SKRIPSI

PERBANDINGAN KEAKURATAN CAPM DAN APT

DALAM MEMPREDIKSI TINGKAT PENDAPATAN SAHAM

LQ 45 ( PERIODE 2006 – 2009 )

OLEH :

Nama : Andri

NIM : 205081000127

Jurusan: Manajemen Keuangan

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2010

DAFTAR RIWAYAT HIDUP

Nama Lengkap : Andri

Tempat/Tanggal Lahir : Tangerang, 28 Juli 1987

Alamat : Kp.Pulo No.16 RT003/04 Cipondoh Tangerang

Telp & HP : (021)5447829 / 02194731216

Agama : Islam

Status : Belum Menikah

Kebangsaan : Indonesia

Moto Hidup : “Hidup Adalah Perjalanan Untuk Berdoa, Bekerja,

dan Berusaha, Karena Semua Itu Adalah Ibadah”

PENDIDIKAN FORMAL

1. SD Negeri 04 Pagi

2. SMP Negeri 176 Duri Kosambi

3. SMK Negeri 42 Jakarta Barat

4. Universitas Islam Negeri Syarif Hidayatullah Jakarta

i

ABSTRACT

This research explain a comparison of accuracy level between Capital Asset Pricing Model (CAPM) and Arbitrage Pricing Theory (APT). Variable of this research are LQ 45 stock return, Beta, Risk free, Market return, SBI and Inflation. Analysis were based on 27 stock sampel of LQ 45 that always listed from 2006 unti 2009. The analysis tools that used to measure macro economics variable in the future is Autoregressive Integrated Moving Average (ARIMA) and to find macro economics variable that represented return of LQ 45 in research is value of MAD, MSE, and MAPE.

This observational population is all return stock per corporate moon – LQ 45 already go public at Indonesian Stock Exchange. There is sample that is utilized in this research is return stock per moon of 27 LQ 45 years 2006 – 2009. This observational result that: (a ) Arbitrage Pricing Theory APT models more accurate than Capital Asset Pricing Model CAPM in predict income zoom (Return) LQ 45. That thing is looked of appreciative MAD, MSE, and MAPE which resulted by CAPM'S model is even greater to be compared with APT model.

Keyword : stock return, Beta, Risk free, Market return, SBI and Inflation.

ii

ABSTRAK

Penelitian ini menjelaskan perbandingan tingkat keakuratan model Capital Asset Pricing Model (CAPM) dengan Arbitrage Pricing Theory (APT). Variabel dalam penelitian ini adalah tingkat pendapatan saham LQ 45, Beta, Risk free, Market return, SBI dan Inflasi. Alat analisis yang digunakan untuk mengukur tingkat variabel makro yang di harapkan adalah metode Autoregressive Integrated Moving Average (ARIMA) sedangkan untuk mencari variabel makro ekonomi yang merepresentasikan return LQ 45 digunakan analisis faktor. Tingkat keakuratan teori CAPM dan APT di ukur melalui nilai MAD, MSE, dan MAPE.

Populasi penelitian ini adalah seluruh return saham per bulan perusahaan – perusahaan LQ 45 yang sudah go public di Bursa Efek Indonesia. Adapun sampel yang digunakan dalam penelitian ini adalah return saham per bulan dari 27 perusahaan LQ 45 tahun 2006 – 2009. Hasil penelitian ini menunjukan bahwa : (a) Model Arbitrage Pricing Theory (APT) lebih akurat dibandingkan Capital Asset Pricing Model (CAPM) dalam memprediksi tingkat pendapatan (Return) saham perusahaan - perusahaan LQ 45. Hal itu terlihat dari nilai MAD, MSE, dan MAPE yang dihasilkan model Capital Asset Pricing Model (CAPM) lebih besar dibandingkan dengan model Arbitrage Pricing Theory (APT).

Kata Kunci : Return, Beta, Risk free, Market return, SBI, Inflasi.

iii

KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas segala rahmat dan nikmat yang

telah diberikan. Shalawat serta salam penulis haturkan kepada Nabi Muhammad

SAW.

Perkenankan penulis menyampaikan ucapan terimakasih atas

dukungan dan bantuan dari berbagai pihak yang turut andil dalam proses

penulisan skripsi ini sehingga penulis dapat menyelesaikan skripsi yang berjudul

“Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) &

Arbitrage Pricing Model (APT) Dalam Memprediksi Tingkat Pendapatan

Saham LQ45”, semoga Allah SWT membalas kebaikannya dengan balasan yang

lebih baik, mereka adalah:

1. Orang tua tersayang, Ayahanda Muhasim dan Ibunda Sadiah yang

senantiasa memberikan doa, motivasi, dan bantuan sehingga penulis dapat

menyelesaikan penulisah skripsi ini.

2. Bapak Prof. Dr. Ahmad Rodoni selaku Pudek I Akademik sekaligus

sebagai pembimbing I dan Bapak Indoyama Nasrudin SE.,MAB selaku

Ketua Jurusan Manajemen sekaligus pembimbing II yang selalu

memberikan inspirasi-inspirasi bermakna kepada penulis dalam segala

waktu dan kesempatan.

3. Bapak Prof. Dr. Abdul Hamid, Ms., selaku Dekan Fakultas Ekonomi dan

Ilmu Sosial yang telah banyak memberi pengetahuan yang bermanfaat

bagi penulis.

iv

v

4. Teman-teman seperjuangan semasa kuliah, Sadik, Dian, Erwin, Nova, Zein,

Hariyadi, Rosalina, Endang, Chafitz, Imam, Edi, Arif, Uden, Alfian, we did it

great brothers.

5. Terima kasih spesial untuk Ferdy, Andri Hari Prasetyo yang telah banyak

membantu penulis dan memberikan motivasi.

6. Teman Kerja di PT. Glenindo Citramandiri, Pak Yongki Widjaya, Ibu Sifie,

Pak Tedy Gamma, Pak Herman, Pak Subur, Astrid, Retno, Ria. Nice job

partners.

Penulis Menyadari bahwa skripsi ini belum sempurna, tetapi besar

harapan penulis skripsi ini dapat membawa nama baik almamater terutama Fakultas

Ekonomi dan Ilmu Sosial dan dapat membantu peneliti lain yang akan melanjutkan

penelitian.

Jakarta, 11 Juni 2010

Penulis

DAFTAR TABEL No. Keterangan Halaman 3.1 Daftar Perusahaan LQ 45 Periode 2006 – 2009............................... 52 4.1 Return Marker (RM) Periode 2006 – 2009....................................... 68 4.2 Risk Free (RF) Periode 2006 – 2009................................................ 70 4.3 Beta Terhadap Return....................................................................... 72 4.4 KMO and Bartlett's Test................................................................... 73 4.5 Communalities.................................................................................. 74 4.6 Total Variance Explained................................................................. 75 4.7 Componen Matrix............................................................................. 76 4.8 Rotated Component Matrix.............................................................. 76 4.9 Inflasi Indonesia Periode 2006 – 2009............................................. 78 4.10 SBI Periode 2006 – 2009.................................................................. 79 4.11 Expected Return CAPM................................................................... 80 4.12 Correlogram SBI............................................................................... 81 4.13 Correlogram Inflasi........................................................................... 82 4.14 Model Arima SBI............................................................................. 83 4.15 Model Arima Inflasi......................................................................... 84 4.16 Perubahan Tingkat Inflasi Actual, Perubahan Tingkat Inflasi Yang Diharapkan, dan Perubahan Tingkat Inflasi Yang Tidak Diharapkan.. 85 4.17 Perubahan SBI Actual, Perubahan SBI Yang Diharapkan, Perubahan SBI Yang Tidak Diharapkan............................................................... 86 4.18 Expected Return APT........................................................................ 88 4.19 Return Perusahaan LQ 45 Dengan Kolmogorov-Smirnov................. 90 4.20 Pengujian Durbin Watson Pada Market Model CAPM..................... 92 4.21 Pengujian Dirbin Watson Pada Model APT...................................... 93 4.22 Nilai MAD......................................................................................... 95 4.23 Nilai MSE.......................................................................................... 97 4.24 Nilai MAPE....................................................................................... 99

x

DAFTAR GAMBAR No. Keterangan Halaman 2.1 Kurva Risiko Sistematik Dan Non Sistematik................................. 22 2.2 Estimasi Model Arima...................................................................... 43 2.3 Kerangka Pemikiran......................................................................... 50 4.1 Scree Plot Eiqenvalue Analisis Faktor............................................. 76

xi

xii

DAFTAR LAMPIRAN No. Keterangan Halaman 1. Actual Return.................................................................................... 104 2. Beta Model CAPM........................................................................... 107 3. Expected Return Model CAPM........................................................ 110 4. Expected Return Model APT............................................................ 113 5. Uji Normal Kolmogorov-Smirnov Model CAPM............................. 116 6. Uji Normal Kolmogorov-Smornov Model APT................................ 117 7. Autokorelasi Model CAPM.............................................................. 120 8. Autokorelasi Model APT................................................................... 121 9. Analisis Faktor Model APT.............................................................. 121 10. Arima Model APT............................................................................. 123 .

BAB I

PENDAHULUAN

A. Latar Belakang

Iklim investasi di Indonesia secara keseluruhan sangat menarik bagi akses

investasi asing. Ketersediaan insentif fiskal untuk menarik investor asing, tidak ada

batasan nilai investasi, kemungkinan investor asing untuk memiliki seluruhnya

investasi mereka dalam hampir semua sektor dan proses persetujuan investasi yang

telah disederhanakan merupakan sebagian dari keuntungan bagi investasi asing untuk

menanamkan modalnya di Indonesia. Sebagai negara anggota ASEAN, Indonesia

terletak di persimpangan dua benua besar, yaitu Asia dan Australia, dan Samudera

Hindia dan Samudera Pasifik, menawarkan beberapa keunggulan komparatif kepada

investor dengan rentang dan perpaduan yang menarik seperti:

• Negara yang luas dan subur yang dilimpahi dengan sumber daya alam yang

kaya dan terdiversifikasi, antara lain, pertanian, perkebunan, perikanan,

tambang, minyak dan gas.

• Jumlah penduduk yang besar, yaitu kurang lebih 210 juta penduduk, yang

sangat dinamis dalam menyesuaikan diri terhadap kemajuan, suatu pasar yang

berpotensi sangat besar serta angkatan kerja yang kompetitif.

• Lokasi yang strategis mengendalikan jalur komunikasi laut internasional yang

sangat penting.

• Negara yang semakin demokratis.

1

1

Ekonomi terbuka yang berorientasi pasar, dengan rezim pertukaran mata

uang asing yang bebas. Pemerintah Indonesia menyadari bahwa investasi merupakan

salah satu faktor paling penting dalam menggerakkan pertumbuhan ekonomi dan,

dengan demikian, berupaya keras untuk memperbaiki prosedur investasi di masa

mendatang agar dapat merangsang iklim investasi yang lebih menguntungkan

(www.IDX.com).

Bursa Efek Jakarta (BEJ) ditetapkan menjadi bursa efek skala

internasional, yang mampu memberikan peluang investasi sesuai dengan

perkembangan ekonomi Indonesia. BEJ ditetapkan untuk ambil bagian dalam

mengembangkan basis investor dalam negeri yang besar dan mapan untuk

menjamin Pasar Modal Indonesia yang stabil. Tahun 1995 menandai awal baru

bagi BEJ. Pada tanggal 22 Mei 1995, BEJ meluncurkan Jakarta Automated

Trading System (JATS) [Sistem Perdagangan Terotomatisasi Jakarta], suatu

sistem terkomputerisasi yang menggantikan sistem perdagangan manual. Sistem

baru ini akan memfasilitasi frekuensi perdagangan saham yang lebih tinggi dan

memastikan terwujudnya pasar yang lebih adil dan lebih transparan dibandingkan

dengan sistem perdagangan manual. Sejak bulan Februari 2007, terdapat 342

perusahaan yang tercatat di BEJ. Dibandingkan dengan pasar saham di wilayah

Asia Pasifik pada tahun 2006, BEJ termasuk ke dalam 3 pasar saham Papan Atas

di wilayah Asia Pasific sesudah Shanghai dan Shenzen. Pada Desember 2006,

kapitalisasi pasar BEJ mencapai IDR 1.246.0 Triliun, naik 55,5% dari IDR 801,3

Triliun di akhir transaksi pasar 2005. Jumlah reksadana di Indonesia pada tahun

2006 meningkat 22,02% yaitu dari 327 reksadana pada tahun 2005 menjadi 399

2

reksadana pada tahun 2006, disamping selain nilai aset bersih reksadana yang

secara signifikan meningkat (79,23%) dari IDR 29,17 Triliun di bulan Desember

2005 menjadi IDR 52,28 Triliun pada tahun 2006. Pada bulan Desember 2006,

terdapat 108 fund manager dan 9 konsultan keuangan. Dan berdasarkan nilai

reksadana, terdapat peningkatan nilai reksadana dari IDR 48,07 Triliun di bulan

Desember 2005 menjadi IDR 71.15 Triliun di bulan Oktober 2006, atau meningkat

32,44%.(www.IDX.com).

Investasi merupakan sebuah cara alternativ yang dapat digunakan untuk

meningkatkan nilai asset di masa depan, dengan melakukan investasi, menurunnya

purchasing power akibat inflasi dapat di ofsett oleh return yang di dapatkan dari

investasi ( Tandelilin,2001 dalam Puji Fitriana : 2005 ). Menurut Widiatmodjo,S

2000 (dalam Michell Suharli: 2005), Ekspetasi dari para investor terhadap

investasinya adalah memperoleh tingkat pendapatan (return) saham sebesar - besarnya

dengan resiko tertentu. Return tersebut dapat berupa capital gain ataupun dividen

untuk investasi pada saham dan pendapatan bunga untuk investasi pada surat hutang.

Dividen merupakan salah satu bentuk peningkatan wealth pemegang saham ( Suharli:

2004). Investor akan sangat senang apabila mendapatkan return investasi yang

semakin tinggi dari waktu ke waktu. Oleh karena itu, investor dan investor potensial

memiliki kepentingan untuk mampu memprediksi berapa besar investasi mereka.

Sesuai dengan pendapat Widiatmodjo (2000 : 84) Investor selalu mencari alternative

investasi yang memberikan return tertinggi dengan tingkat risiko tertentu. Mengingat

risiko yang melekat pada investasi saham lebih tinggi dari pada investasi pada

perbankan, return yang diharapkan juga lebih tinggi.

3

Horne dan Wachoviz (2005: 26) mendefinisikan return sebagai:”Return as

benefit which related with owner that includes cash dividend last year which is paid,

together with market cost appreciation or capital gain which is realization in the end

of the year”. Menurut Jones (2003: 124) “return is yield and capital gain (loss)”.(1)

Yield, yaitu cash flow yang dibayarkan secara periodic kepada pemegang saham dalam

bentuk dividen, (2) Capital Gain (loss), yaitu selisih antara harga saham pada saat

pembelian dengan harga saham pada saat penjualan. Hal tersebut diperkuat oleh

Corrado dan Jordan (2000:5) yang menyatakan bahwa “Return from investment

security is cash flow and capital gain/loss”.

Investasi sendiri dapat digolongkan ke dalam dua jenis, yaitu investasi pada

real asset dan investasi pada financial asset ( Achisien, 2003 dalam Puji Fitriana

2009). Investasi pada real asset dapat dilakukan dengan membeli peralatan, pendirian

pabrik, perbaikan mesin produksi, dll. Sedangkan investasi pada financial asset

(instrument kauangan) dapat dilakukan pada pasar uang (berupa sertifikat deposito,

commercial paper, dll) maupun pasar modal (berupa saham, obligasi, dll). Investor

pada umumnya merupakan pihak yang sangat tidak menyukai resiko tetapi

menginginkan return yang maksimal. Untuk itulah dewasa ini , invesatsi di sektor

financial menjadi primadona di kalangan investor, karena menjanjikan tingkat return

yang lebih tinggi dibandingkan dengan investasi di sektor real asset maupun pasar

uang ( Achisien, 2003 dalam Puji Fitriana 2009 ). Meskipun investasi di pasar modal

menjanjikan tingkat return yang lebih tinggi, namun kita perlu ingat bahwa semakin

besar return, maka tingkat resikonya akan semakin besar pula. Untuk itulah sebagai

seorang investor yang rasional, hal yang paling penting untuk deperhatikan adalah

4

bagaimana investasi dapat menghasilkan return optimal pada tingkat resiko yang

minimal ( Tandelilin,2001 dalam Puji Fitriana:2009).

Pasar modal didefinisikan sebagai institusi dan prosedur yang menyediakan

semua sarana untuk bertransaksi dalam instrument keuangan jangka panjang (R.Agus

Sartono 2002 : 21). Pasar modal di Indonesia dimulai ketika Pemerintah Hindia

Belanda mendirikan Bursa Efek di Jakarta (Batavia) pada akhir tahun 1912, sejak saat

itu pasar modal Indonesia mengalami pasang surut dalam perkembangannya sejalan

dengan kondisi pemerintahan dan perekonomian Negara. Salah satu perkembangan

paling signifikan adalah yang terjadi pada tahun 1987 saat pemerintahan

mengeluarkan paket 24 Desember 1987 (PAKDES 87) yang berkaitan dengan

pengembangan pasar modal yaitu menyarankan agar perusahaan di Indonesia untuk go

public dan investor asing menginvestasikan uang mereka di Indonesia (R.Agus

Sartono 2002 : 21).

Estimasi Stock Return atau cost of equity untuk saham individual adalah hal

yang sangat krusial untuk pengambilan keputusan keuangan seperti manajemen

portofolio, Capital budgeting, dan evaluasi kinerja (Husnan, S 1993 dalam

Effendi:2008). Dalam memprediksi pendapatan saham yang diharapkan, ada dua

model yang sering kali digunakan para investor, yaitu Capitasl Asset Pricing Model

(CAPM) dan Arbitrage Pricing Theory (APT) ( Bodie.et.al. 2005:). kedua model ini

sampai saat ini masih menjadi perdebatan para ahli manajemen keuangan tentang

ketepatan model tersebut dalam memprediksi tingkat pendapatan (return) suatu saham.

Capital Asset Pricing Model (CAPM) yang diperkenalkan oleh Sharp

(1964) dan Lintner (1995) merupakan model untuk menentukan harga suatu assets

pada kondisi equilibrium ( Bodie.et.al.2005:). Perhatian mengenai model

5

keseimbangan ini telah secara menerus dikembangkan. Beberapa diantaranya adalah

Sharpe (1964) dan Treynor (1961) yang mengembangkan formulasi mean-variance.

Formulasi ini kemudian dikembangkan lebih lanjut dan diklarifikasi oleh Lintner

(1965), Mossin (1966), Fama (1968) dan Long (1972). Sebagai tambahan, Treynor

(1965), Sharpe (1966), dan Jensen (1968-1969) telah mengembangkan evaluasi

portofolio yang mendasarkan pada Capitas Asset Pricing Model ini

(Husnan,S.2002.dalam Efendi Arianto:2007). Dalam keadaan equilibrium tingkat

keuntungan yang diisyaratkan oleh pemodal untuk suatu saham akan dipengaruhi oleh

resiko saham tersebut (Tandelilin,2001:90).

Sebagian investor merasa lebih nyaman dengan adanya gagasan bahwa

diperlukan risiko yang lebih tinggi untuk mendapatkan return yang lebih tinggi.

Dengan adanya tingkat ketidakpastian yang semakin tinggi, return yang diperlukan

untuk mengimbangi resiko tersebut juga akan semakin tinggi yang selanjutnya akan

menurunkan harga yang ingin dibayarkan oleh investor untuk asset tersebut. Lebih

jauh lagi para ekonom telah mengasumsikan bahwa investor bersifat risk-averse,

dimana mereka mau mengorbankan return mereka dengan tujuan untuk mengurangi

risiko yang mereka terima. Terdapat dua jenis risiko yang mempengaruhi return pada

saham (R.Agus Sartono 2002 : 169)., yaitu sebagai berikut:

Resiko sistematik (systematic risk) adalah segala jenis risiko yang

mempengaruhi sejumlah besar asset, masing – masing pada tingkat yang lebih tinggi

atau lebih rendah. Risiko non-sistematik (unsystematic risk) adalah risiko yang secara

spesifik mempengaruhi suatu asset atau beberapa asset saja. Jika asumsi ini benar,

maka kita akan mengharapkan investor untuk meminta return yang lebih tinggi untuk

6

mengimbangi risiko tambahan yang diterima oleh pemegang asset yang lebih tinggi

risikonya (R.Agus Sartono 2002 : 169).

CAPM kemudian menjadi model yang sangat populer untuk digunakan

karena kemudahan dalam aplikasinya. CAPM memprediksi bahwa hanya ada satu

jenis risiko sistematik yang mempengaruhi return saham dan risiko itu adalah “Risiko

Pasar”. Selanjutnya Ross tahun 1976 memperkenalkan model kedua yaitu Arbitrage

Pricing Theory (APT) yang dianggap sebagai model yang lebih baik dari CAPM

(Bodie.et.al. 2005 : 456 ). Asumsi – asumsi dalam APT bersifat lebih umum daripada

CAPM dalam mengakomodasi sumber risiko yang bervariasi. Hal ini sesuai dengan

logika bahwa faktor – faktor seperti tingkat suku bunga, inflasi, serta aktivitas bisnis

memiliki dampak yang signifikan terhadap tingkat perubahan return saham.

