
TENTANG OTORITAS JASA KEUANGAN
118
UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 20 TAHUN 2008
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
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
Tahun Return TVA Risk Size BM J3 J6 J12 EPS ROE DER
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
Tahun Return TVA Risk Size BM J3 J6 J12 EPS ROE DER
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
Tahun Return TVA Risk Size BM J3 J6 J12 EPS ROE DER
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
Perusahaan Total Asset LN Rata-Rata Tahun Perusahaan Total Asset LN Rata-rata
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
Perusahaan Total Asset LN Rata-Rata Tahun Perusahaan Total Asset LN Rata-rata
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