Weston.et.al.1996 (dalam Muhammad Madyan:2004), Kelemahan-

kelemahan empiris yang terjadi pada model Capital Asset Pricing Model (CAPM)

mendorong para ahli manajemen keuangan untuk mencari model alternatif yang

menerangkan hubungan pendapatan dengan risiko saham. Pada tahun 1976 Stephen A.

Ross merumuskan sebuah teori yang disebut dengan Arbitrage Pricing Theory (APT).

Meskipun model ini tidak bisa secara keseluruhan memecahkan kekurangan yang

terjadi pada model CAPM, tetapi model inilah yang pertama kali dikembangkan untuk

mencoba mengeliminir kekurangan-kekurangan yang terjadi pada model CAPM dan

mempunyai kesempatan untuk menggantikan model tersebut . APT menyatakan

bahwa harga suatu aktiva bisa dipengaruhi oleh berbagai faktor, tidak hanya satu

faktor (portofolio pasar) seperti yang telah dikemukakan pada teori CAPM

(Weston.et.al.1999 dalam Gancar Candra:2004). Menurut Reilly, 2000 (dalam

Muhammad Madyan:2004), seperti halnya CAPM, APT menggambarkan hubungan

7

antara risiko dan pendapatan, tetapi dengan menggunakan asumsi dan prosedur yang

berbeda. Tiga asumsi yang mendasari model Arbitrage Pricing Theory (APT) adalah:

(1) pasar modal dalam kondisi persaingan sempurna, (2) para investor selalu lebih

menyukai kekayaan yang lebih daripada kurang dengan kepastian, (3) hasil dari proses

Stochastic artinya bahwa pendapatan asset dapat dianggap sebagai K model faktor

(Reilly : 2000;195).

Gancar Candra Premananto dan Muhammad Madyan.2004, meneliti

mengenai Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) Dan

Arbitrage Pricing Theory (APT) Dalam Memprediksi tingkat pendapatan saham

industri perbankan dan lembaga keuangan selain bank sebelum dan semasa krisis

ekonomi di Bursa Efek Jakarta. Hasil penelitiannya menemukan bahwa model CAPM

lebih akurat dibandingkan APT baik sebelum dan semasa krisis ekonomi. Gancar

Candra Premananto dan Muhammad Madyan (Jurnal Penelitian Dinamika 2004 : 125

- 139) juga meneliti mengenai Perbandingan Keakuratan Capital Asset Pricing Model

(CAPM) Dan Arbitrage Pricing Theory (APT) Dalam Memprediksi Tingkat

Pendapatan Saham Industri Manufaktur Sebelum Dan Semasa Krisis Ekonomi. Hasil

penelitiannya menemukan bahwa model CAPM lebih akurat dibandingkan APT baik

sebelum dan semasa krisis ekonomi.

Penelitian sebelumnya yang dilakukan oleh Gancar Chandra Premananto

dan Muhammad Madyan ( 2004) menggunakan variabel independen yaitu CAPM dan

APT. Peneliti menguji keakuratan CAPM dan APT dalam memprediksi return saham,

dimana pergerakan keseluruhan saham direpresentasikan oleh sebuah indeks pasar

yang disebut IHSG. Selain IHSG terdapat pula indeks pasar yang hanya terdiri dari 45

saham terlikuid dan memiliki pangsa pasar yang besar yaitu LQ45. LQ-45 diciptakan

8

oleh BEI dan terdiri dari hanya 45 saham likuid dan berfundamental bagus. kinerja

LQ45 mampu merefleksikan pasar ekuiti, lebih praktis dan likuiditas yang jauh lebih

baik dari IHSG.

Penelitian yang dilakukan oleh Andri Hari Prasetyo Mengenai keakuratan

model CAPM dan APT dalam memprediksi return LQ 45 periode 2006 – 2008 juga

memberikan kesimpulan bahwa model CAPM Lebih Akurat dibandingkan dengan

APT yang menggunakan faktor inflasi, tingkat suku bunga dan kurs. Pada APT

menggunakan tiga variabel yaitu perubahan tingkat suku bunga yang tidak

diharapkan. Sedangkan khususnya APT pada penelitian ini penulis mencoba

menambahkan satu variabel lagi yaitu perubahan jumlah uang beredar selain tingkat

inflasi, tingkat suku bunga SBI, perubahan kurs (dalam hal ini rupiah terhadap dollar).

Pada penelitian sebelumnya variabel dependen yang digunakan adalah tingkat

pendapatan saham industri manufaktur sebelum dan semasa krisis ekonomi sedangkan

pada penelitian ini variabel dependen yang digunakan adalah return saham LQ-45

yang terdaftar di Bursa Efek Indonesia periode 2006-2009.

Berdasarkan penelitian yang dilakukan maka hasil analisis ini akan dapat

memperbandingkan model mana yang lebih akurat digunakan untuk memprediksi

return saham. Motivasi inilah yang mendorong untuk dilakukan sebuah penelitian

tentang perbandingan keakuratan model keseimbangan CAPM dan APT. Guna

mempermudah dan memperjelas ruang lingkup pembahasan maka penelitian tersebut

akan dikhususkan pada saham-saham yang membentuk indeks LQ-45, yaitu saham

yang stabil dan aktif serta likuid, sehingga mudah diperjualbelikan baik dalam kondisi

pasar bearish maupun bullish.

9

Berdasarkan latar belakang diatas maka penulis mengambil judul skripsi

ini: ”Perbandingan Keakuratan Capital Asset Pricing Model (CAPM) Dan

Arbitrage Pricing Theory (APT) Dalam Memprediksi Tingkat Pendapatan Saham

LQ-45 Di Bursa Efek Indonesia”.

Mengingat faktor-faktor yang mempengaruhi pergerakan saham amat

banyak, maka dalam pembahasan penelitian ini penulis membatasi masalah hanya

pada variabel-variabel tertentu (return market, perubahan tingkat inflasi, perubahan

tingkat suku bunga SBI, perubahan kurs, dan perubahan jumlah uang yang beredar)

terhadap return saham pada beberapa perusahaan di Bursa Efek Indonesia. Ruang

lingkup penelitian ini hanya dibatasi pada perusahaan-perusahaan yang hanya

terdaftar dalam LQ-45 pada Bursa Efek Indonesia. Sampel perusahaan ditentukan

dengan syarat yaitu: perusahaan - perusahaan yang terdaftar di Bursa Efek Indonesia

yang mempunyai data keuangan yang lengkap dan dapat diandalkan kebenarannya

dan yang saham - sahamnya aktif diperdagangkan di Bursa Efek Indonesia pada tahun

2006 - 2009.

B. Perumusan Masalah

Berdasarkan uraian latar belakang diatas, maka rumusan masalah di dalam

penelitian ini adalah, antara lain:

1. Model Manakah (CAPM atau APT) yang lebih akurat dalam memprediksi return

saham LQ-45 di Bursa Efek Indonesia.

C. Tujuan dan Manfaat Penelitian

1. Berdasarkan perumusan masalah di atas maka tujuan penelitian meliputi:

10

11

a. Menganalisis model CAPM atau APT yang lebih akurat dalam memprediksi

return saham LQ-45 di BEI.

2. Penelitian ini diharapkan bermanfaat untuk berbagai kepentingan, diantaranya

sebagai berikut:

a. Bagi Investor Maupun Calon Investor

Hasil penelitian ini diharapkan dapat digunakan sebagai bahan

masukan dalam pengambilan keputusan investasi yang optimal khususnya

perusahaan yang tergolong LQ-45.

b. Bagi Penulis

Dapat mengaplikasikan ilmu manajemen khususnya bidang

keuangan dan pasar modal yang telah diperoleh selama kuliah dalam

menganalisis perbandingan keakuratan CAPM dan APT dalam memprediksi

return saham LQ-45.

c. Bagi Akademik

Dapat memberikan sedikit masukan dan informasi yang

diharapkan mampu memberikan manfaat baik dalam bidang akademik

maupun dalam bidang praktisi.

d. Bagi Peneliti Selanjutnya

Dapat memberikan masukkan bagi peneliti selanjutnya dan

menjadikan penelitian ini sebagai informasi pelengkap dalam penyusunan

penelitian yang sejenis

BAB II

TINJAUAN PUSTAKA

A. Investasi

1. Pengertian Investasi

Menurut Reilly dalam Muhammad Madyan (2004 : 2) mendefinisikan

investasi secara lebih spesifik yaitu sebagai pengalokasian saat ini atas sejumlah

uang selama periode waktu tertentu untuk memperoleh pembayaran di masa

depan yang akan memberi imbalan kepada investor atas (1) waktu selama dana

dialokasikan (2) tingkat inflasi yang diharapkan (3) ketidakpastian dari

pembayaran masa depan. Untuk mengelola investasi dengan baik, diperlukan

suatu ilmu yang disebut dengan manajemen investasi.

Sedangkan E.A Koetin dalam Fauzan (2007;7). Investasi adalah

penggunaan uang untuk objek – objek tertentu dangan tujuan bahwa objek

tersebut selama jangka waktu investasi akan meningkat, paling tidak bertahan dan

selama jangka waktu itu pula memberikan hasil secara teratur.

Menurut Donald E. Fischer dan Ronald J. Jordan dalam Komarruddin

Ahmad (2004:1), An Investment is a commitment of funds made in the expectation

of some positive rate of return. Sedangkan menurut Jack Clark Francis dalam

buku yang sama juga menyatakan An Investment is a commitment of money that is

expected to generate of additional money. Dalam kommarruding Ahmad (2004:3),

Investasi adalah menempatkan uang atau dana dengan harapan untuk memperoleh

tambahan atau kekurangan tertentu atas uang atau dana tersebut. Menurut

12

Bodie.et.al. (2007:54), investasi dikategorikan menjadi dua jenis yaitu asset rill

(real asset) dan asset keuangan (financial asset). Asset rill adalah bersifat

berwujud seperti gedung – gedung, kendaraan, dan sebagainya. Sedangkan aset

keuangan merupakan dokumen (surat – surat) klaim tidak langsung pemegangnya

terhadap aktiva rill pihak yang menerbitkan sekuritas tersebut. Bagi seseorang

yang ingin melakukan investasi yang menguntungkan atau setidak – tidaknya

mengamankan kekayaan dari berbagai resiko yang mungkin terjadi, dia

mempunyai banyak pilihan investasi.

Menurut Suad Husnan (1996:19), investasi adalah setiap penggunaan

uang dengan maksud untuk memperoleh penghasilan. Dalam suatu investasi selalu

dipastikan terdapat unsur risiko. Keputusan investasi berkaitan positif dengan

perbandingan antara tingkat pengembalian dan risiko. Berkaitan dengan risiko

dalam suatu investasi, maka terdapat dua jenis investasi berdasarkan tingkat risiko,

yaitu:

a. Investasi bebas risiko: jenis investasi ini memiliki tingkat risiko yang relatif

kecil, dan biasanya memberikan tingkat keuntungan rendah. Yang termasuk

dalam investasi bebas risiko yaitu deposito berjangka dan obligasi.

b. Investor berisiko: suatu jenis investasi yang ditandai dengan tingkat

keuntungan dan risiko yang berfluktuasi dimana investor mungkin saja tidak

mendapatkan keuntungan atau sebaliknya yang termasuk dalam investasi

berisiko yaitu investasi saham.

Dari pengertian di atas dapat disimpulkan bahwa investasi saham

adalah menempatkan uang dan dana dalam pembelian efek berupa saham dengan

13

harapan mendapatkan tambahan atau keuntungan tertentu atas dana yang

diinvestasikan dalam perdagangan saham tersebut di bursa efek.

2. Motif Investasi

Menurut Warsono dalam Aliansyah (2001:8), dalam melakukan

investasi, investor dikelompokkan ke dalam tiga bentuk, yaitu:

a. Risk Seeker

Risk seeker atau yang lebih dikenal dengan pengambil risiko, yaitu

investor yang di dalam melakukan investasi lebih menyukai adanya risiko.

Mereka memandang, semakin besar tingkat risiko yang mereka ambil maka

akan menghasilkan tingkat pengembalian (return of investment) yang besar

pula.

b. Risk Averter

Risk averter atau penghindar risiko adalah investor yang enggan

atau tidak suka terhadap adanya investasi. Mereka beranggapan bahwa di

dalam melakukan investasi jika terdapat risiko, akan berakibat pengembalian

menjadi berkurang dan bisa jadi investasi yang mereka tanamkan akan hilang.

c. Risk indeference

Investor jenis ini sering pula disebut sebagai investor yang acuh

terhadap risiko. Para investor tidak memandang seberapa besar risiko yang

bakal mereka hadapi, mereka hanya mempunyai keinginan untuk

berinvestasi. Tinggi rendahnya tingkat risiko tidak berpengaruh terhadap

investor dalam berinvestasi. Sebagai surat berharga yang ditransaksikan di

14

pasar modal, harga saham selalu mengalami fluktuasi harga tersebut pada

kekuatan penawaran dan permintaan.

Dalam pasar modal tersebut selalu mengandung kelebihan dan

kekurangan. Investasi yang dilakukan selalu mengandung dua sisi yaitu

keuntungan dan kerugian dalam melakukan penanaman modal.

3. Tujuan Investasi

Menurut Kommarrudin Ahmad (2004:3), ada beberapa alasan mengapa

seseorang melakukan investasi, antara lain adalah:

a. Untuk mendapatkan kehidupan yang lebih layak di masa yang akan datang.

Seseorang yang bijak akan berfikir bagaimana cara meningkatkan taraf

hidupnya dari waktu ke waktu atau setidak-tidaknya bagaimana berusaha

untuk mempertahankan tingkat pendapatannya yang ada sekarang agar tidak

berkurang di masa yang akan datang.

b. Mengurangi tekanan inflasi. Dengan melakukan investasi dalam memilih

perusahaan atau objek lain seseorang dapat menghindarkan diri agar kekayaan

atau harta miliknya tidak merosot nilainya karena digerogoti oleh inflasi.

c. Dorongan untuk menghemat pajak. Beberapa negara di dunia banyak yang

melakukan kebijakan yang sifatnya mendorong tumbuhnya investasi di

masyarakat melalui fasilitas perpajakan yang diberikan kepada masyarakat

yang melakukan investasi pada bidang-bidang usaha tertentu.

15

4. Jenis Investasi

Investasi sendiri dapat digolongkan ke dalam dua jenis, yaitu investasi

pada real asset dan investasi pada financial asset ( Achisien, 2003 dalam Puji

Fitriana 2009). Investasi pada real asse dapat dilakukan dengan membeli

peralatan, pendirian pabrik, perbaikan mesin produksi, dll. Sedangkan investasi

pada financial asset (instrument kauangan) dapat dilakukan pada pasar uang

(berupa sertifikat deposito, commercial paper, dll) maupun pasar modal (berupa

saham, obligasi, dll).

B. Teori Portofolio

Menurut R. Agus Sartono dalam manajemen keuangan (2002:259)

portofolio adalah sekumpulan investasi, baik pada aktiva rill maupun pada aktiva

keuangan. Teori portofolio menekankan pada usaha untuk mencari kombinasi

investasi optimal yang memberikan tingkat pengembalian atau rate of return

maksimal pada suatu tingkat risiko tertentu. Teori portofolio yang akan dibahas

pada bagian ini lebih berfokus pada investasi pada financial asset seperti saham.

Tingkat pengembalian yang diharapkan dari suatu portofolio merupakan rata –

rata tertimbang dari tingkat pengembalian berbagai aktiva keuangan di dalam

portofolio tersebut. Sedangkan risiko portofolio ditunjukan oleh besar kecilnya

penyimpangan tingkat pengembalian yang diharapkan. Semakian besar simpangan

tingkat pengembalian yang diharapkan berarti semakin besar tingkat risikonya.

C. Return Saham Dan Return Market Serta Pengukurannya

Menurut Ahmad Rodoni dan Othman Yong (2002:11), Return atau

tingkat keuntungan merupakan persentase kekayaan pemegang saham untuk

16

sesuatu jangka waktu. Peningkatan dalam rupiah adalah sama dengan deviden

tunai yang diterima dalam satu jangka waktu ditambah dengan perubahan dalam

nilai saham yang berlaku pada jangka waktu tersebut. Tingkat pengembalian

saham (return) merupakan suatu pendapatan saham atau tingkat keuntungan yang

berasal dari perubahan harga saham dan diperoleh dari deviden yang dihasilkan

ditambah selisih antara harga saham pada periode tertentu dan harga saham pada

periode berikutnya (Maulidah dan Irwan Gunawan dalam Widayanti 2007:24).

Menurut Sunariyah dalam Hamidah (2005:8) tingkat pengembalian

investasi saham ditentukan berdasarkan ratio perubahan harga saham individual.

Indeks harga saham individual menggambarkan suatu rangkaian informasi historis

mengenai pergerakan harga masing-masing saham, sampai pada periode tertentu,

yang dapat berfungsi sebagai pengukuran kinerja suatu saham di bursa efek.

Menurut Siebert dalam Widayanti (2007:25), total return adalah keseluruhan uang

yang diterima oleh investor dalam saham, merupakan kombinasi antara deviden

dan capital gain. Return saham merupakan hasil yang diperoleh dari investasi

saham. Return saham dapat berupa imbalan realisasi yang sudah terjadi expected

return yang belum terjadi tetapi diharapkan akan terjadi di masa mendatang.

Imbalan realisasi (realized return) merupakan imbalan yang telah

terjadi. Imbalan realisasi dihitung berdasarkan data historis. Imbalan realisasi

penting karena digunakan sebagai salah satu pengukur kinerja perusahaan.

Imbalan ini juga berguna sebagai dasar penentuan expected return dan risiko di

masa datang.

Imbalan yang diharapkan (expected return) adalah imbalan yang

diharapkan akan diperoleh oleh investor di masa mendatang. Berbeda dengan

17

imbalan realisasi yang sifatnya sudah terjadi, imbalan harapan sifatnya belum

terjadi (Jogiyanto, 2003:109). Komponen return saham meliputi :

1. Capital gain (loss), merupakan keuntungan (kerugian) bagi investor yang

diperoleh dari kelebihan harga jual (harga beli) di atas harga beli harga jual)

yang keduanya terjadi di pasar sekunder.

2. Dividend yield, merupakan pendapatan atas aliran kas yang diterima investor

secara periodik, misalnya berupa deviden atau bunga. Yield dinyatakan dalam

presentase dari modal yang ditanamkan.

Dari kedua komponen return tersebut, selanjutnya dapat dihitung

return total dan rate of return sebagai berikut :

Return Total = Capital Gain (loss) + devidend yield

Rate of Return = Cash Payment Received + Price Change Over The period

Purchase Price of The Security

Dalam melakukan penelitian biasanya return saham yang digunakan

adalah return saham yang berasal dari capital gain dan dividend yield, karena

dividen mempunyai sifat yang tetap sehingga relevan jika dimasukkan ke dalam

penelitian. Keputusan investor memilih suatu saham sebagai objek investasinya

membutuhkan data historis terhadap pergerakan saham yang beredar di bursa, baik

secara individual, kelompok, dan gabungan. Mengingat transaksi investasi saham

terjadi pada setiap saham dengan variasi permasalahan yang sangat rumit dan

berbeda-beda, pergerakan harga saham memerlukan identifikasi dan penyajian

informasi yang bersifat spesifik (Reilly dalam Muhammad Madyan 2004 :4).

18

Return saham dapat dihitung dengan menggunakan formula berikut:

Rit = (Pi,t – Pi, t-1)

Pi,t-1

Dimana :

Ri,t = Return saham ke-i pada periode t

Pi,t = Harga saham ke-i pada periode t

Pi,t-1 = Harga saham ke-i pada periode t

Agar keputusan investasi yang diambil para investor tidak keliru,

mereka perlu juga memperhatikan tren atau pergerakan tingkat return pasar.

Investor selalu mencari investasi pada saham yang returnnya lebih besar daripada

return pasar. Return pasar pada umumnya dipengaruhi oleh hargaharga saham

perusahaan gabungan dan tingkat suku bunga nominal. Return pasar adalah

jumlah yang disyaratkan dan digunakan sebagai solusi dari beberapa investasi dan

masalah-masalah keuangan perusahaan (R. Agus Sartono 2002:84).

Return pasar dihitung dengan formula:

Return Pasar (Rm) = IHSG t – IHSG t-1 IHSG t-1

Dimana :

Rm = Return pasar

IHSG t = Indeks Harga Saham Gabungan pada periode t

IHSG t-1 = Indeks Harga Saham Gabungan pada periode sebelumnya t-1

Selain itu, investor juga perlu memperhatikan return asset yang bebas

risiko agar return yang sudah diperoleh sudah melebihi return minimum yang

disyaratkan. Secara teoritis, imbalan asset bebas risiko adalah imbalan minimum

19

yang diharapkan investor untuk investasinya sehingga investor tidak akan

menerima risiko tambahan.

D. Risiko

Risiko merupakan besarnya penyimpangan antara return yang

diharapkan (expected return) dengan return yang dicapai secara nyata (actual

return). Semakin besar penyimpangannya berarti semakin besar tingkat risikonya.

Apabila risiko dinyatakan sebagai berapa jauh hasil yang diperoleh bisa

menyimpang dari hasil yang diharapkan, maka digunakan ukuran penyebaran.

Alat analisis yang digunakan sebagai ukuran penyebaran tersebutadalah variance

atau standar deviasi. Semakin besar nilainya, berarti semakin besar

penyimpangannya. Ini artinya, risiko akan semakin tinggi (R.Agus Sartono 2002 :

169).

Menurut Gallati dalam Ferry N. Idroes dan Sugiarto (2006:7), risiko

didefinisikan sebagai “a condition in which there exist an exposure to adversity”.

Bessis (2002:11) mendefinisikan risiko sebagai “Risks are uncertainties resulting

in adverse variations of probability or in losses”. Kemudian Ferry N. Idroes dan

Sugiarto (2006: 7) risiko didefinisikan sebagai “chance of a bad outcome”,

maksudnya adalah suatu kemungkinan akan terjadinya hasil yang tidak

diinginkan, yang dapat menimbulkan kerugian apabila tidak diantisipasi serta

tidak dikelola semestinya.

Menurut Bramantyo Djohanputro (2006:15), pengertian dasar risiko

terkait dengan keadaan adanya ketidakpastian dan tingkat ketidakpastiannya

terukur secara kuantitatif. Anda dapat menghitung tingkat ketidakpastian apabila

20

anda dapat memperoleh informasi. jadi, yang membedakan risiko dan

ketidakpastian adalah informasi. Menurut Agus Sartono dalam Fithroty (2005:8),

risiko adalah penyimpangan tingkat keuntungan yang diharapkan. Semakin besar

penyimpangan tingkat keuntungan yang diharapkan berarti semakin besar tingkat

risikonya.

Menurut Tjiptono Darmadji dan Hendy M. Fakhruddin (2006:205), ada

dua jenis risiko yaitu risiko sistematis dan risiko tidak sistematis. Risiko

sistematis (Systematic Risk) adalah risiko yang selalu ada dan tidak dapat

dihilangkan dengan diversifikasi. Risiko ini dihadapi seluruh perusahaan,

misalnya: resesi ekonomi, risiko suku bunga, atau inflasi, merupakan risiko yang

dihadapi seluruh perusahaan, pada sektor apapun perusahaan tersebut beroperasi.

Risiko jenis ini sering juga disebut sebagai risiko yang tidak dapat didiversifikasi

(undiversifiable risk) atau risiko pasar (market risk). Sebaliknya, risiko tidak

sistematis (nonsystematic risk) merupakan jenis risiko yang hanya dihadapi

sejumlah perusahaan dalam perekonomian atau risiko yang hanya berpengaruh

pada sejumlah kelompok aset, contohnya: sebuah kebijakan baru yang diterapkan

pada industri bank hanya berpengaruh pada bank dan tidak berdampak risiko pada

perusahaan industri lain. Risiko ini sering pula disebut risiko spesifik (specific

risk).

21

Gambar 2.1

Kurva Risiko Sistematik dan Non-Sistematik

Sumber : Stephen A. Ross,et al. (dalam Michell Suharli 2005)

E. Model Keseimbangan

Menurut Jacob dan Pettit dalam Ahmad Rodoni dan Othman Yong,

(2002:117), keseimbangan pasar adalah keadaan dimana kuantitas setiap sekuritas

dalam pasar modal yang lengkap menyamai kuantitas setiap sekuritas yang

ditawarkan kepada pasaran, oleh investor yang ingin menjual kepemilikan mereka,

oleh perusahaan yang menerbitkannya atau oleh pemerintah yang memerlukan

modal untuk membiayai pembelian aset dan harga yang keseimbangan sedemikian

dicapai dikenali sebagai harga keseimbangan.

1. Capital Asset Pricing Model (CAPM)

Capital Asset Pricing Model (CAPM) atau Model Penetapan Harga

Aset Modal merupakan sebuah alat untuk memprediksikan keseimbangan

imbal hasil yang diharapkan dari suatu aset berisiko. Pada tahun 1952, Harry

Markowitz meletakkan fondasi manajemen portofolio modern. Kemudian

(1964-1966), CAPM yang dipelopori oleh Sharpe, Lintner, dan Mossin

Diversifiable risk atau unsystematic risk

Variance of portofolio’s

return

Market risk atau systematic risk

Number of securities

22

mengasumsikan bahwa individu melakukan investasi berdasarkan teori

portofolio, yaitu setiap individu akan memaksimumkan tingkat keuntungan

pada sesuatu tahap risiko (Husnan, S dalam effendi 2008).

Menurut Liliana Inggrit Wijaya (2000:60) CAPM merupakan

model untuk menjelaskan besaran expected return. Pengertian Capital Asset

Pricing Model (CAPM) adalah merupakan model penetapan harga sekuritas

(aktiva) berisiko dalam keseimbangan pasar dalam portofolio yang

terdiversifikasi dengan baik. Capital Asset Pricing Model (CAPM) mencoba

untuk menjelaskan hubungan antara risk dan return. Dalam penilaian

mengenai risiko biasanya saham biasa digolongkan sebagai investasi yang

berisiko. Risiko sendiri berarti kemungkinan penyimpangan perolehan aktual

dari perolehan yang diharapkan (possibility), sedangkan derajat risiko (degree

of risk) adalah jumlah dari kemungkinan fluktuasi (amount of potential

fluctuation). Menurut Suad Husnan (1998:6), Definisi CAPM bahwa antara

return dan risiko mempunyai korelasi yang positif dan linier, sehingga

kenaikan risiko juga menyebabkan naiknya return, dengan demikian asumsi

CAPM sangatlah rasional, yaitu risiko yang tinggi diharapkan menikmati

return yang tinggi pula.

Menurut Ahmad Rodoni dan Othman Yong (2002:118), CAPM

adalah nama yang diberikan kepada satu kedudukan prinsip yang

menerangkan bagaimana para investor berperilaku dalam pasaran. CAPM

sangat berguna karena:

a. Secara relatif CAPM adalah mudah dan dapat dibentuk melalui aplikasi

secara langsung teori portofolio.

23

b. Implikasinya adalah seperti Hipotesis Pasaran Efisien, yaitu CAPM telah

diuji dengan data sebenarnya dan didapatkan agak sesuai dengan ramalan

teori. CAPM juga dapat digunakan sebagai satu asas untuk penyesuaian

selanjutnya yaitu sebagaimana yang digunakan oleh para analisis

sekuritas.

Secara ringkas, asumsi-asumsi penting CAPM adalah seperti berikut:

a. Tidak ada biaya perdagangan, tidak ada pajak dan sekuritas dapat

dipecah-pecahkan kepada unit terkecil.

b. Semua peserta adalah pesaing yang sempurna.

c. Semua investor mempunyai ujung investasi yang sama.

d. Investor membuat keputusan investasi berdasarkan keuntungan

diharapkan portofolio dan standar deviasi keuntungan.

e. Semua investor mempunyai pengharapan secara umum yang sama.

f. Asset bebas risiko wujud dan sedia ada bagi semua investor untuk

tujuan meminjam dan memberi pinjaman.

Bodie.et.al. (2006:358) menjelaskan bahwa Capital Asset Pricing

Model (CAPM) merupakan hasil utama dari ekonomi keuangan modern.

Capital Asset Pricing Model (CAPM) memberikan prediksi yang tepat antara

hubungan risiko sebuah aset dan tingkat harapan pengembalian (expected

return). Walaupun Capital Asset Pricing Model belum dapat dibuktikan secara

empiris, Capital Asset Pricing Model sudah luas digunakan karena Capital

Asset Pricing Model akurasi yang cukup pada aplikasi penting. Capital Asset

24

Pricing Model mengasumsikan bahwa para investor adalah perencana pada

suatu periode tunggal yang memiliki persepsi yang sama mengenai keadaan

pasar dan mencari mean-variance dari portofolio yang optimal.

Capital Asset Pricing Model juga mengasumsikan bahwa pasar

saham yang ideal adalah pasar saham yang besar, dan para investor adalah

para price-takers, tidak ada pajak maupun biaya transaksi, semua aset dapat

diperdagangkan secara umum, dan para investor dapat meminjam maupun

meminjamkan pada jumlah yang tidak terbatas pada tingkat suku bunga tetap

yang tidak berisiko (fixed risk free rate). Dengan asumsi ini, semua investor

memiliki portofolio yang risikonya identik. Capital Asset Pricing Model

menyatakan bahwa dalam keadaan ekuilibrium, portofolio pasar adalah

tangensial dari rata-rata varians portofolio. Sehingga strategi yang efisien

adalah passive strategy. Capital Asset Pricing Model berimplikasi bahwa

premium risiko dari sembarang aset individu atau portofolio adalah hasil kali

dari risk premium pada portofolio pasar dan koefisien beta

(Bodie.et.al.2006:359). Dalam keadaan ekulibrium hasil return yang

disyaratkan (required return) oleh investor untuk suatu saham akan

dipengaruhi oleh saham tersebut. Dalam hal ini risiko yang diperhitungkan

hanyalah risiko sistematis (systematic risk) atau risiko pasar yang diukur

dengan beta. Sedangkan risiko yang tidak sistematis (unsystematic risk) tidak

relevan, karena risiko ini dapat dihilangkan dengan cara diversifikasi.

Pendapatan sesungguhnya (actual return) adalah pendapatan yang telah

diterima para investor dari selisih harga saham pada periode t dengan harga

saham pada periode t-1 (Tjiptono 2006:205).

25

Pendapatan yang diharapkan (expected return) adalah pendapatan

masing-masing saham yang diharapkan oleh para investor pada masa yang

akan datang, yang diukur dengan menggunakan model CAPM. Pendapatan

pasar (market return) adalah pendapatan yang diperoleh dari selisih Indeks

Harga Saham Gabungan (IHSG) pada periode t dengan Indeks Harga Saham

Gabungan (IHSG) pada periode t-1 di Bursa Efek Indonesia (Agus

Sartono,2002:115).

Menurut teori CAPM tingkat pendapatan yang diharapkan dari

suatu sekuritas dapat dihitung dengan menggunakan rumus (Bodie.et.al.2005):

E (Ri) = RF + βi [ E(RM)-RF]

Dimana :

E(Ri) = Tingkat pendapatan yang diharapkan dari sekuritas I

yang mengandung risiko.

RF = Tingkat pendapatan bebas risiko.

E(RM) = Tingkat pendapatan yang diharapkan dari portofolio

pasar.

βi = Tolak ukur risiko yang tidak bisa terdiversifikasi

dari berharga yang ke-i.

Untuk mengestimasi besarnya koefisien beta, bisa digunakan

market model. Rumus dari persamaan market model adalah sebagai berikut:

Ri = αi + βi RM + ei

Dimana :

Ri = Tingkat pendapatan sekuritas i

26

RM = Tingkat pendapatan indeks pasar

Βi = Slope (beta)

αi = Intersep

ei = random residual error

Hubungan formal antara risiko dan tingkat keuntungan dalam

investasi aset keuangan dinyatakan dengan garis pasar, yang terdiri atas dua

jenis, yaitu :

a. Garis Pasar Sekuritas (Security Market Line – SML)

Hubungan antara risiko yang diukur dengan beta dengan return

yang disyaratkan ditujukan oleh garis pasar sekuritas (SML). Dalam hal

ini jika beta suatu saham dapat diukur dengan tepat, maka dalam keadaan

equilibrium required return juga dapat diperkirakan. Penaksirannya

didasarkan pada hasil investasi bebas risiko ditambah dengan premi risiko

pasar dikalikan dengan beta (Bodie.et.al.2006:247). Dengan demikian

SML dapat dirumuskan sebagai berikut :

SML = Rf + (Rm –Rf) β

Dimana :

SML = Garis pasar sekuritas

Rf = Return saham atas investasi bebas risiko

β = Kepekaan atas return saham i terhadap expected return

market

27

Rm-Rf = Premi risiko pasar

Beta (β) merupakan risiko yang berasal dari hubungan antara

return suatu saham dengan return pasar. Faktor-faktor yang

mempengaruhi beta:

1) Cyclicality, yaitu seberapa jauh suatu perusahaan dipengaruhi

perubahan kondisi makroekonomi. Semakin peka terhadap kondisi,

maka beta akan semakin tinggi.

2) Operating leverage, yaitu proporsi dari biaya perusahaan yang

merupakan biaya tetap.

3) Financial leverage, yaitu proporsi penggunaan utang dalam struktur

pembiayaan perusahaan. Koefisien beta dapat ditentukan dengan

rumus sebagai berikut:

β = N (Σxy) – (Σx) (Σy) N (Σx2) – (Σx)2

Semakin besar koefisien beta, maka akan semakin peka excess

return suatu saham terhadap perubahan excess return portofolio pasar,

sehingga saham itu akan semakin berisiko. Dengan demikian dapat

dikatakan bahwa, tingkat return portofolio ditentukan oleh risiko

sistematis atau risiko pasar yang diukur dengan beta dan tingkat return

pasar. Atau dapat dinyatakan dengan rumus Bodie.et.al. (2006:385):

Βi = Cov (Ri.Rm) Var (Rm)

keterangan:

βI = Beta saham

28

Cov = Covarian

Var = Varians

Ri = Return saham

Rm = Return Pasar

b. Garis Pasar Modal (Capital Market Line-CML)

Dalam penjelasan sebelumnya diketahui bahwa SML\

merupakan garis yang menghubungkan beta atau risiko pasar dengan

required return untuk semua saham, baik yang efisien maupun yang tidak

efisien. Sedangkan garis pasar modal (CML) merupakan garis yang

menghubungkan antara risiko total yang diukur dengan standar deviasi (σ)

dengan return yang disyaratkan (required return) portofolio yang efisien

saja ( Bodie, et al:2006) Hubungan risiko total dengan imbalan yang

disyaratkan (required return) pada investasi yang efisien dinyatakan

sebagai CML dan dirumuskan sebagai berikut :

CML = Rf + (Rm – Rf) SDp SDm

Dimana :

CML = Garis pasar modal

Rf = imbalan atas investasi bebas risiko

SDm = Standar deviasi (total risk) pasar

SDp = Standar deviasi (total risk) portofolio

Rm-Rf = Premi risiko pasar

29

2. Arbitrage Pricing Theory (APT)

Capital Asset Pricing Model bukanlah satu-satunya teori yang

mencoba menjelaskan bagaimana suatu aktiva ditentukan harganya oleh pasar.

Ross (1976) merumuskan suatu teori yang disebut sebagai Arbitrage Pricing

Theory (APT). Menurut Robert Ang (1997:214), APT (Arbitrage Pricing

Theory) menggunakan return dari suatu aset (sekuritas) yang dikaitkan dengan

beberapa faktor yang dikaitkan dengan beberapa faktor yang mempengaruhi

pasar. APT ini digunakan untuk memprediksi harga suatu saham di masa yang

akan datang. Ross dalam Bodie et al. (2006:446), APT didasarkan pada tiga

proporsi, yaitu:

- Imbal hasil sekuritas dapat dijelaskan dengan sebuah model faktor.

- Terdapat cukup banyak sekuritas untuk menghilangkan risiko istimewa

dengan diversifikasi.

- Pasar sekuritas yang berfungsi tidak baik tidak memugkinkan

terjadinyapeluang arbitrase secara terus menerus.

Menurut Suad Husnan (2001:197), APT pada dasarnya

menggunakan pemikiran yang menyatakan bahwa dua kesempatan investasi

yang memepunyai karakteristik yang identik sama tidaklah bisa dijual dengan

harga yang berbeda. Apabila aktiva yang karakteristik sama tersebut terjual

dengan harga yang berbeda, maka akan dapat kesempatan untuk melakukan

arbitrage dengan membeli aktiva yang berharga murah pada saat yang sama

menjual dengan harga yang lebih tinggi sehingga memperoleh laba tanpa

risiko. Arbritrage Pricing Theory (APT) tidak menggunakan asumsi apapun

30

tentang portofolio pasar. APT hanya mengatakan bahwa tingkat keuntungan

suatu saham dipengaruhi oleh faktor-faktor tertentu, yang jumlahnya bisa lebih

dari satu.

Seperti halnya CAPM, teori pembentukan harga arbitrase

(Arbitrage Pricing Theory-APT) menekankan bahwa tingkat keuntungan yang

diharapakan tergantung pada pengaruh faktor-faktor makro ekonomi dan tidak

oleh risiko unik. Kita bisa menganggap faktor-faktor yang ada pada APT

adalah portofolio-pertofolio khusus yang cenderung dipengaruhi oleh

pengaruh bersama. Daya tarik APT adalah bahwa kita tidak perlu

mengidentifikasikan market portfolio (yang diperlukan untuk menghitung beta

dalam CAPM) disamping itu APT memungkinkan penggunaan lebih dari satu

faktor untuk menjelaskan tingkat keuntungan yang diharapkan.

Menurut Reilley dalam Muhammad Madyan (2004:6), APT

menggambarkan hubungan antara risiko dan pendapatan, tetapi dengan

menggunakan asumsi dan prosedur yang berbeda. Tiga asumsi yang mendasari

model Arbitrage Pricing Theory (APT) adalah:

- Pasar Modal dalam kondisi persaingan sempurna,

- Para Investor selalu lebih menyukai kekayaan yang lebih daripada kurang

dengan kepastian,

- Hasil dari proses stochastic artinya bahwa pendapatan asset dapat

dianggap sebagai K model faktor.

Dari asumsi yang menyatakan investor percaya bahwa pendapatan

sekuritas akan ditentukan oleh sebuah model faktorial dengan k faktor risiko.

31

Dengan demikian, dapat ditentukan pendapatan aktual untuk

sekuritas i dengan menggunakan rumus sebagai berikut :

Ri,t = ai + bi1F1t + bi2 F2t + … …+ bik Fkt + eit

Dimana :

Ri,t = Tingkat pendapatan sekuritas i pada periode t

ai = Konstanta

bik = Sensitivitas pendapatan sekuritas i terhadap faktor k

Fkt = Faktor k yang mempengaruhi pendapatan

eit = random error.

Untuk menghitung pendapatan sekuritas yang diharapkan pada

model APT dapat digunakan rumus sebagai berikut:

E(Ri,t) = ai + bi1F1t + bi2 F2t + … …+ bik Fkt

Keterangan :

E(Ri,t)= Tingkat pendapatan yang diharapkan sekuritas i pada

periode t

ai = Konstanta

bik = Sensitivitas pendapatan sekuritas i terhadap faktor k pada

periode t

Fkt = Faktor k yang mempengaruhi pendapatan pada periode t

eit = random error

32

Menurut Bodie.et.al. (2006:456), APT adalah model yang sangat

menarik. Ini tergantung pada asumsi bahwa keseimbangan rasional di pasar

modal akan menghilangkan peluang arbitrage. Pelanggaran terhadap

hubungan pembentukan harga dalam APT akan menyebabkan tekanan yang

sangat kuat untuk mengembalikan harga meskipun hanya sedikit sekali

investor yang menyadari adanya ketidakseimbangan tersebut. Selanjutnya,

APT menghasilkan hubungan antara imbal hasil yang diharapkan dengan beta

yang menggunakan portofolio yang terdiversifikasi dengan baik yang

prakteknya dapat dibentuk dari sejumlah besar sekuritas.

Menurut Ahmad Rodoni dan Othman Yong (2002:171), APT

sebenarnya adalah berasaskan CAPM, tetapi ia telah mempertimbangkan

faktor-faktor lain yang mempengaruhi keuntungan sekuritas memandang

dunia jadi semakin kompleks. Faktor-faktor ini akan memberi kesan yang

berlainan kepada sekuritas yang berlainan. Jadi, bagi sekuritas i dalam jangka

waktu t, keuntungannya dapat diwakili oleh kombinasi antara pengharapan

keuntungan seimbang dan faktor-faktor yang mempengaruhinya. Pengharapan

keuntungan seimbang ini adalah ditentukan oleh permintaan dan penawaran

sekuritas perusahaan. Faktor-faktor yang akan mempengaruhi keuntungan

sekuritas adalah terdiri dari faktor-faktor makro dan mikro. Contoh faktor-

faktor makro ialah seperti inflasi, politik, tingkat bunga, dan lain-lain.

a. Analisis Faktor

Menurut Mankiw (dalam Widayanti, 2007) Analisis faktor

adalah suatu analisis data untuk mengetahui faktor-faktor yang dominan

dalam menjelaskan suatu masalah. Pada penelitian ini akan di ketahui

33

faktor-faktor dominan yang menentukan return LQ 45 dengan APT.

Misalkan ada sekitar 4 peubah bebas yang dianggap berpengaruh besar

sehingga digunakan untuk menentukan hal tersebut. Analisis faktor akan

menentukan faktor-faktor apa saja dari ke 4 peubah tersebut yang

merupakan faktor-faktor dominan dalam menentukan return LQ 45.

Analisis Faktor dapat dipandang sebagai perluasan analisis komponen

utama yang pada dasarnya bertujuan untuk mendapatkan sejumlah kecil

faktor yang memiliki sifat-sifat:

- Mampu menerangkan semaksimal mungkin keragaman data,

- Faktor-faktor tersebut saling bebas, dan Tiap-tiap faktor dapat

diinterpretasikan.

F. Variabel-variabel Makroekonomi

Menurut Mankiw (dalam Widayanti, 2007:14), makro ekonomi adalah

studi mengenai perekonomian secara keseluruhan. Sedangkan menurut Case dan

Fair dalam Widayanti (2007:15), makroekonomi membahas agregat seperti

konsumsi agregat dan investasi agregat, melihat tingkat harga keseluruhan dan

bukan harga individual. Perhatian utamanya inflasi, pertumbuhan keluaran,

pendapatan nasional, dan pengangguran.

1. Inflasi

Menurut Sasana (dalam Widayanti, 2007:19), Inflasi adalah

Keadaan dimana terjadi kelebihan permintaan barang dalam perekonomian

suatu negara secara keseluruhan. Inflasi merupakan fenomena ekonomi yang

berkaitan dengan dampaknya terhadap makro ekonomi agregat, pertumbuhan

34

ekonomi, keseimbangan eksternal, daya saing, tingkat bunga dan bahkan

distribusi pendapatan. Inflasi juga sangat barperan dalam mempengaruhi

mobilisasi dana lewat lembaga keuangan formal. Tingkat harga merupakan

opportunity cost bagi masyarakat dalam memegang aset finansial. Semakin

tinggi perubahan tingkat harga maka makin tinggi pula opportunity cost untuk

memegang aset finansial. Artinya masyarakat akan merasa lebih beruntung

jika memegang aset dalam bentuk rill dibandingkan aset finansial jika tingkat

harga tetap tinggi. Jika asset finansial luar negeri dimasukkan sebagai salah

satu pilihan aset, maka perbedaan tingkat inflasi dalam negeri dan

internasional dapat menyebabkan nilai tukar rupiah terhadap mata uang asing

menjadi overvalued dan pada gilirannya akan menghilangkan daya saing

komoditas Indonesia.

Menurut Sukirno dalam Widayanti (2007:20), dalam ilmu ekonomi,

inflasi memang selalu terjadi. Kenaikan harga barang lebih baik daripada

penurunan harga barang, karena akan memicu produsen untuk menghasilkan

lebih banyak barang. Yang harus dikendalikan adalah berapa besar nilai

inflasinya, agar jangan sampai mengganggu daya beli masyarakat. Untuk

mengukur tingkat inflasi, indeks harga yang digunakan adalah indeks harga

konsumen. Indeks harga konsumen adalah indeks harga dan barang-barang

yang selalu digunakan para konsumen. Akibatnya suatu perekonomian dalam

masa inflasi terdapat kecendrungan di antara pemilik modal untuk

menggunakan uangnya dalam investasi bersifat spekulatif dan tingkat harga

meningkat sehingga dapat mengurangi investasi. Hal ini menimbulkan

ketidakpastian mengenai keadaan ekonomi masa depan. Dalam ilmu ekonomi,

35

inflasi adalah suatu proses meningkatnya harga-harga secara umum dan terus-

menerus (kontinu). Dengan kata lain, inflasi juga merupakan proses

menurunnya nilai mata uang secara kontinu. Inflasi adalah proses dari suatu

peristiwa, bukan tinggi-rendahnya tingkat harga. Artinya, tingkat harga yang

dianggap tinggi belum tentu menunjukan inflasi. Inflasi dianggap terjadi jika

proses kenaikan harga berlangsung secara terus-menerus dan saling pengaruh-

mempengaruhi. Istilah inflasi juga digunakan untuk mengartikan peningkatan

persediaan uang yang kadangkala dilihat sebagai penyebab meningkatnya

harga. Inflasi merupakan permasalahan perekonomian dalam bidang moneter

yang ditakuti oleh semua negara. Inflasi tidak akan memilih sasarannya

apakah itu negara maju atau pun negara berkembang. Perbedaannya hanya

pada tingkat inflasi yang dialami. Pengertian inflasi sering didefinisikan

dengan kalimat yang berbeda-beda tetapi semuanya mempunyai makan sama

yaitu membicarakan mengenai barang kebutuhan masyarakat yang harganya

naik secara terus menerus. Dengan kata lain inflasi diartikan sebagai suatu

kecenderungan terjadinya kenaikan harga-harga umum secara terus menerus.

Dilihat dari asalnya, tekanan inflasi dapat dibedakan atas domestic

pressures (berasal dari dalam negeri) dan external pressures (berasal dari luar

negeri). Tekanan yang berasal dari dalam negeri dapat diakibatkan oleh

adanya gangguan dari sisi penawaran dan permintaan serta kebijakan yang

diambil oleh instansi lain di luar BI, misalnya kebijakan penghapusan subsidi

pemerintah, kenaikan pajak, dan lain-lain. Gangguan dari sisi penawaran dapat

timbul apabila terjadi musim kering yang mengakibatkan gagal panen,

terjadinya bencana alam, gangguan distribusi tidak lancar dan adanya

36

kerusuhan-kerusuhan sosial yang berakibat terputusnya pasokan dari luar

daerah. Gangguan dari sisi permintaan dapat terjadi apabila otoritas moneter

menerapkan kebijakan uang longgar.

Inflasi dapat digolongkan menjadi tiga golongan, yaitu inflasi

ringan, sedang, berat, dan hiperinflasi. Inflasi ringan terjadi apabila kenaikan

harga berada di bawah angka 10% setahun; inflasi sedang antara 10%-30%

setahun; berat antara 30%-100% setahun; dan hiperinflasi atau inflasi tak

terkendali terjadi apabila kenaikan harga berada di atas 100% setahun.

Untuk mengukur pertumbuhan inflasi dapat digunakan formula

sebagai berikut:

pinflasi = (inflasi t – inflasi t-1) inflasi t-1

Keterangan:

P inflasi = perubahan tingkat inflasi

inflasi t = tingkat inflasi pada periode ke-t

inflasi t-1 = tingkat inflasi pada periode sebelum ke-t

Dari segi penyebab awal inflasi, inflasi dibagi menjadi tiga, yaitu:

a. Inflasi yang timbul karena permintaan masyarakat akan berbagai barang

terlalu kuat. Inflasi semacam ini disebut demand pull inflation.

b. Inflasi yang timbul karena kenaikan ongkos produksi secara terus

menerus. Inflasi ini disebut dorongan ongkos atau cost push inflation.

37

c. Inflasi permintaan dan penawaran, inflasi ini disebabkan kenaikan

permintaan di satu sisi dan penurunan penawaran di sisi lain. Kejadian ini

akan menjadi penyebab timbulnya karena orang yang menginginkan

barang bertambah sedangkan orang yang menjual barang berkurang.

2. Suku Bunga SBI

Suku bunga adalah biaya yang harus dibayar oleh peminjam atas

pinjaman yang diterima dan merupakan imbalan bagi pemberi pinjaman atas

investasinya. Tingkat suku bunga digunakan pemerintah untuk mengendalikan

tingkat harga ketika tingkat harga tinggi dimana jumlah uang yang beredar di

masyarakat banyak, konsumsi masyarakat yang tinggi diantisipasi oleh

pemerintah dengan menetapkan tingkat bunga yang tinggi. Dengan tingkat

suku bunga yang tinggi diharapkan uang yang beredar berkurang karena

masyarakat akan menginvestasikan uangnya di tabungan pada bank yang

menggunakan tingkat suku bunga tersebut sebagai alat untuk mengendalikan

jumlah uang beredar (Widayanti, 2007:17).

Adapun cara untuk menghitung suku bunga SBI adalah sebagai

berikut :

pSBI = SBI rate t 12

Keterangan:

pSBI rate = perubahan suku bunga BI rate

SBI rate t = suku bunga BI rate periode ke-t

38

Sertifikat Bank Indonesia (SBI) merupakan instrumen investasi

jangka pendek (kurang dari satu tahun) yang diterbitkan oleh Bank Indonesia,

yang fungsi utamanya adalah untuk menjaga stabilitas moneter Indonesia.

Dengan menerbitkan SBI (yang dilakukan melalui mekanisme lelang), maka

BI dapat menyerap likuiditas (uang yang beredar di masyarakat), sehingga

nilai tukar rupiah dapat dikendalikan. Biasanya pembeli SBI itu mayoritas

adalah kalangan investor asing dan korporasi, seperti dana pensiun, asset

management, asuransi, dan lain-lain. Dampak dari tingkat bunga yang tinggi

adalah menurunnya harga saham karena dengan meningkatnya suku bunga,

maka masyarakat akan lebih memilih investasi dalam bentuk tabungan atau

deposito daripada menginvestasikan pada saham.

3. Kurs (Nilai Tukar Rupiah Terhadap Dollar)

Menurut Sadono Sukirno dalam Fauzan (2007), kurs (nilai tukar)

atau valas adalah suatu nilai yang menunjukkan mata uang dalam negeri yang

diperlukan untuk mendapatkan suatu unit mata uang asing. Sedangkan

menurut Husnan dalam Fauzan (2007), menyatakan bahwa kurs valas di

Indonesia biasanya dinyatakan sebagai berapa rupiah yang diperlukan oleh

bank untuk membeli satu untuk mata uang (kurs beli) dan berapa rupiah yang

akan diterima kalau menjual satu unit mata uang asing (kurs jual).

Untuk menghitung kurs adalah dengan menggunakan rumus sebagai berikut:

pKurs = (Kurs tengah t – Kurs tengah t-1) Kurs tengah t-1

Keterangan:

pKurs = perubahan kurs

39

Kurs tengah t = kurs tengah periode ke-t

Kurs tengah t-1 = kurs tengah sebelum periode ke-t

Nilai sebuah mata uang, yakni nilai tukarnya terhadap mata uang

lain, tergantung pada daya tarik mata uang tersebut di pasar. Jika permintaan

akan sebuah mata uang tinggi, maka harganya akan naik relatif terhadap mata

uang lainnya. Akan tetapi, perubahan dalam kondisi politik suatu negara atau

menurunnya perekonomian akibat laju inflasi yang tinggi dan defisit

perdagangan, dapat juga mengakibatkan nilai sebuah mata uang yang stabil

jatuh, karena para investor lebih memilih menukarkan uangnnya ke mata uang

lain yang dianggap lebih stabil. Yang dimaksud dengan kurs valuta asing

adalah perbandingan nilai tukar mata uang suatu negara dengan negara lain.

Kurs valuta asing adalah perbandingan nilai tukar mata uang suatu negara

dengan negara lain. Nilai kurs terbagi menjadi dua, yaitu kurs jual dan kurs

beli. Kurs jual adalah harga jual valuta asing atau bank atau money changer.

Kurs beli adalah kurs yang diberlakukan bank apabila bank membeli valuta

asing.

4. Jumlah Uang Yang Beredar

Sejak pertama peradaban manusia mengenal uang sebagai alat

bantu pembayaran, hingga saat ini telah terjadi evolusi dalam system

pembayaran (Samuelson, 2006:36). Perkembangan cara masyarakat untuk

melakukan pembayaran dalam transaksi ekonomi akan mempengaruhi makna

uang di masa-masa yang akan datang. Menurut Iskandar Putong (2003:157)

Uang beredar terdiri atas tiga jenis yaitu:

40

a. Uang kartal, (logam dan kertas) yang ada di tangan masyarakat (di luar

bank umum) dan siap dibelanjakan, setiap saat dikeluarkan oleh bank

sentral.

b. Uang giral, yaitu uang di rekening giro (demand deposits) yang diciptakan

oleh bank-bank umum atau dikenal BPUG (Bank umum Pencipta Uang

Giral).

c. Uang kuasi, yaitu uang dalam bentuk tabungan (saving deposits) dan

deposito berjangka (time deposit) yang dikeluarkan oleh bank-bank umum.

Adapun jenis-jenis uang beredar di Indonesia terdiri dari dua

macam:

a. Uang beredar dalam arti sempit (M1) yaitu kewajiban sistem moneter

(bank sentral dan bank umum) terhadap sektor swasta domestic

(penduduk) meliputi uang kartal (C) dan uang giral (D).

b. Uang beredar dalam arti luas (M2) disebut juga Likuiditas Perekonomian

yaitu kewajiban sistem moneter terhadap sektor swasta domestik meliputi

M1 ditambah uang kuasi (T). Untuk menghitung jumlah uang yang

beredar dapat menggunakan rumus sebagai berikut :

pJUB = (JUB t – JUB t-1) JUB t-1

Keterangan:

pJUB = perubahan jumlah uang yang beredar

JUB t = jumlah uang yang beredar periode ke-t

JUB t-1 = jumlah uang yang beredar sebelum periode ke-t

41

Menurut Iskandar Putong (2003:155) Mekanisme penciptaan uang

yaitu, Terdiri dari tiga pelaku, yaitu: bank sentral, bank umum dan sektor

swasta domestik. Interaksi terjadi antara penawaran uang oleh sistem moneter

dan permintaan uang oleh sektor swasta domestik. Penciptaan uang primer

oleh otoritas moneter. Uang primer/inti (M0) adalah uang kartal dan simpanan

giro bank umum. Disebut primer / inti karena jenis uang ini merupakan inti

atau biang dalam proses penciptaan uang beredar (C, D, dan T). Uang kartal

adalah uang primer tetapi tidak semua uang primer adalah uang kartal. Uang

memiliki peranan yang berarti dalam perekonomian, perkembangan

perekonomian dapat diamati dari dua sektor yang saling terkait yaitu sektor riil

(pasar barang dan jasa) dan sektor moneter (pasar uang). Aliran uang

sebanding dengan aliran barang dan jasa.

G. Metode Autoregressive Integrated Moving Average (ARIMA)

menurut Enders,2004 (dalam Eko Kusmurtanto:2007). Metode Box-

Jenkins dengan ARIMA (Autoregressive Integrated Moving Average) adalah

metode yang menggunakan banyak unsur dalam teori dan banyak digunakan untuk

tijuan peramalan (forcasting). Metode Wold (1951) ini menggabungkan dua pola

serial waktu yaitu AR (Autoregressive) oleh Yule (1926) dan MA (Moving

Average) oleh Slitzky (1937). Model ARIMA dapat digunakan untuk mengitung

perubahan variabel makro ekonomi. Sering kali data time series yang terintegrasi

pada tingkat pertama I (1), akan menjadi stasioner pada diferen pertamanya atau I

(0). Demikian pula jika data time series tersebut I (2), maka diferen atau turunan

keduanya akan bersifat stasioner atau I (0). Bila dirumuskan time series tersebut

adalah I (d), maka setelah didiferen sebanyak d kali, maka didapatkan I (0) yang

42

sudah stasioner. Metode ARIMA (Box-Jenkins) memiliki beberapa keunggulan

dibanding dengan metode lainnya, yaitu :

- Metode Box-Jenkins disusun dengan logis dan secara statistik akurat

- Metode ini memasukan banyak informasi dari data historis

- Metode ini menghasilkan kenaikan akurasi peramalan dan pada waktu yang

sama menjaga jumlah parameter seminimal mungkin (Jarret, 1991 : 317).

Identifikasi Model Tentatif

Estimasi Parameter atas Model Tentatif

Ya

Uji Diagnostik (Apakah model sudah tepat?)

Tidak

Rumuskan Model Umum dan Uji

Gunakan Model Untuk Peramalan

Gambar 2.2 : Estimasi Model ARIMA

H. Penelitian Terdahulu

Beberapa penelitian empiris dalam penerapan multi-factor CAPM

dengan menggunakan beta dan faktor fundamental sebagai faktor pengukur risiko

telah dilakukan diantaranya penelitian yang telah dilakukan oleh Gancar Candra

Premananto dan Muhammad Madyan meneliti mengenai Perbandingan

Keakuratan Capital Asset Pricing Model Dan Arbitrage Pricing Theory Dalam

Memprediksi Tingkat Pendapatan Saham Industri Manufaktur Sebelum Dan

43

Semasa Krisis Ekonomi. Hasil mpenelitiannya menemukan bahwa model CAPM

lebih akurat dibandingkan APT baik sebelum dan semasa krisis ekonomi. Adapun

penelitiannya yang lain dengan menggunakan model yang sama namun variabel

independennya berbeda, yaitu Perbandingan Keakuratan CAPM Dan APT Dalam

Memprediksi Tingkat Pendapatan Industri Perbankan Dan Lembaga Keuangan

Selain Bank Baik Sebelum Dan Semasa Krisis Ekonomi Di Bursa Efek Jakarta

yang menghasilkan bahwa CAPM lebih akurat dalam memprediksi return saham

dibandingkan dengan APT baik semasa ataupun sebelum krisis.

Banz (1981) yang menguji ukuran perusahaan sebagai faktor

fundamental; Rosenberg.et.al (1985) yang menguji ratio of book-to-market value;

Chan.et.al (1991) yang menguji faktor makro dan price to earnings ratio.

Penelitian yang sama juga pernah dilakukan oleh Sudarto, dkk (1999) dengan

menggunakan variabel beta saham dan Debt Equity Ratio (DER), demikian halnya

dengan penelitian yang dilakukan oleh Wardani (2000) dengan melakukan

penambahan nilai saham yang beredar. Pengujian oleh Black, Jansen dan

Schooles, juga oleh Fama dan MacBeth menggabungkan saham-saham menjadi

portofolio untuk menaksir beta tiap – tiap portofolio, kemudian melakukan regresi

cross sectional antara rata-rata return dengan beta tiap-tiap portofolio.

Ada juga pengujian yang menggunakan surat-surat berharga individual,

misalnya oleh Linzerberger.et.al (2007). Hasil pengujian tersebut rata-rata

membuktikan bahwa:

1. Intersep CAPM secara signifikan tidak sama dengan tingkat bebas risiko, hal

ini membuktikan bahwa zero beta CAPM lebih berlaku di dunia nyata.

44

2. Kemiringan atau slope dari persamaan CAPM ternyata lebih rendah daripada

yang diramalkan (Rm-Rf).

3. Tidak ada bukti bahwa hubungan antara risiko sistematis dan return tidak

linear, hal ini masih sesuai dengan spesifikasi CAPM.

4. Faktor-faktor selain beta ternyata berperan di dalam menerangkan return surat

berharga, misalnya P/E rasio, besar kecilnya perusahaan, jenis perusahaan,

musiman dan sebagainya.

Pengujian CAPM di BEJ antara lain oleh Suad Husnan pada tahun

1990 yaitu dengan menggunakan metode yang sama dengan Black, Jensen,

Scholes pada tahun 1972, hasilnya adalah banyak beta yang signifikan secara

statistik dan standar CAPM tidak berlaku di BEJ, tetapi yang berlaku adalah zero

beta CAPM.

Budi Harsono Lim (2005) melakukan studi empiris yang didasarkan

pada metode pengujian CAPM yang diajukan Lintner (1965) dan Fama dan

MacBeth (1973). dalam pengujian hubungan risiko dan tingkat pengembalian

dengan metode Lintner, selain menggunakan metode yang diajukan, juga

mengelaborasi beberapa kritik Miller dan Shcoles yang menyatakan bahwa

metode Lintner tersebut menyebabkan bias pada hasil yang ditemukan. Replikasi

terhadap metode Fama dan MacBeth menggunakan pendekatan portofolio untuk

memperoleh estimasi beta yang lebih akurat. Dengan menggunakan risiko

portofolio tersebut, beliau melakukan pengujian hubungan tehadap risiko tingkat

pengembalian bulan per bulan untuk mengamati relevansi risiko dan efisiensi

pasar. secara keseluruhan, temuan empiris yang diperoleh menunjukan bahwa beta

45

adalah relevan sebagai risiko sistematis dan kompensasi atas risiko tersebut adalah

positif. Selain itu terbukti bahwa model dua faktor Black lebih mampu

menggambarkan hubungan risiko tingkat pengembalian yang terjadi. Temuan

dengan menggunakan metode Lintner menunjukkan bahwa:

1. Beta adalah relevan dan terdapat price of risk positif,

2. Risiko residual tidak relevan, dan

3. Tingkat pengembalian portofolio zero beta selama periode pengujian adalah

negatif.

Ima Suryani (2003) melakukan pengujian empiris konsistensi CAPM di

Pasar Modal Indonesia Periode 1999-2001 dengan menentukan korelasi antara

E(Ri) dan Ri. dari hasil pengujian dapat disimpulkan bahwa CAPM konsisiten di

Pasar Modal Indonesia dan menyarankan agar investor, emiten, BAPEPAM dan

peneliti selanjutya menggunakan CAPM sebagai landasan teori.

Taufik Riantoso (2000) telah menguji aplikasi model CAPM dan

portofolio saham untuk mempelajari risiko dan keuntungan daham pasar modal

sebagai alternatif pengelolaan investasi yang semakin menguntungkan dan

membawa kita untuk menganalisa bagaimana investasi saham harus dilakukan

dengan mengamati risiko dan return saham. Pendekatan dilakukan dengan

menggunakan model CAPM dan teori portofolio, untuk menganalisa risiko dan

return saham, dan dengan metodologi tertentu diharapkan memenuhi tujuan

penelitian dengan menghasilkan keputusan dan rencana strategi yang baik.

pengamatan dilakukan terhadap 12 saham yang termasuk dalam BI-40 dengan

mengambil data kegiatan usaha, finansial dan data harga saham yang lalu. Data

46

harga saham yang telah diolah digunakan untuk mengulas dan menganalisa

saham. Data-data yang telah diolah tersebut dianalisa dengan model CAPM

tentang pola pergerakan saham, bagaimana hubungannya dengan harga pasar dan

kemudian melalui teori portofolio dicoba menggabungkan beberapa saham untuk

memperkecil risiko. Kemudian, setelah dilakukan penelitian terhadap 12 saham

tersebut, disimpulkan bahwa investasi saham tidak dianjurkan untuk investasi

jangka panjang dan disarankan dilakukan dengan investasi jangka pendek

(transaksi harian atau mingguan).

Lain halnya dengan CAPM, model APT menggambarkan beragam

tingkat sensitivitas terhadap berbagai variabel sistematis. Model APT pertama kali

dikembangkan oleh Ross yang merupakan bentuk pengembangan dari CAPM.

Beberapa penelitian empiris dalam penerapan model APT juga telah dilakukan

diantaranya, penelitian yang dilakukan oleh Chan.et.al (1986) yang menggunakan

empat faktor yang mempengaruhi return sekuritas, yaitu tingkat inflasi, premi

risk-default , dan suku bunga. Selain itu, Berry.et.al (1988) yang menggunakan

variabel risk-default, tingkat bunga, inflasi, pertumbuhan ekonomi jangka panjang,

dan risiko residual.

Dalam penelitiannya, Eko (2000) mencoba untuk mengetahui seberapa

jauh pengaruh suku bunga clan inflasi dalam mempengaruhi imbal hasil saham

sektoral clan untuk melihat sektor-sektor manakah yang menarik sebagai tempat

investasi saham apabila terjadi perubahan-perubahan pada suku bunga dan inflasi.

Data yang digunakan dalam penelitian ini adalah data suku bunga SBI

dan inflasi sebagai variabel bebas dan imbal hasil saham-saham sektoral sebagai

47

variable tak bebas. Analisis dilakukan untuk dua periode waktu, yaitu sebelum

krisis moneter (Januari 1996-Juni 1997) dan saat krisis ekonomi.

Gancar Candra Premananto dan Muhammad Madyan meneliti

mengenai Perbandingan Keakuratan Capital Asset Pricing Model dan Arbitrage

Pricing Theory Dalam Meprediksi Tingkat Pendapatan Saham Industri

Manufaktur Sebelum dan Semasa Krisis Ekonomi yang menghasilkan bahwa

CAPM lebih akurat dalam memprediksi return saham dibandingkan dengan APT

baik semasa krisis ataupun sebelum krisis.

I. Perumusan Hipotesis

Berdasarkan perumusan masalah dan landasan teori maka hipotesis dalam

penelitian ini adalah :

Ho : CAPM Lebih Akurat dibanding APT dalam memprediksi return

saham LQ 45.

Ha : APT Lebih Akurat dibanding CAPM dalam memprediksi return

saham LQ 45.

J. Kerangka Pemikiran

Dalam penelitian ini digunakan suatu kerangka pemikiran yang dimulai

dari pencarian data – data saham terutama LQ 45 dan menentukan periode untuk

pengamatan dan pengambilan sampel. Setelah itu menentukan model untuk

melakukan estimasi return saham LQ 45 dimana dalam penelitian ini adalah untuk

menentukan model CAPM dan APT semasa periode pengamatan. Kemudian

menghitung pendapatan saham yang sesungguhnya dan menghitung pendapatan

48

pasar (Rm) dan menghitung Beta (ß) dengan menggunakan rumus market model

yang meregresikan antara pendapatan saham yang sesungguhnya dengan

pendapatan pasar.

Setelah beta masing – masing perusahaan diperoleh kemudian barulah

dibentuk sebuah model persamaan berdasarkan model CAPM dan menghitung

faktor – faktor makro ekonomi yaitu a, b1, b2, b3 dan b4 untuk model APT pada

perusahaan yang masuk dalam LQ 45. Setelah semuanya ditentukan barulah

melakukan uji Normalitas data dan uji asumsi klasik (Heterokedastisitas,

Multikolinieritas, dan otokorelasi) terhadap model yang diperoleh. Setelah tidak

ada pelanggaran terhadap asumsi – asumsi klasik maka dilanjutkan dengan

menghitung pendapatan saham yang diharapkan dengan menggunakan model

yang dihasilkan.

Langkah yang berikutnya adalah melakukan pengujian untuk menentukan

model yang paling signifikan dalam menjelaskan kinerja indeks LQ 45 dengan

melakukan Uji Beda dua rata-Rata Mean Absolute Deviation (MAD), Mean

Squred Error (MSE), dan Mean Asolute Percent Error (MAPE).

49

CAPM

Variabel – variabel Makro Ekonomi

Analisis Faktor Rf Rm

Suku Bunga Inflasi Kurs

Return Saham LQ 45 yang diharapkan

Pendapatan Saham LQ 45 yang sesungguhnya

Uang

Return Saham LQ 45 yang diharapkan

ß

APT

Menentukan Model Untuk Mengestimasi Return Saham LQ 45

50

Uji Beda dua rata-Rata Mean Absolute Deviation (MAD), Mean Squred Error

(MSE), dan Mean Asolute Percent Error (MAPE)

Gambar. 2. 3 : Kerangka Pemikian

BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Dalam penelitian ini variabel independen yang digunakan adalah

perubahan tingkat bunga SBI untuk mencari return asset bebas resiko, IHSG

Indeks Harga Saham Gabungan) untuk mencai return pasar, perubahan tingkat

inflasi, M1 untuk mengetahui pertumbuhan uang yang beredar, serta nilai tukar

mata uang rupiah terhadap dollar Amerika. Selain itu dalam penelitian ini yang

menjadi variabel devenden adalah return saham perusahaan – perusahaan LQ-45

yang terdaftar di Bursa Efek Indonesia dari Januari 2006 sampai dengan Juli

2009. Semua data yang diambil adalah data bulanan seperti dalam penelitian

sebelumnya yang diteliti oleh Gancar Candra Premananto dan Muhammad

Madyan (2004).

B. Metode Penentuan Sampel

Pengambilan sampel pada penelitian ini dilakukan dengan metode

non-probability sampling yaitu dengan teknik pengambilan sampel purposive

sampling. Ini merupakan suatu metode pengambilan sampel yang dilakukan

dengan pertimbangan – pertimbangan tertentu, seperti karakter – karakter sampel

yang sudah diketahui. Adapun kriteria – kriteria sampel yaitu sebagai berikut :

1. Perusahaan – perusahaan yang terdaftar dalam LQ-45 di Bursa Efek

Indonesia yang mempunyai data keuangan yang lengkap dan dapat

diandalkan kebenarannya pada tahun 2006 – 2009.

51

51

2. Perusahaan dalam LQ-45 yang saham – sahamnya aktif diperdagangkan di

Bursa Efek Indonesia pada tahun 2006 – 2009.

Tabel 3.1

Daftar Perusahaan LQ-45 Periode 2006 – 2009

No. Nama Perusahaan Kode 1 Astra Agro Lestari Tbk AALI 2 Aneka Tambang (Persero) Tbk ANTM 3 Astra Internasional Tbk ASII 4 Bank Central Asia Tbk BBCA 5 International Nickel Ind. Tbk INCO 6 Indofood Sukses Makmur Tbk INDF 7 Indal Kiat Pulp & Paper Tbk INKP 8 Indosat Tbk ISAT 9 Kalbe Farma Tbk KLBF

10 Bank Pan Indonesia Tbk PNBN 11 Semen Cibinong Tbk SMCB 12 Telekomunikasi Indonesia Tbk TLKM 13 Tambang Batubara Bukit Asam Tbk PTBA 14 United Tractors Tbk UNTR 15 Bank Negara Indonesia Tbk BBNI 16 Bank Rakyat Indonesia Tbk BBRI 17 Berlian Laju Tanker Tbk BLTA 18 Bank Mandiri Tbk BMRI 19 Bakrie & Brothers Tbk BNBR 20 Bank Internasional Indonesia BNII 21 Bumi Resources Tbk BUMI 22 Bakrieland Development Tbk ELTY 23 Kawasan industri Jababeka Tbk KIJA 24 Perusahaan Gas Negara Tbk PGAS 25 Semen Gresik Tbk SMGR 26 Timah Tbk TINS 27 Aqua Misissi Tbk AQUA

Sumber : PT. Bursa Efek Indonesia, Data Diolah Oleh Penulis

Dari penentuan sampel yang digunakan maka peneliti menemukan 27

perusahaan yang sahamnya aktif dan mempunyai data laporan keuangan yang

lengkap dan dapat diandalkan kebenarannya dalam daftar saham LQ-45 dalam

kurun waktu 1 Januari 2006 sampai dengan 31 Juli 2009.

52

C. Metode Pengumpulan Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder

yang meliputi data bulanan berupa harga saham perusahaan yang termasuk dalam

LQ-45 yang dijadikan sampel, indikator – indikator perekonomian makro

Indonesia yang didapat melalui website Bank Indonesia dan Indonesia Capital

Market Directory (ICMD), dan website dunia investasi sebagai sumber data untuk

memperoleh harga saham, indeks Harga Saham Gabungan (IHSG), perubahan

tingkat inflasi, perubahan tingkat suku bunga SBI, kurs (nilai tukar) rupiah, dan

jumlah uang yang beredar (M1) yang semuanya adalah data bulanan dalam

jangka waktu tiga tahun (2006 – 2009). Untuk melengkapi data juga diambil dari

media masa seperti jurnal, Koran dan internet..

D. Metode Analisis

Penelitian ini menggunakan model analisis perhitungan Uji Mean

absolut Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute

Percentage Error (MAPE). Ketiga model analisis tersebut digunakan untuk

mencari perbedaan keakuratan model CAPM dan APT dalam memprediksi return

saham LQ-45. Analisis ini mempunyai beberapa tahap diantaranya adalah sebagai

berikut :

1. Uji Normalitas

Uji Normalitas bertujuan menguji sebuah model regresi yaitu

variabel dependen, variabel independen atau keduanya mempunyai distribusi

normal atau tidak. Model regresi yang baik adalah distribusi data normal atau

mendekati normal. Alat uji normalitas yang digunakan dalam penelitian

adalah dengan mengggunakan SPSS 16 dengan melihat nilai signifikansi dari

53

data. Jika data lebih besar dari 0.05 maka dapat dikatakan data berdistribusi

normal.

2. Pengujian Pelanggaran Asumsi Klasik (Autokorelasi, Multikoleniaritas

dan Heteroskedastisitas) terhadap model yang diperoleh.

a. Uji Autokorelasi

Pengujian autokorelasi ditujukan untuk mengetahui apakah ada

korelasi antara anggota seri observasi yang disusun menurut urutan waktu

(seperti data time series) atau menurut urutan tempat/ruang (seperti data

cross section) atau korelasi pada dirinya sendiri. Dalam hubungannya

dengan persoalan regresi, model regresi linier klasik menganggap bahwa

autokorelasi demikian itu tidak terjadi pada kesalahan pengganggu

(J.Supranto,1995:86). Untuk mengetahui adanya persoalan autokorelasi

dalam suatu model regresi, maka dilakukan pengujian Durbin-Watson

(DW) dengan ketentuan adalh sebagai berikut:

1) Jika nilai D-W kurang dari 1,10 berarti ada korelasi.

2) Jika nilai D-W antara 1,10 dan 1,54 berarti tidak ada kesimpulan.

3) Jika nilai D-W antara 1,55 dan 2,46 berarti tidak ada autokorelasi.

4) Jika nilai D-W antara 2,46 dan 2,90 berarti tanpa ada kesimpulan.

5) Lebih dari 2,91 berarti ada autokorelasi.

b. Multikolinearitas

Adalah kondisi dimana terdapat korelasi yang signifikan antara

dua variabel atau lebih pada variabel independen di dalam regresi. Uji

54

multikolinearitas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antar variabel bebas. Jika variabel bebas saling

berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel

orthogonal adalah variabel bebas yang nilai korelasi antar sesama variabel

bebas sama dengan nol. Untuk mendeteksi ada atau tidaknya

multikolineritas dalam model regresi adalah dengan melihat pada kolom

koefisien output SPSS. Deteksi multikolinearitas pada suatu model dapat

dilihat jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan

nilai Tolerance tidak kurang dari 0.1, maka model dapat dikatakan bebas

dari multikolinearitas.

c. Uji Heteroskedastisitas

Pengujian heterokedastisitas ditujukan untuk mengetahui

apakah kesalahan pengganggu åj dari model regresi berganda tersebut

mempunyai varian yang tidak sama. Uji gejala heterokedastisitas

dilakukan dengan menggunakan uji korelasi rank dari Spearman

(Spearman’s rank correlation test)(J.Supranto, 1995:59), dengan

ketentuan jika nilai korelasi rank Spearman lebih besar daripada nilai

kritisnya, maka terjadi heteroskedastisitas pada model regresi linear

berganda tersebut, sebaliknya jika nilai korelasi rank Spearman lebih kecil

daripada nilai kritisnya, maka tidak terjadi heteroskedastisitas.

3. Model CAPM

Untuk menentukan expected return dengan CAPM sebelumnya

harus menghitung nilai beta(â). Beta merupakan suatu pengukuran volatilitas

55

return suatu sekuritas atau return portofolio terhadap return pasar. Dengan

demikian, beta merupakan pengukuran risiko sistematis dari suatu portofolio

atau suatu sekuritas. Beta suatu sekuritas merupakan kovarian return antara

sekuritas ke-i dengan return pasar dibagi dengan varian return pasar.

Atau bisa diuraikan sebagai berikut :

Setelah beta (â) masing masing perusahaan diperoleh kemudian

membentuk sebuah model persamaan berdasarkan model CAPM.

4. Analisis Faktor

Analisis faktor adalah suatu analisis data untuk mengetahui faktor-

faktor yang dominan dalam menjelaskan suatu masalah. Pada penelitian ini

akan di ketahui faktor-faktor dominan yang menentukan return LQ 45 dengan

APT. Beberapa faktor makro ekonomi yang diteliti dalam analisis faktor

adalah SBI, Inflasi, Jumlah uang beredar dan Kurs Rupiah terhadap Dollar

Amerika.

Analisis faktor memerlukan proses ekstraksi, dalam hal ini peneliti

menggunakan Metode Komponen Utama (Principle Component Analysis).

Rotasi faktor dilakukan dengan metode Varimax. Guttman (dalam Child,

1966), berpendapat bahwa penentuan banyaknya faktor yang dihasilkan

berdasarkan pada jumlah variasi setiap faktor (eigenvalue), yaitu dengan

56

mengambil faktor yang memeiliki eigenvalue lebih besar dari pada 1.00. Pada

dasarnya muatan faktor dapat dilakukan dengan cara merujuk pada tabel nilai

r kritis (product moment) yang selanjutnya nilai tersebut digandakan

(Gorsuch, 1983). Sedangkan Child (1966: 45) mengatakan, kebanyakan

peneliti menggunakan kriteria 0,30 sebagai nilai minimal penentuan

keberartian muatan faktor. Dalam penelitian ini, untuk menentukan sub

variabel yang termasuk pada salah satu faktor ditentukan dengan melihat

muatan faktor dari masingmasing sub variabel dan juga besar communality

yang didapatkan.

Pengujian Bartlett’s test of sphericity dapat dipakai untuk menguji

ketepatan model faktor. KMO berguna untuk pengukuran kelayakan sampel.

Suatu metode yang tepat harus ditentukan pula. Ada dua pendekatan dasar

yang digunakan dalam analisis faktor, yaitu : Principal Component Analysis

(analisis komponen prinsipal) dan Common Factor Analysis / principal axis

factoring (analisis common faktor) Determine the Number of Factors

(Penentuan banyaknya faktor). Ada beberapa prosedur yang dapat digunakan

untuk menentukan banyaknya faktor antara lain meliputi :

- A Priori Determination. Berdasarkan pengetahuan peneliti

sebelumnya.

- Determination Based on Eigenvalues. Pendekatan dengan eigenvalue

lebih besar dari 1.

- Determination Based on Scree Plot menentukan banyaknya faktor

dengan plot eigenvalue.

57

- Determination Based on Percentage of Variance. Determination

Based on split-Half Reliability. Sampel dipisah menjadi dua dan

analisis .

Rotate Factors (Melakukan Rotasi terhadap Faktor). Hasil penting

dari analisis faktor adalah matriks faktor, yang disebut juga factor pattern

matrix (matrik pola faktor), berisi koefisien yang digunakan untuk

menunjukkan variabel-variabel yang distandarisasi dalam batasan sebagai

faktor. Didalam suatu matriks yang kompleks sulit menginterpretasikan suatu

faktor. Oleh karena itu, melalui rotasi matriks, faktor ditransformasikan ke

dalam bentuk yang lebih sederhana yang lebih mudah untuk diinterpretasikan,

dengan harapan setiap faktor memiliki nilai non zero (tidak 0) atau signifikan.

Rotasi tidak berpengaruh pada communalities dan prosentase variance total

yang dijelaskan. Tetapi prosentase variance yang diperhitungkan untuk setiap

faktor tidak berubah. Variance yang dijelaskan oleh faktor individual

diredistribusikan melalui rotasi. Perbedaan metode rotasi akan menghasilkan

identifikasi faktor yang berbeda. Metode yang digunakan untuk rotasi adalah

varimax procedure,.yang meminimalkan banyaknya variabel dengan loading

tinggi pada faktor, sehingga meningkatkan kemampuan menginterpretasikan

faktor-faktor yang ada.

Interpret Factors (Mengintepretasikan Faktor). Interpretasi

dipercepat melalui variabel-variabel yang memiliki loading lebih besar pada

faktor yang sama yang kemudian dapat diinterpretasikan dalam batasan

variabel-variabel yang loadingnya tinggi.

58

Select Surrograte Variables (Memilih Variabel-variabel

Pengganti). Memilih variabel pengganti sehingga peneliti dapat melaksanakan

analisis berikutnya dan menginterpretasikan hasil dalam batasan variabel

semula daripada skor faktor dengan menguji matriks faktor dan memilih

setiap faktor variabel yang memiliki loading paling tinggi pada faktor

tersebut.

Determine Model Fit (Menetapkan Model yang Sesuai). Langkah

akhir dalam analisis faktor adalah penentuan ketepatan model. Perbedaan

antara korelasi yang diamati (yang terdapat dalam input matriks korelasi) dan

korelasi yang dihasilkan kembali (seperti yang diestimasikan pada matriks

faktor) dapat diuji melalui model itu sendiri, yang disebut residual. Jika

terdapat banyak residual yang besar, maka model faktor kurang tepat dan

model perlu dipertimbangkan kembali.

5. Model APT

Menghitung a, b1, b2, b3, dab b4 untuk model APT multi index

model pada pendapatan saham LQ45. Beberapa variabe makro yang

digunakan model APT pada penelitian ini adalah perubahan tingkat bunga,

perubahan tingkat inflasi dan perubahan tingkat kurs, dimana untuk

memperoleh variabel tersebut digunakan rumus antara lain metode ARIMA

(Boxs and Jenkins). Metode ARIMA digunakan untuk memprediksi tingkat

bunga yang diharapkan, tingkat inflasi yang diharapkan dan tingkat

perubahan kurs yang diharapkan dari periode pengamatan digunakan tingkat

bunga aktual, tingkat inflasi aktual dan tingkat perubahan kurs aktual dengan

59

software Eviews. Untuk mengetahui apakah model ARIMA tersebut memadai

atau tidak dilakukan pengujian residual (error term) : åt = Yt-1 -Yt.

6. Menghitung pendapatan saham yang diharapkan (expected return)

Menghitung pendapatan saham yang diharapkan (expected return)

dengan menggunakan model CAPM dan APT yang telah dihasilkan dari

langkah 5 dan 6.

7. Pemilihan Model Yang Signifikan

Setelah diolah, langkah terakhir yang harus dilakukan adalah

memilih model yang signifikan dalam menjelaskan kinerja indeks LQ 45.

Seperti telah dijelaskan sebelumnya bahwa penelitian ini menggunakan dua

model yaitu CAPM dan model APT. dengan demikian ada kemungkinan

bahwa pada indeks LQ 45 tersebut kedua model akan signifikan. Untuk

memilih model yang signifikan perlu dilakukan dengan Uji Mean absolut

Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute

Percentage Error (MAPE) Mean absolut Deviation (MAD), Mean Squared

Error (MSE), dan Mean Absolute Percentage Error (MAPE) adalah besar

penyimpangan antara pendapatan saham yang diharapkan dengan pendapatan

saham yang sesungguhnya. Rumus untuk menghitung MAD, MSE, dan

MAPE untuk model CAPM dan APT adalah sebagai berikut :

-

-

60

-

Keterangan:

E(Ri) = Pendapatan saham i yang diharapkan dengan model CAPM atau APT

Ri = Pendapatan saham i yang sesungguhnya (actual return)

n = Jumlah Data

8. Menguji hipotesis

Pengujian dilakukan untuk mengetahui model manakah yang lebih

akurat dalam memprediksi tingkat pendapatan saham LQ 45 dengan melihat

nilai MAD, MSE, dan MAPE. Semakin besar nilai MAD, MSE, dan MAPE

maka semakin tidak akurat model tersebut.

E. Operasional Variabel Penelitian

Untuk menghindari terjadinya perluasan dan pengaburan makna

variabel-variabel yang dibutuhkan, maka berikut ini adalah definisi

operasional untuk variabel-variabel yang akan diteliti:

1. Return Saham (Ri), yaitu Hasil selisih antara harga saham i pada periode t

dikurangi harga saham i pada periode sebelum t lalu hasilnya dibagi

dengan harga saham i pada periode sebelum t.

Ri = Pt – Pt-1

Pt-1

2. Return Pasar (Rm), yaitu Hasil selisih dari Indeks Harga Saham Gabungan

pada periode t dikurangi Indeks Harga Saham Gabungan Sebelum periode

t kemudian dibagi Indeks Harga Saham Gabungan sebelum periode t.

61

Rm = IHSGt – IHSG t-1

IHSG t-1

3. Return Aset Bebas Risiko (Rf),yaitu aset bebas risiko yang didapat dari

suku bunga selama satu bulan dibagi dua belas bulan.

Rf = SBI t 12

4. Perubahan Tingkat Inflasi (F1) yang tidak diharapkan adalah selisih

perubahan tingkat inflasi aktual dengan perubahan tingkat inflasi yang

diharapkan. Perubahan tingkat inflasi yang diharapkan dihitung dengan

menggunakan metode ARIMA.

F1 = Inflasi actual – Inflasi expected

5. Perubahan Tingkat Suku Bunga SBI (F2) yang tidak diharapkan adalah

selisih dari perubahan tingkat suku bunga SBI yang aktual dengan

perubahan tingkat suku bunga SBI yang diharapkan. Perubahan tingkat

suku bunga SBI yang diharapkan dihitung dengan menggunakan metode

ARIMA.

F2 =SBI rate actual – SBI rate expected

6. Tingkat Jumlah Uang Yang Beredar (F3) yang tidak diharapkan adalah

selisih dari jumlah uang yang beredar yang aktual dengan jumlah uang

yang beredar yang diharapkan. Tingkat jumlah uang beredar yang

diharapkan dapat dihitung dengan metode ARIMA.

F3 = M1 actual – M1 expected

62

63

7. Tingkat Kurs Rupiah Terhadap Dollar (F4) yang tidak diharapkan adalah

selisih dari nilai kurs Rupiah terhadap Dollar yang aktual dengan nilai kurs

Rupiah terhadap Dollar pada periode yang diharapkan. Tingkat kurs

Rupiah terhadap Dollar yang diharapkan dihitung dengan menggunakan

metode ARIMA.

F4 = Kurs actual – Kurs expected

BAB IV

HASIL DAN PEMBAHASAN

A. Sekilas Gambaran Umum Objek Penelitian

1. Sejarah Singkat Bursa Efek Indonesia

Pasar modal Indonesia telah didirikan sejak pemerintahan kolonial

Belanda di Batavia tanggal 14 Desember 1912 oleh Vereniging Voor De

Effectenhandel. Tujuan pendiriannya adalah untuk menghimpun dana agar

dapat menjadi sumber pembiayaan pengembangan sektor perkebunan

Belanda yang terdapat di Indonesia. Investor yang berperan saat itu adalah

orang – orang Hindia Belanda dan orang - orang Eropa lainnya. Sedangkan

efek – efek yang diperjualbelikan merupakan saham atau obligasi milik

perusahaan Belanda yang ada di Indonesia.

Perkembangan pasar modal yang cukup pesat mendorong

didirikannya Bursa Efek Surabaya pada tanggal 11 Januari 1925 dan Bursa

Efek Semarang pada tanggal 11 Agustus 1925. Gejolak politik di Eropa

mempengaruhi perdagangan efek yang ada di Indonesia sehingga pemerintah

Belanda menutup Bursa Efek Surabaya dan Semarang. Perang dunia kedua

pada awal tahun 1939, memaksa ditutupnya Bursa Efek Jakarta sekaligus

menandai terhentinya aktivitas pasar modal di Indonesia.

Pada tahun 1950-an, Pemerintah Indonesia setelah berdaulat

mengawali kembali pasar modal dengan menerbitkan obligasi pemerintah.

64

64

Republik Indonesia yang ditegaskan dengan adanya Undang – undang darurat

tentang Bursa nomor 13 tanggal 1 September 1951, ditetapkan menjadi

undang – undang nomor 15 tahun 1952, ytang diselenggarakan oleh

Perserikatan Perdagangan Uang dan efek – efek (PPUE) dan penasehat

dilakukan oleh Bank Indonesia. Tahun 1958, kegiatan Bursa Efek dihentikan

kembali karena terjadi inflasi dan resesi ekonomi. Tahun 1970, pasar modal

di indonesai kembali dibuka, pada sat itu terbentuk tim uang dan pasar modal,

tahun 1977 Badan Pengawas Pasar Modal (Bapepam) adalah institusi baru

yang dibentuk dan berada di bawah Departemen Keuangan, dan terjadi

pelaksanaan peresmian aktivitas perdagangan di Bursa Efek Jakarta oleh

Presiden.

2. Perkembangan Bursa Efek Indonesia

a. Perkembangan Usaha Bursa Efek Indonesia

Pada tanggal 13 Juli 1992 Bursa Efek Indinesia diswastakan,

tahun 1995 Bursa Efek Indonesia mulai mengoprasikan Jakarta

Automated Trading Systems (JATS), sebuah system perdagangan saham

yang dapat memfasilitasi investor maupun pialang untuk memonitor

kegiatan perdagangan jarak jauh (remote trading) sebagai usaha untuk

meningkatkan akses terhadap pasar, menigkatkan kecepatan serta

frekuensi perdagangan.

b. Perkembangan indeks Harga Saham Bursa Efek Indonesia memiliki

beragam indeks saham antara lain :

65

1) Indeks Harga Saham Gabungan (IHSG), yang menggunakan semua

saham yang tercatat sebagai komponen kalkulasi indeks.

Diperkenalkan pada 1 April 1983 sebagai indikator pergerakan saham

seluruh saham biasa dan saham preferen yang tercatat di Bursa Efek

Indonesia. Pada saat itu saham yang tercatat sejumlah 13 saham.

2) Indeks Sektoral, menggunakan semua saham yang masuk dalam setiap

sektor deperkenalkan pada tanggal 2 Januari 1996.

3) Indeks LQ-45, menggunakan 45 saham tepilih setelah melalui

bebeapa tahapan seleksi. Diperkenalkan pada tanggal 13 Juli 1994 dan

pada ssat itu 45 saham yang masuk meliputi 74% total market

kapitalisasi pasar dan 72,5% nilai transaksi di pasar reguler.

4) Indeks individual, yang merupakan indeks untuk masing - masing

saham didasarkan hari dasar.

5) Jakarta Islamic Index, mengakomodir investasi yang tertarik

berinvestasi di Bursa Efek Indonesia dengan berdasarkan syariah

islam diluncurkan pada tanggal 3 Juli 2000 dan terdapat 30 saham

yang tercatat pada waktu itu ke dalam JII.

6) Pada tanggal 13 Juli 2000 Bursa Efek Indonesia meluncurkan

peraturan dalam system pencatatan dan pada tanggal 8 April 2002

diluncurkan 2 indeks baru yaitu Papan Utama (Main Board Index) dan

Indeks Papan Pengembagan (Development Board Index). Pda saat itu

66

indeks mencatat 24 saham di MBX dan 287 saham di DBX dengan

kapitalisasi pasar sebesar 62% dan 38% (www.idx.co.id).

Pada periode tahun 2006 sampai sampai 2008, terjadi peristiwa

runtuhnya ekonomi dunia tak terkecuali negara yang memiliki ekonomi yang

kuat seperti Amerika. Peristiwa resesi perekonomian secara global ini otomatis

menurunkan harga saham dari bulan Juni sampai dengan November tahun 2008

serta menyebabkan banyak investor menjual sahamnya sebelum semakin

terpuruk.

B. Deskripsi Statistik

Sampel dalam penelitian ini adalah 27 dari 45 saham unggulan

berdasarkan kriteria kapitalisasi pasar terbesar yang diperoleh dari data statistik

Bursa Efek Indonesia pada tahun 2006 sampai dengan 2009. Deskripsi

penelitian ini meliputi rata-rata return saham perusahaan sampel dari tahun

2006 sampai dengan 2009, rata-rata pendapatan pasar (return market) dari

tahun 2006 sampai dengan 2009, rata-rata pendapatan bebas risiko (bunga SBI)

dari tahun 2006 sampai dengan 2009, risiko sistematis saham perusahaan

sampel dari tahun 2006 sampai dengan 2007. Adapun untuk variabel

makroekonomi yang digunakan dalam penelitian ini adalah perubahan tingkat

inflasi yang diharapkan, perubahan tingkat bunga yang diharapkan, perubahan

jumlah uang yang beredar yang diharapkan, dan perubahan kurs yang

diharapkan dari tahun 2006 sampai dengan 2009.

67

C. Return Saham LQ 45

Indeks LQ 45 adalah indeks saham dari 45 saham terbesar dan

memiliki frekuensi jual beli yang tinggi. Pada penelitian ini peneliti memakai

sampel 27 saham perusahaan yang tetap berada di indeks LQ 45 selama 4 tahun

dari tahun 2006 sampai tahun 2009.

Return 27 saham dari LQ 45 dapat dilihat pada lampiran. Dari data

actual return terdebut dapat diketahui bahwa semua saham memiliki rata – rata

return yang positif dan yang memiliki rata – rata return yang paling tinggi adalah

retrun saham Timah (TINS) yaitu 0.0822, sedangkan yang memiliki rata – rata

return paling rendah adalah Indak Kiat Pulp & Paper (INKP) yaitu 0.0032.

D. Return Market (Rm)

Tabel 4.1 Return Market (Rm) Periode 2006 – 2009

Periode 2006 2007 2008 2009 Januari 0.0599 -0.0267 -0.0432 0.0537 Febuari -0.0013 -0.0093 0.036 -0.036 Maret 0.0743 0.0517 -0.1009 0.092 April 0.1077 0.0919 -0.0583 0.173 Mei -0.0918 0.0426 0.0607 0.166 Juni -0.0148 0.0264 -0.039 0.1044 Juli 0.0315 0.0979 -0.019 0.0511 Agustus 0.059 -0.0657 -0.0601 September 0.0722 0.0751 -0.1539 Oktober 0.0313 0.1205 -0.3142 November 0.0861 0.017 -0.0121 Desember 0.0504 0.0214 0.0917 Total N 43 Minimum -0.31 Maksimum 0.17 Std.Deviation Mean 0.02

68

Sumber : Data Diolah Penulis

IHSG Menggunakan semua saham yang tercatat sebagai komponen

penghitung index, pada tabel di 4.1 di atas menunjukan tingkat return dari

IHSG perbulan dari Januari 2006 sampai dengan Juli 2009. Untuk jangka

waktu dari tahun 2006 sampai 2009, nilai return IHSG terendah sebesar -0,31

pada bulan Oktober tahun 2008 dan nilai return IHSG tertinggi sebesar 0,17

pada bulan April dan Mei tahun 2009. Nilai return IHSG yang negatif dari

bulan Juni sampai dengan November 2008 adalah akibat dari resesi ekonomi

keuangan global yang terjadi di Amerika Serikat. Resesi global ini

menyebabkan seluruh harga saham di seluruh negara tidak terkecuali negara

besar jatuh sehingga banyak perusahaan yang bangkrut. Resesi ekonomi

global dimulai pada bulan Juni tahun 2008, sehingga pada bulan Juli dan

Agustus sudah banyak investor yang menjual sahamnya karena takut semakin

merugi, tetapi ada beberapa investor yng bertahan karena yakin bahwa

keadaan akan segera pulih.pulihnya perekonomian dunia secara berangsur –

angsur dapat dilihat dengan naiknya return IHSG pada akhir Desember 2008

dengan nilai return yang positif meskipun pada bulan febuari 2009 terjadi

penurunan pada return IHSG, akan tetapi hal itu tidak terjadi pada bulan –

bulan berikutnya.

E. Risk Free

Risk Free (Rf) adalah tingkat pengembalian aset bebas resiko atas

saham yang diukur dengan menggunkan suku bunga yang berlaku pada waktu

tertent. Nilai Risk Free dapat dilihat pada tabel 4.2.

69

Tabel 4.2 Risk Free (Rf) Periode 2006 – 2009

Periode 2006 2007 2008 2009 Januari 0.0000 -0.0334 -0.0099 -0.0804 Febuari -0.0008 -0.0314 -0.0075 -0.1272 Maret -0.0008 -0.0270 0.0013 -0.0592 April 0.0008 0.0000 0.0038 -0.0751 Mei -0.0149 -0.0222 0.0351 0.0000 Juni -0.0040 -0.0273 0.0400 -0.0877 Juli -0.0152 -0.0292 0.0512 -0.0301 Agustus -0.0374 -0.0072 0.0266 September -0.0785 0.0000 0.0280 Oktober 0.0302 0.0000 0.1228 November -0.0773 0.0000 0.0477 Desember -0.0482 -0.0206 -0.0241

Total N 43 Minimum -0.1272 Maksimum 0.1228 Std. Deviation

Mean -0.0137

Sumber : Data Diolah Penulis

Risk free yang digunakan dalam penelitian ini dihitung dari bunga

Sertifikat Bank Indonesia (SBI) per 30 hari. Risk free tertinggi selama periode

tahun 2006 sampai dengan tahun 2009 adalah bulan oktober 2008 yaitu

sebesar 0,12. Risk free terendah selama periode tahun 2006 sampai dengan

tahun 2009 adalah bulan Febuari 2009 yaitu sebesar -0,1272. Risk free ini

mempengaruhi tingkat return model CAPM ataupun APT karena keduanya

mempunyai variabel risk free.

70

F. Beta Saham

Koefisien beta (b) saham, adalah ukuran risiko pasar yang

memengaruhi harga suatu saham. Beta mengukur sampai sejauh mana harga

saham turun naik bersamaan dengan turun dan naiknya harga pasar. Menurut

Brealey dan Myers (1991:249), beta adalah: "Beta is sensivity of a stock's

return to the return on the market portfolio", Dalam CAPM, beta suatu

sekuritas mengukur kepekaan suatu saham terhadap portofolio pasar. Suatu

portofolio yang terdiversifikasikan dengan baik hanya mempunyai risiko

sistematis. Nilai beta dari saham di dapatkan dari hasil kovarian antara return

sekuritas i dengan return pasar yang dibagi dengan varian return pasar. Berikut

adalah nilai beta dari 5 saham LQ 45 (selengkapnya dapat dilihat di lampiran):

Dari tabel 4.3 dapat diketahui bahwa beta saham yang mengukur

kepekaan return saham terhadap return market memiliki nilai yang

berfluktuasi. Salah satu contoh tingkat beta memiliki berfluktuasi tertinggi

adalah Berlian Laju Tanker dengan beta setinggi 159.9286. Faktor yang

mempengaruhi tinggi rendahnya beta Berlian Laju Tanker adalah besarnya

perbedaan antara return market dengan aktual return dari Berlian Laju Tanker.

Hal ini memunjukkan bahwa resiko sangat besar untuk menanamkan modal

pada saham-saham LQ 45 untuk mengharapkan return jangka pendek.

Bermain investasi jangka pendek memang memiliki tingkat resiko yang

tinggi, yang dapat berarti rugi atau untung dalam waktu yang singkat. Tetapi

apabila investor mencari return jangka panjang dan tidak terburu-buru maka

tingkat resiko akan berkurang.

71

Tabel 4.3 Beta Terhadap Return THN BULAN AALI ANTM BLTA BUMI TLKM 2006 Januari -0.4361 4.3584 2.193 1.9123 1.3509

Febuari -5.6479 3.7746 -9.8873 2.5305 1.3991 Maret 0.0516 1.0829 0.2376 0.5396 1.8232 April 0.1881 3.4196 1.7184 -0.3535 0.9156 Mei 0.5653 2.2182 -0.9589 1.1628 0.7165 Juni 1.3793 -0.5 1.819 3.2874 -0.8247 Juli 20.5793 8.9043 1.7565 3.113 -0.261 Agustus 1.3795 0.4256 2.8026 -3.5513 1.1923 September -1.1284 -0.0651 1.1322 -1.0613 1.067 Oktober 2.0708 21.2894 -11.3894 -0.1416 -1.7522 November 0.6702 0.9743 -1.1831 0.1483 2.4917 Desember 4.4441 1.2401 -0.2862 2.2697 0.2072

2007 Januari 0.0086 1.0043 1.1713 -3.3812 1.6767 Febuari 3.3174 -4.942 -1.5529 -2.6724 2.4608 Maret -1.388 8.8423 2.0694 1.8013 2.9274 April 2.8095 4.0974 0.9513 -0.0626 0.7246 Mei -3.9513 -5.5088 -2.0221 10 -4.6195 Juni -21.4688 -19.6094 6.6563 40.2969 2.7344 Juli 0.878 -10.3569 -1.113 1.8575 1.5815 Agustus 1.3582 2.2007 2.2007 1.14 0.5274 September 2.3013 3.8367 4.5245 6.5318 -0.0018 Oktober 2.8985 1.8438 1.0617 2.991 -0.3642 November -27.7 -124.533 6.733 -45 23.2333 Desember 37.2857 -46.2143 159.9286 14.1429 -9.9286

2008 Januari -0.4842 3.5285 2.0775 -0.3892 1.6234 Febuari -0.1 7.8125 2.1438 10.0625 2.85 Maret 1.9024 1.694 1.3507 1.9595 0.2415 April 1.6756 -0.2925 0.1111 -0.3895 1.2363 Mei 1.6708 -2.2924 0.086 4.1376 -2.4226 Juni -0.1729 0.7627 1.4136 0.3983 1.9102 Juli 7.8692 6.2154 0.7564 5.6128 -1.0487 Agustus 2.8514 3.2247 0.9051 2.8377 -0.3134 September 1.8781 1.4342 1.4549 2.6469 0.6912 Oktober 1.7379 0.9264 1.556 1.0844 0.7741 November -10.8629 1.2804 9.8567 17.9969 -2.162 Desember 1.5593 0.6513 3.9079 -14.3947 2.3096

2009 Januari 1.905 -0.1068 -5.6291 -14.2938 -2.9941 Febuari -2.3375 -1.0571 -0.7839 -8.3518 0.2482 Maret 0.6847 -1.5778 0.4347 0.3167 2.5625 April 0.4745 1.8954 1.5771 4.9856 0.1686 Mei 0.5384 2.4842 1.7315 1.9329 -0.4445 Juni -1.2014 0.0095 0.3306 -1.1031 -0.0853 Juli 3.1318 2.074 -1.0354 14.8971 5.7685 Total N 43 43 43 43 43 Sumber : Data Diolah Penulis

72

Dari tabel 4.3 juga dapat dilihat beta yang memiliki nilai terkecil

seperti pada saham ANTAM. Ini berarti bahwa tingkat resiko pada saham

ANTAM ini cukup kecil. Tetapi perlu kita ketahui bahwa investasi yang

memiliki tingkat resiko yang kecil berarti memiliki return yang kecil pula.

Selanjutnya beta saham dapat dibuat sebagai model dari CAPM.

G. Analisis Faktor

Analisis faktor adalah suatu analisis data untuk mengetahui faktor-

faktor yang dominan dalam menjelaskan suatu masalah. Beberapa faktor

makro ekonomi yang diteliti dalam analisis faktor adalah Kurs, Inflasi, SBI

dan julah uang yang beredar. Analisis Faktor dapat dipandang sebagai

perluasan analisis komponen utama yang pada dasarnya bertujuan untuk

mendapatkan sejumlah kecil faktor yang memiliki sifat-sifat mampu

menerangkan semaksimal mungkin keragaman data, faktor-faktor tersebut

saling bebas, dan tiap-tiap faktor dapat diinterpretasikan.

Tabel 4.4

KMO and Bartlett's Test

.483

90.9696

.000

Kaiser-Meyer-Olkin Measure of SamplingAdequacy.

Approx. Chi-SquaredfSig.

Bartlett's Test ofSphericity

Hasil output menunjukkan angka KMO Measure of Sampling

Adequacy (MSA) adalah 0,483. Oleh karena angka MSA di bawah 0,5 maka

dapat diinterpretasikan bahwa kumpulan variabel tersebut kurang layak untuk

73

diproses lebih lanjut. Namun dapat dilihat pada angka KMO and Bartlett’s test

sebesar 90.969 dengan signifikansi 0.000 < 0.05. Sehingga dapat

diinterpretasikan bahwa kumpulan variabel tersebut cukup layak untuk

diproses lebih lanjut. Selanjutnya tiap variabel dianalisis untuk mengetahui

mana yang dapat diproses lebih lanjut dan mana yang harus dikeluarkan.

Tabel 4.5

Communalities

1.000 .8841.000 .8941.000 .9341.000 .840

kursinflasisbiuang beredar

Initial Extraction

Extraction Method: Principal Component Analysis.

Communalities pada dasarnya adalah jumlah varians (bisa dalam

prosentase) dari suatu variabel mula-mula yang bisa dijelaskan oleh faktor

yang ada. (Santoso, 2001:154). Sebagai contoh, variabel inflasi angka 0,894

berarti 89.4% varians dari variabel image bisa dijelaskan oleh faktor yang

akan terbentuk, demikian dengan variable-variabel yang lainnya. Semua

variabel dapat dijelaskan oleh faktor yang terbentuk dengan ketentuan

semakin besar communalities maka semakin erat hubungan variabel yang

bersangkutan dengan faktor yang terbentuk.

Tabel 4.6 total variance explained terdiri dari initial eigenvalues,

extraction sums of squared loadings dan rotation sums of squared loadings.

Initial eigenvalues menunjukkan kepentingan relatif masing-masing faktor

dalam menghitung varians ke 4 variabel yang dianalisis.

74

Tabel 4.6

Total Variance Explained

2.393 59.831 59.831 2.393 59.831 59.831 1.944 48.600 48.6001.159 28.967 88.798 1.159 28.967 88.798 1.608 40.198 88.798

.340 8.500 97.298

.108 2.702 100.000

Component1234

Total% of

VarianceCumulative % Total

% ofVariance

Cumulative % Total

% ofVariance

Cumulative %

Initial EigenvaluesExtraction Sums of Squared

LoadingsRotation Sums of Squared

Loadings

Extraction Method: Principal Component Analysis.

Susunan eigenvalues selalu diurutkan dari yang terbesar sampai yang

terkecil dengan kriteria bahwa; angka eigenvalues di bawah 1 tidak digunakan

dalam menghitung jumlah faktor yang terbentuk. Tabel 4.6 di atas

menunjukkan bahwa dari 4 variabel yang dianalisis hanya 2 faktor yang

terbentuk, dimana 2 variabel memiliki angka eigenvalues di atas 1 dan 2

variabel memiliki angka eigenvalues di bawah 1, sehingga proses factoring

pada 2 faktor saja. Jumlah factor yang didapatkan juga dapat ditampakkan

dalam bentuk grafik. Dalam hasil analisis factor disebut dengan Scree Plot.

Grafik Scree Plot menjelaskan dasar jumlah faktor yang didapat dengan grafik

bukan dengan perhitungan angka. Pada gambar 4.1. terlihat bahwa dari faktor

satu ke dua faktor (garis dari sumbu component number = 1 ke 2), arah garis

menurun tajam. Demikian juga arah dari faktor dua ke faktor tiga, arah garis

menurun tajam dengan slope yang lebih kecil. Namun, faktor kedua masih di

atas angka 1 pada sumbu Y (eigenvalues), sedangkan faktor ketiga, posisinya

sudah dibawah angka 1 pada sumbu Y. Hal ini dapat dijelaskan bahwa ke 4

variabel paling sesuai untuk diringkas menjadi 2 faktor dalam penelitian ini.

75

Gambar 4.1 Scree Plot Eigenvalue Analisis Faktor

Scree Plot

Component Number

4321

Eige

nval

ue

3.0

2.5

2.0

1.5

1.0

.5

0.0

Tabel 4.7

Component Matrixa

-.554 .760.793 .514.884 .392

-.822 .405

kursinflasisbiuang beredar

1 2Component

Extraction Method: Principal Component Analysis.2 components extracted.a.

Tabel 4.8

Rotated Component Matrixa

.017 .940

.943 -.069

.941 -.221-.412 .819

kursinflasisbiuang beredar

1 2Component

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Rotation converged in 3 iterations.a.

76

Pada tabel Component Matrix, menunjukkan distribusi ke 4 variabel

tersebut pada ke 2 faktor yang terbentuk. Factor Loadings atau besarnya

korelasi antara masing_masing variabel dengan faktor 1 dan Faktor 2.

Penentuan variabel yang masuk masing_masing faktor dilakukan dengan

memperbandingkan besaran korelasi pada setiap baris. Angka korelasi dibawah

0,5 menunjukkan indikasi korelasi yang lemah sedangkan diatas 0,5

berindikasi kuat korelasinya. Untuk variabel inflasi dan uang yang beredar

tidak ada perbedaan yang nyata di antara ke dua factor loadings, sehingga

variabel tersebut tidak dapat begitu saja dimasukkan kedalam salah satu factor

dengan hanya melihat mana yang lebih besar. Oleh karena itu perlu dilakukan

proses rotasi (rotation) agar semakin jelas perbedaan sebuah variabel yang

akan dimasukkan pada faktor. Dengan demikian, ke 4 variabel setelah

direduksi menjadi 2 faktor yang terdiri dari :

a. Faktor 1 terdiri atas variabel Inflasi dan SBI.

b. Faktor 2 terdiri atas variabel Kurs dan Uang yang beredar.

1. Menentukan Label Factor

Setelah faktor_faktor terbentuk, ternyata variabel-variabel yang

masuk pada masing-masing faktor tidak sama dengan yang diprediksi

sebelumnya. Oleh karenanya, perlu memberikan nama label baru yang

representative bagi variabel-variabel yang masuk di dalam masing-masing

factor-faktor sebagai berikut :

1. Faktor Tingkat Investasi (Harga Saham) terdiri dari SBI dan Inflasi.

77

2. Faktor Tingkat Nilai Rupiah terdiri dari Kurs Dollar terhadap Rupiah

dan Uang yang beredar .

Setelah dilakukan analisis faktor ditemukan variabel-variabel yang

merepresentasikan faktor return saham yaitu SBI dan Inflasi.

2. Faktor-faktor Makro Ekonomi hasil Analisis Faktor

a. Inflasi

Inflasi adalah suatu proses meningkatnya harga-harga secara

umum dan terus-menerus berkaitan dengan mekanisme pasar dapat

disebabkan oleh berbagai faktor. Dengan kata lain, inflasi juga merupakan

proses menurunnya nilai mata uang secara berkelanjutan. Inflasi adalah

proses dari suatu peristiwa, bukan tinggi-rendahnya tingkat harga. Data

tingkat inflasi dapat dilihat pada tabel di bawah ini :

Tabel 4.9 Inflasi Indonesia

Periode 2006 2007 2008 2009 Januari 17.03 6.50 7.36 9.17 Febuari 17.92 6.30 7.40 8.60 Maret 15.74 6.52 8.17 7.92 April 15.40 6.29 8.96 7.31 Mei 15.60 6.01 10.38 6.04 Juni 15.53 5.77 11.03 3.65 Juli 15.15 6.06 11.90 2.71 Agustus 14.90 6.51 11.85 September 14.55 6.95 12.14 Oktober 6.29 6.88 11.77 November 5.27 6.71 11.68 Desember 6.60 6.60 11.06

Tingkat Inflasi terendah terjadi pada bulan Juli 2009 sebesar

2.71%, sedangkan tingkat inflasi tertinggi terjadi pada bulan Februari 2006

78

sebesar 17.92%. Pada bulan September menuju Oktober tahun 2006 terjadi

penurunan tingkat inflasi melebihi 50%. Pada bulan Oktober 2006 harga

barang-barang cenderung turun tetapi tingkat pengangguran naik. Hal ini

menunjukkan bahwa perekonomian tidaklah stabil. Pengaruh inflasi pada

tingkat return saham akan dapat dilihat pada model APT.

b. Sertifikat Bank Indonesia (SBI)

Sertifikat Bank Indonesia (SBI) adalah surat berharga yang

dikeluarkan oleh Bank Indonesia sebagai pengakuan utang berjangka waktu

pendek (1-3 bulan) dengan sistem diskonto/bunga. Tingkat suku bunga yang

berlaku pada setiap penjualan SBI ditentukan oleh mekanisme pasar

berdasarkan sistem lelang.

Tabel 4.10 Sertifikat Bank Indonesia - 1 Bulan/Bank Indonesia Certificate - 1 Month

Periode 2006 2007 2008 2009 Januari 12.75 9.55 8.00 10.06 Febuari 12.74 9.25 7.94 8.78 Maret 12.73 9.00 7.95 8.26 April 12.74 9.00 7.98 7.64 Mei 12.55 8.80 8.26 7.64 Juni 12.50 8.56 8.59 6.97 Juli 12.31 8.31 9.03 6.76 Agustus 11.85 8.25 9.27 September 10.92 8.25 9.53 Oktober 11.25 8.25 10.70 November 10.38 8.25 11.21 Desember 9.88 8.08 10.94

Nilai SBI tertinggi ada pada bulan Januari tahun 2006 sebesar

12,75% dan nilai SBI terendah ada pada bulan Juli tahun 2009 sebesar 6.76%.

Nilai SBI ini memiliki pengaruh terhadap nilai risk free pada model CAPM

dan pada faktor pembentuk model APT.

79

H. Penghitungan Return menurut CAPM

Tabel 4.11 Expected Return CAPM AALI ANTM BLTA BUMI TLKM

2006 Jan -0.026122 0.261068 0.131361 0.114547 0.080919 Feb 0.002024 -0.002687 0.004144 -0.002065 -0.0015 Mar 0.003075 0.080526 0.017044 0.039724 0.136122 Apr 0.020908 0.366355 0.184497 -0.036989 0.098678 Mei -0.058372 -0.18548 0.058839 -0.104319 -0.069999 Juni -0.018896 0.0014 -0.023645 -0.039504 0.004907 Juli 0.945853 0.400631 0.066829 0.130177 -0.027389 Agts 0.095584 0.003628 0.232771 -0.379745 0.077538 Sept -0.24855 -0.088311 0.092123 -0.238438 0.082297 Okt 0.032478 0.053618 0.017672 0.030044 0.028273 Nop 0.032211 0.081901 -0.270619 -0.053068 0.329844 Des 0.389988 0.074074 -0.076419 0.175592 -0.02777

2007 Jan -0.033342 -0.026671 -0.025552 -0.056054 -0.022166 Feb 0.041915 -0.140618 -0.065719 -0.09046 0.022984 Mar -0.136236 0.668889 0.135862 0.114762 0.203386 Apr 0.258193 0.376551 0.087424 -0.005753 0.066591 Mei -0.278244 -0.37917 -0.153232 0.6258 -0.321544 Juni -1.180175 -1.080325 0.330143 2.136644 0.119537 Juli 0.082394 -1.345562 -0.170662 0.206888 0.171809 Agts -0.086655 -0.135941 -0.135941 -0.07389 -0.038053 Sept 0.172828 0.288136 0.33979 0.490538 -0.000135 Okt 0.349269 0.222178 0.127935 0.360416 -0.043886 Nop -0.4709 -2.117061 0.114461 -0.765 0.394966 Des 1.545399 -1.961601 6.696401 0.573402 -0.437601

2008 Jan 0.006224 -0.127399 -0.079081 0.00306 -0.063959 Feb -0.01185 0.332344 0.085755 0.430219 0.116475 Mar -0.193125 -0.171827 -0.136742 -0.198961 -0.023381 Apr -0.100255 0.021964 -0.003099 0.027988 -0.072974 Mei 0.077872 -0.023585 0.037302 0.141023 -0.026919 Juni 0.053659 -0.020253 -0.071674 0.008534 -0.110906 Juli -0.501218 -0.385121 -0.001899 -0.342819 0.124819 Agts -0.220616 -0.252981 -0.051872 -0.219429 0.053772 Sept -0.313626 -0.232881 -0.236646 -0.453471 -0.097729 Okt -0.636662 -0.282037 -0.557172 -0.351083 -0.215482 Nop 0.697301 -0.028868 -0.541731 -1.028515 0.176988 Des 0.156467 0.051321 0.428435 -1.691006 0.243352

2009 Jan 0.175061 -0.094722 -0.835262 -1.997199 -0.481909 Feb -0.34038 -0.223608 -0.198692 -0.888884 -0.104564 Mar 0.044327 -0.297763 0.006527 -0.011315 0.32825 Apr 0.042623 0.395149 0.316179 1.161827 -0.03327 Mei 0.089374 0.412377 0.287429 0.320861 -0.073787 Juni -0.318489 -0.085875 -0.024192 -0.299606 -0.104086 Juli 0.224202 0.138309 -0.114174 1.179545 0.438302

Total N 43 43 43 43 43

80

Pada tabel 4.11 dapat di lihat hasil penghitungan return dari 5 saham

(selengkapnya dapat dilihat di lampiran) menurut model CAPM.

I. Penghitungaan Variabel Makro Menggunakan Model ARIMA pada APT

Sebelum masuk dalam model Autoregressive Integrated Moving

Average (ARIMA), langkah pertama adalah estimasi model menggunakan

korelogram dan korerogram parsial. Grafik autokorelasi dan autokorelasi

parsial menunjukkan bahwa semua bintang sudah berada di dalam garis

terputus-putus (garis barlett). Hal ini menunjukkan bahwa data sudah bersifat

stasioner, jika belum maka harus didiferenkan 1 atau 2 lag.

Tabel 4.12 Correlogram SBI 2nd difference

81

Tabel 4.13 Correlogram Inflasi 2nd difference

Pada Tabel Correlogram SBI maupun inflasi menunjukkan bahwa

data SBI dan inflasi harus didiferen dua kali maka ditulis d(d(SBI)) dan

d(d(inflasi)) dalam program eviews. Setelah data telah memenuhi syarat

kestationeran, maka dilakukan langkah selanjutnya, yaitu dapat dimasukkan

pada model ARIMA sebagai berikut :

82

Tabel 4.14 Model ARIMA SBI

Dari hasil tersebut di atas terlihat bahwa nilai probabilitas AR(1) dan

MA(1) sudah sangat kecil (kurang dari 5%), yaitu 0.0026 untuk AR(1) dan

0.0000 untuk MA(1), sehingga sudah signifikan. Hal tersebut juga dibuktikan

dengan nilai prob(F-statistik) yang kurang dari 0.05 (0.006611 < 0.05).

83

Tabel 4.15 Model ARIMA Inflasi

Dari hasil tersebut di atas terlihat bahwa nilai probabilitas AR(1) dan

MA(2) sudah sangat kecil (kurang dari 5%), yaitu 0.0000 untuk AR(1) dan

0.0000 untuk MA(2), sehingga sudah signifikan. Hal tersebut juga dibuktikan

dengan nilai Prob(F-statistik) yang kurang dari 0.05 (0.000044 < 0.05).

1. Perubahan Tingkat Inflasi

Perubahan tingkat inflasi yang digunakan untuk model APT

adalah perubahan tingkat inflasi yang tidak diharapkan yang didapat dari

selisih antara perubahan tingkat inflasi aktual dengan perubahan tingkat

inflasi yang diharapkan. Perubahan tingkat inflasi yang diharapkan didapat

dari model ARIMA dengan menggunakan software minitab 15. Adapun

perkembangan perubahan tingkat inflasi aktual, perubahan tingkat inflasi

yang diharapkan, dan perubahan tingkat inflasi yang tidak diharapkan dapat

dlihat dari tabel 4.16

84

Tabel 4.16 Perubahan Tingkat Inflasi Aktual, Perubahan Tingkat Inflasi yang

Diharapkan, dan Perubahan Tingkat Inflasi yang Tidak Diharapkan Periode Januari 2006 – Juli 2009

No Bulan Inflasi actual Inflasi yang diharapkan Perubahan Inflasi

1 6-Jan 0.01% -0.57% 0.58% 2 6-Feb 0.05% -0.28% 0.33% 3 6-Mar -0.12% -0.31% 0.19% 4 6-Apr -0.02% -0.31% 0.28% 5 Mei 06 0.01% -0.31% 0.32% 6 Juni 06 0.00% -0.31% 0.30% 7 Juli 06 -0.02% -0.31% 0.28% 8 Agts 06 -0.02% -0.31% 0.29% 9 6-Sep -0.02% -0.31% 0.28% 10 Okt 06 -0.57% -0.31% -0.26% 11 6-Nov -0.16% -0.31% 0.15% 12 Des 06 0.25% -0.31% 0.56% 13 7-Jan -0.02% -0.31% 0.29% 14 7-Feb -0.03% -0.31% 0.28% 15 7-Mar 0.04% -0.31% 0.34% 16 7-Apr -0.04% -0.31% 0.27% 17 Mei 07 -0.05% -0.31% 0.26% 18 Juni 07 -0.04% -0.31% 0.27% 19 Juli 07 0.05% -0.31% 0.36% 20 Agts 07 0.07% -0.31% 0.38% 21 7-Sep 0.07% -0.31% 0.37% 22 Okt 07 -0.01% -0.31% 0.30% 23 7-Nov -0.03% -0.31% 0.28% 24 Des 07 -0.02% -0.31% 0.29% 25 8-Jan 0.12% -0.31% 0.42% 26 8-Feb 0.01% -0.31% 0.31% 27 8-Mar 0.10% -0.31% 0.41% 28 8-Apr 0.10% -0.31% 0.40% 29 Mei 08 0.16% -0.31% 0.47% 30 Juni 08 0.06% -0.31% 0.37% 31 Juli 08 0.08% -0.31% 0.39% 32 Agts 08 0.00% -0.31% 0.30% 33 8-Sep 0.02% -0.31% 0.33% 34 Okt 08 -0.03% -0.31% 0.28% 35 8-Nov -0.01% -0.31% 0.30% 36 Des 08 -0.05% -0.31% 0.25% 37 9-Jan -0.17% -0.31% 0.14% 38 9-Feb -0.06% -0.31% 0.25% 39 9-Mar -0.08% -0.31% 0.23% 40 9-Apr -0.08% -0.31% 0.23% 41 Mei 09 -0.17% -0.31% 0.13% 42 Juni 09 -0.40% -0.31% -0.09% 43 Juli 09 -0.26% -0.31% 0.05%

Rata-rata -0.03% -0.31% 0.28%

85

2. Perubahan Tingkat Bunga SBI

Tabel 4.17 Perubahan SBI Aktual, Perubahan SBI Yang Diharapkan, dan Perubahan Tingkat

Bunga yang Tidak Diharapkan Periode Januari 2006–Juli 2009 No Bulan SBI actual SBI yang diharapkan Perubahan SBI 1 6-Jan 1.06% 0.01% 1.05% 2 6-Feb 1.06% 0.01% 1.05% 3 6-Mar 1.06% 0.01% 1.05% 4 6-Apr 1.06% 0.01% 1.05% 5 Mei 06 1.05% 0.01% 1.04% 6 Juni 06 1.04% 0.01% 1.03% 7 Juli 06 1.03% 0.01% 1.02% 8 Agts 06 0.99% 0.01% 0.98% 9 6-Sep 0.91% 0.01% 0.90%

10 Okt 06 0.94% 0.01% 0.93% 11 6-Nov 0.87% 0.01% 0.86% 12 Des 06 0.82% 0.01% 0.81% 13 7-Jan 0.80% 0.01% 0.79% 14 7-Feb 0.77% 0.01% 0.76% 15 7-Mar 0.75% 0.01% 0.74% 16 7-Apr 0.75% 0.01% 0.74% 17 Mei 07 0.73% 0.01% 0.72% 18 Juni 07 0.71% 0.01% 0.70% 19 Juli 07 0.69% 0.01% 0.68% 20 Agts 07 0.69% 0.01% 0.68% 21 7-Sep 0.69% 0.01% 0.68% 22 Okt 07 0.69% 0.01% 0.68% 23 7-Nov 0.69% 0.01% 0.68% 24 Des 07 0.67% 0.01% 0.66% 25 8-Jan 0.67% 0.01% 0.66% 26 8-Feb 0.66% 0.01% 0.65% 27 8-Mar 0.66% 0.01% 0.65% 28 8-Apr 0.67% 0.01% 0.66% 29 Mei 08 0.69% 0.01% 0.68% 30 Juni 08 0.72% 0.01% 0.71% 31 Juli 08 0.75% 0.01% 0.74% 32 Agts 08 0.77% 0.01% 0.76% 33 8-Sep 0.79% 0.01% 0.78% 34 Okt 08 0.89% 0.01% 0.88% 35 8-Nov 0.93% 0.01% 0.92% 36 Des 08 0.91% 0.01% 0.90% 37 9-Jan 0.84% 0.01% 0.83% 38 9-Feb 0.73% 0.01% 0.72% 39 9-Mar 0.69% 0.01% 0.68% 40 9-Apr 0.64% 0.01% 0.63% 41 Mei 09 0.64% 0.01% 0.63% 42 Juni 09 0.58% 0.01% 0.57% 43 Juli 09 0.56% 0.01% 0.55%

Rata-rata 0.80% 0.01% 0.79%

86

Data perubahan tingkat bunga yang diambil untuk penelitian

adalah perubahan tingkat bunga SBI (Sertifikat Bank Indonesia). Perubahan

tingkat bunga yang digunakan untuk model APT adalah perubahan tingkat

bunga yang tidak diharapkan yang didapat dari selisih antara perubahan

tingkat bunga aktual dengan perubahan tingkat bunga yang diharapkan.

Perubahan tingkat bunga yang diharapkan didapat dari model ARIMA

dengan menggunakan software minitab 14.

J. Penghitungan Return menurut APT

Arbitrage Pricing Theory (APT) adalah model penghitungan

peramalan asset yang memperhitungkan faktor-faktor luar seperti makro

ekonomi. Berikut adalah salah satu persamaan model APT yang didapat dari

olah metode least square (selengkapnya dapat dilihat pada lampiran):

AALI = 0.07517 - 0.0462*Perubahan Inflasi – 0.04007*Perubahan SBI

Dari persamaan dan hasil di atas, dapat disimpulkan hal-hal sebagai

berikut: Apabila Ada kenaikan tingkat inflasi sebesar 1% maka return AALI

turun sebesar 0,0462. Apabila ada penurunan tingkat inflasi sebesar 1% maka

return Holcim naik sebesar 0,0462. Apabila ada kenaikan nilai suku bunga BI

sebesar 1% maka return Holcim turun sebesar 0.04007. Apabila ada penurunan

nilai suku bunga BI sebesar 1% maka return Holcim naik sebesar 0.04007.

Apabila variabel SBI dan Inflasi bernilai 0 atau tidak ada pengaruh maka return

bertambah 0,07517 (sesuai dengan besaran c atau konstanta) ditambah risk free

jika terdapat return bebas resiko.

87

Tabel 4.18 Expected Return APT

AALI ANTM BLTA BUMI TLKM 2006 Jan 0.0064 -0.154 -0.0043 -0.0713 0.0197

Feb 0.0177 -0.0782 -0.015 -0.0759 0.0515 Mar 0.0243 -0.0336 -0.0214 -0.0786 0.0702 Apr 0.02 -0.0628 -0.0173 -0.0768 0.058 Mei 0.0412 -0.0049 0.0055 0.0382 0.0171 Juni 0.0199 -0.066 -0.0157 -0.0725 0.0544 Juli 0.0447 0.0121 0.0055 0.0463 0.0192 Agts 0.0463 0.0157 0.0077 0.0565 0.015 Sept 0.0503 0.0287 0.0107 0.0743 0.0102 Okt 0.0747 0.1961 -0.0139 0.0609 0.0823 Nop 0.0593 0.08 0.0071 0.0851 0.0241 Des 0.0169 -0.1193 0.0038 -0.0236 0.0069

2007 Jan 0.0561 0.045 0.0169 0.1057 -0.0007 Feb 0.0582 0.0539 0.0174 0.1121 -0.0008 Mar 0.0563 0.037 0.0214 0.1192 -0.0113 Apr 0.0599 0.0598 0.0186 0.1194 -0.0026 Mei 0.0342 -0.0161 -0.006 -0.0111 0.0399 Juni 0.0348 -0.0151 -0.005 -0.007 0.0381 Juli 0.0314 -0.0407 -0.0003 -0.0013 0.025 Agts 0.0583 0.0363 0.0267 0.1391 -0.0225 Sept 0.0589 0.039 0.0266 0.14 -0.0219 Okt 0.0626 0.0638 0.0234 0.1396 -0.0121 Nop 0.0635 0.0689 0.0229 0.1402 -0.0105 Des 0.0353 -0.0176 -0.0025 0.0014 0.0324

2008 Jan 0.0582 0.0289 0.0302 0.1486 -0.0306 Feb 0.0636 0.064 0.0256 0.1483 -0.0168 Mar 0.0302 -0.0538 0.0032 0.0057 0.0161 Apr 0.0595 0.036 0.0298 0.1506 -0.0289 Mei 0.0558 0.0143 0.0317 0.1476 -0.0357 Juni 0.0593 0.0411 0.0266 0.1409 -0.0216 Juli 0.0277 -0.0569 -0.0012 -0.0128 0.0251 Agts 0.0307 -0.0334 -0.0057 -0.0184 0.0372 Sept 0.0286 -0.0448 -0.0051 -0.0219 0.0347 Okt 0.0569 0.0499 0.0163 0.1056 0.0012 Nop 0.0245 -0.0517 -0.0118 -0.0505 0.0478 Des 0.0573 0.0549 0.0146 0.1019 0.0052

2009 Jan 0.0657 0.1006 0.0122 0.1147 0.0158 Feb 0.065 0.0799 0.021 0.1384 -0.0053 Mar 0.0676 0.0905 0.0219 0.147 -0.0059 Apr 0.0696 0.0963 0.024 0.1576 -0.0095 Mei 0.0741 0.1265 0.0198 0.156 0.0031 Juni 0.0866 0.2025 0.0121 0.1633 0.0284 Juli 0.0509 0.0708 -0.0091 0.0189 0.0569

Total N 43 43 43 43 43

88

Perubahan faktor makro ekonomi baik naik ataupun turun akan

mempengaruhi nilai expected return APT. Cara mengukurnya adalah dengan

metode ARIMA. Maka perubahan nilai inflasi adalah nilai inflasi yang

sebenarnya pada waktu t dikurangi nilai inflasi yang diperkirakan dengan

ARIMA pada waktu t, perubahan nilai SBI adalah nilai SBI yang sebenarnya

pada waktu t dikurangi nilai SBI yang diperkirakan dengan ARIMA pada

waktu t, dan perubahan nilai Pertumbuhan Pendapatan Nasional adalah nilai

Pertumbuhan Pendapatan Nasional yang sebenarnya pada waktu t dikurangi

nilai Pertumbuhan Pendapatan Nasional yang diperkirakan dengan ARIMA

pada waktu t. Setelah mengolah data yang ada maka didapat nilai return saham

LQ45 menurut model APT ditunjukkan pada tabel 4.18 (selengkapnya dapat

dilihat di lampiran):

K. Uji Normalitas Data dan Uji Asumsi Klasik

1. Uji Normalitas Data

Uji normalitas bertujuan menguji apakah dalam model regresi,

variable penganggu atau residual memiliki distribusi normal. Pengujian

normalitas data adalah pengujian tentang kenormalan distribusi data. Uji

normalitas bertujuan untuk menguji apakah dalam model regresi variabel

dependen yang dalam hal ini adalah return saham LQ-45 dan variabel

independen CAPM dan APT ataupun keduanya mempunyai distribusi yang

normal atau tidak. Hasil uji normalitas data kedua model tersebut dapat

dilihat pada tabel 4.19.

89

Tabel 4.19 Return Perusahaan LQ-45 Dengan Kolmogorov-Smirnov Tahun 2006 – 2009

No Nama Perusahaan Kode CAPM APT 1 Astra Agro Lestari Tbk AALI 0.304 0.459 2 Aneka Tambang (Persero) Tbk ANTM 0.037 0.896 3 Astra Internasional Tbk ASII 0.147 0.897 4 Bank Central Asia Tbk BBCA 0.018 0.515 5 International Nickel Ind. Tbk INCO 0.174 0.699 6 Indofood Sukses Makmur Tbk INDF 0.414 0.732 7 Indal Kiat Pulp & Paper Tbk INKP 0.173 0.082 8 Indosat Tbk ISAT 0.738 0.875 9 Kalbe Farma Tbk KLBF 0.349 0.325

10 Bank Pan Indonesia Tbk PNBN 0.466 0.700 11 Semen Cibinong Tbk SMCB 0.194 0.433 12 Telekomunikasi Indonesia Tbk TLKM 0.725 0.952 13 Tambang Batubara Bukit Asam Tbk PTBA 0.121 0.571 14 United Tractors Tbk UNTR 0.238 0.189 15 Bank Negara Indonesia Tbk BBNI 0.003 0.242 16 Bank Rakyat Indonesia Tbk BBRI 0.476 0.947 17 Berlian Laju Tanker Tbk BLTA 0.021 0.772 18 Bank Mandiri Tbk BMRI 0.265 0.750 19 Bakrie & Brothers Tbk BNBR 0.414 0.260 20 Bank Internasional Indonesia BNII 0.217 0.243 21 Bumi Resources Tbk BUMI 0.157 0.842 22 Bakrieland Development Tbk ELTY 0.816 0.098 23 Kawasan industri Jababeka Tbk KIJA 0.129 0.701 24 Perusahaan Gas Negara Tbk PGAS 0.021 0.374 25 Semen Gresik Tbk SMGR 0.290 0.823 26 Timah Tbk TINS 0.165 0.153 27 Aqua Misissi Tbk AQUA 0.013 0.023

Berdasarkan tabel 4.19. dapat dilihat bahwa secara keseluruhan nilai

Prob Kolmogorv-Smirnov pada model CAPM dan APT terhadap return

perusahaan LQ-45 yang dijadikan sampel pada penelitian ini bernilai > 0.05

yang berarti data normal.

90

2. Uji Asumsi Klasik

Untuk mendapatkan hasil estimator linear yang terbaik dan tidak

bias pada model regresi berganda, maka diperlukan pengujian asumsi klasik.

Adapun hasil dari uji asumsi klasik adalah sebagai berikut:

a. Uji Multikolenieritas

1) Uji Multikolinearitas APT

Uji multikolinearitas dimaksudkan untuk menguji apakah

dalam model regresi ditemukan adanya korelasi antar variabel

independen.. Model regresi yang baik seharusnya tidak terjadi korelasi

diantara variabel bebas. Diagnosis untuk mengetahui adanya

multikolinieritas adalah menentukan nilai Variance Inflaction Factor

(VIF) dan Tolerance. Batas tolerance value adalah > 0.10 dan VIF < 10.

Hasil perhitungan nilai tolerance dan VIF dapat dilihat pada lampiran

market model saham LQ-45 bahwa semua variabel dapat diketahui nilai

tolerancenya diatas 0,10 dan VIF dibawah 10, sehingga dapat dikatakan

tidak terjadi multikolinearitas.

2) Uji Multikolinearitas CAPM

Berdasarkan lampiran model CAPM saham LQ-45 dapat

dilihat bahwa semua variabel tidak terjadi multikolinearitas, karena nilai

tolerance > 0.10 dan nilai VIF <10. sehingga variable-variabel

independent pada model CAPM terhindar dari multikolinearitas.

91

b. Uji Autokorelasi

Autokorelasi digunakan untuk menguji apakah dalam sebuah

model regresi linier ada korelasi antara kesalahan pengganggu pada periode

t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi,

maka dinamakan ada problem autokorelasi. Untuk mendeteksi autokorelasi

dalam penelitian ini maka digunakan uji Durbin Watson (DW). Untuk

pengujian Durbin Watson (DW) digunakan ketentuan bahwa du < D-W < 4-

du.

Tabel 4.20 Pengujian Durbin Watson (D-W) Pada Market Model CAPM Saham LQ-45 2006-2009

No Nama Perusahaan Kode du D-W 4-du 1 Astra Agro Lestari Tbk AALI 1.100 1.884 2.900 2 Aneka Tambang (Persero) Tbk ANTM 1.100 1.703 2.900 3 Astra Internasional Tbk ASII 1.100 2.413 2.900 4 Bank Central Asia Tbk BBCA 1.100 2.323 2.900 5 International Nickel Ind. Tbk INCO 1.100 2.071 2.900 6 Indofood Sukses Makmur Tbk INDF 1.100 2.315 2.900 7 Indal Kiat Pulp & Paper Tbk INKP 1.100 2.057 2.900 8 Indosat Tbk ISAT 1.100 2.069 2.900 9 Kalbe Farma Tbk KLBF 1.100 2.382 2.900

10 Bank Pan Indonesia Tbk PNBN 1.100 2.236 2.900 11 Semen Cibinong Tbk SMCB 1.100 2.447 2.900 12 Telekomunikasi Indonesia Tbk TLKM 1.100 1.884 2.900 13 Tambang Batubara Bukit Asam Tbk PTBA 1.100 2.573 2.900 14 United Tractors Tbk UNTR 1.100 2.396 2.900 15 Bank Negara Indonesia Tbk BBNI 1.100 1.727 2.900 16 Bank Rakyat Indonesia Tbk BBRI 1.100 2.644 2.900 17 Berlian Laju Tanker Tbk BLTA 1.100 2.310 2.900 18 Bank Mandiri Tbk BMRI 1.100 1.869 2.900 19 Bakrie & Brothers Tbk BNBR 1.100 2.018 2.900 20 Bank Internasional Indonesia BNII 1.100 2.301 2.900 21 Bumi Resources Tbk BUMI 1.100 1.172 2.900 22 Bakrieland Development Tbk ELTY 1.100 2.219 2.900 23 Kawasan industri Jababeka Tbk KIJA 1.100 2.097 2.900 24 Perusahaan Gas Negara Tbk PGAS 1.100 2.256 2.900 25 Semen Gresik Tbk SMGR 1.100 2.150 2.900 26 Timah Tbk TINS 1.100 1.541 2.900 27 Aqua Misissi Tbk AQUA 1.100 2.424 2.900

92

Pada tabel 4.20 diketahui nilai Durbin Watson (D-W) pada return

saham perusahaan LQ-45 dengan market model akan dibandingkan dengan

nilai tabel dengan menggunakan nilai signifikansi 5%, jumlah sampel (n) 48

dan jumlah variable independen (k) adalah 5 yaitu return saham masing-

masing perusahaan. Maka dari tabel tersebut secara keseluruhan nilai return

saham perusahaan LQ-45 dengan market model didapatkan nilai du < D-W <

4-du. Hal berarti dapat disimpulkan bahwa tidak ada autokorelasi baik positif

maupun negatif pada 27 return saham LQ-45 dengan pada market model.

Tabel 4.21 Pengujian Durbin Watson (D-W) pada Model APT Perusahaan LQ-45 2004-2007

No Nama Perusahaan Kode du D-W 4-du 1 Astra Agro Lestari Tbk AALI 1.100 1.710 2.900 2 Aneka Tambang (Persero) Tbk ANTM 1.100 1.553 2.900 3 Astra Internasional Tbk ASII 1.100 1.910 2.900 4 Bank Central Asia Tbk BBCA 1.100 2.188 2.900 5 International Nickel Ind. Tbk INCO 1.100 1.844 2.900 6 Indofood Sukses Makmur Tbk INDF 1.100 1.694 2.900 7 Indal Kiat Pulp & Paper Tbk INKP 1.100 1.936 2.900 8 Indosat Tbk ISAT 1.100 2.054 2.900 9 Kalbe Farma Tbk KLBF 1.100 1.754 2.900

10 Bank Pan Indonesia Tbk PNBN 1.100 1.847 2.900 11 Semen Cibinong Tbk SMCB 1.100 1.485 2.900 12 Telekomunikasi Indonesia Tbk TLKM 1.100 1.962 2.900 13 Tambang Batubara Bukit Asam Tbk PTBA 1.100 1.628 2.900 14 United Tractors Tbk UNTR 1.100 2.018 2.900 15 Bank Negara Indonesia Tbk BBNI 1.100 1.713 2.900 16 Bank Rakyat Indonesia Tbk BBRI 1.100 1.993 2.900 17 Berlian Laju Tanker Tbk BLTA 1.100 1.548 2.900 18 Bank Mandiri Tbk BMRI 1.100 1.915 2.900 19 Bakrie & Brothers Tbk BNBR 1.100 1.354 2.900 20 Bank Internasional Indonesia BNII 1.100 2.214 2.900 21 Bumi Resources Tbk BUMI 1.100 1.478 2.900 22 Bakrieland Development Tbk ELTY 1.100 1.586 2.900 23 Kawasan industri Jababeka Tbk KIJA 1.100 1.771 2.900 24 Perusahaan Gas Negara Tbk PGAS 1.100 1.707 2.900 25 Semen Gresik Tbk SMGR 1.100 1.815 2.900 26 Timah Tbk TINS 1.100 1.230 2.900 27 Aqua Misissi Tbk AQUA 1.100 2.114 2.900

93

Pada tabel 4.21 diketahui nilai Durbin Watson (D-W) pada return

saham perusahaan LQ-45 dengan model APT akan dibandingkan dengan nilai

tabel dengan menggunakan nilai signifikansi 5%, jumlah sample (n) 43 dan

jumlah variabel independen (k) adalah 2 yaitu return saham masing-masing

perusahaan. Maka dari tabel tersebut secara keseluruhan nilai return saham

perusahaan LQ-45 dengan model APT didapatkan nilai du < D-W < 4-du. Hal

berarti dapat disimpulkan bahwa tidak ada autokorelasi baik positif maupun

negatif pada 27 return saham LQ-45 dengan model APT.

c. Uji Heterokedastisitas

1) Uji Heterokedastisitas CAPM

Heteroskedastisitas varian variabel dependen dalam model tidak

equal terhadap variabel independen. Konsekuensi adanya heteroskedastisitas

dalam model regresi adalah estimator yang diperoleh tidak efisien, baik pada

sampel kecil maupun besar. Diagnosis adanya heteroskedastisitas dalam uji

regresi dapat diidentifikasi dari pola scatter plot diagram. Pada lampiran

market model saham LQ-45 terlihat bahwa titik-titik menyebar di atas dan di

bawah angka nol pada sumbu Y dan tidak terlihat pola tertentu. Dengan

demikian pada persamaan regresi linier berganda dalam model ini tidak ada

gejala atau tidak terjadi heteroskedastisitas.

2) Uji Heterokedastisitas APT

Sama seperti pengujian heteroskedastisitas yang dilakukan pada

model CAPM, pada model APT juga dapat dilihat dari pola scatter plot

diagram. Pada lampiran market model saham LQ-45 terlihat bahwa titik-titik

94

menyebar di atas dan di bawah angka nol pada sumbu Y dan tidak terlihat

pola tertentu. Dengan demikian pada persamaan regresi linier berganda dalam

model ini tidak ada gejala atau tidak terjadi heteroskedastisitas.

L. Nilai MAD, MSE, & MAPE Expected Return CAPM & APT terhadap

Actual Return

1. Mean Absolute Deviation (MAD)

Mean Absolute Deviation (MAD) adalah alat ukur rata-rata dari

suatu penyimpangan. Model yang mempunyai MAD yang lebih kecil berarti

lebih akurat dibandingkan model yang mempunyai MAD yang lebih besar.

Pada uji keakuratan menggunakan MAD, model APT ternyata lebih akurat

daripada model CAPM pada seluruh saham LQ45 pada penelitian ini. Nilai

MAD APT terendah adalah 0.067288 pada return saham Telekomunikasi

Indonesia dan tertinggi 0,1539 pada return saham Bumi Resource. Sedangkan

pada CAPM nilai MAD terendah adalah 0.090511 pada return saham

Telekomunikasi Indonesia dan tertinggi 0.292242 pada return Bumi resource.

Dapat ditarik kesimpulan bahwa kedua Model baik CAPM maupun APT

memiliki tingkat akurasi yang cukup baik dalam mengestimasi return saham

LQ 45. Hal ini dibuktikan dari rata-rata nilai MAD yang tidak mencapai 0,2

pada CAPM dan APT, terlebih lagi pada APT yang rata-rata nilai MAD di

bawah 0,11. Nilai MAD dari hasil penelitian dapat di lihat pada tabel 4.22.

95

Tabel 4.22 Nilai MAD

No Nama Perusahaan MAD CAPM MAD APT 1 Astra Agro Lestari Tbk 0.161747674 0.118232 2 Aneka Tambang (Persero) Tbk 0.198995581 0.152967 3 Astra Internasional Tbk 0.097425116 0.106006 4 Bank Central Asia Tbk 0.105566744 0.081757 5 International Nickel Ind. Tbk 0.133500233 0.125944 6 Indofood Sukses Makmur Tbk 0.114662093 0.106085 7 Indal Kiat Pulp & Paper Tbk 0.141064419 0.146006 8 Indosat Tbk 0.095851163 0.080966 9 Kalbe Farma Tbk 0.135947674 0.10371

10 Bank Pan Indonesia Tbk 0.114003023 0.091251 11 Semen Cibinong Tbk 0.14106814 0.125896 12 Telekomunikasi Indonesia Tbk 0.090551163 0.067288 13 Tambang Batubara Bukit Asam Tbk 0.203770698 0.132567 14 United Tractors Tbk 0.121906512 0.101099 15 Bank Negara Indonesia Tbk 0.172117209 0.136621 16 Bank Rakyat Indonesia Tbk 0.092016047 0.098145 17 Berlian Laju Tanker Tbk 0.124067884 0.11384 18 Bank Mandiri Tbk 0.116607442 0.102995 19 Bakrie & Brothers Tbk 0.222132791 0.135426 20 Bank Internasional Indonesia 0.12669814 0.097528 21 Bumi Resources Tbk 0.292242093 0.180883 22 Bakrieland Development Tbk 0.18415093 0.17261 23 Kawasan industri Jababeka Tbk 0.168416977 0.144297 24 Perusahaan Gas Negara Tbk 0.177393023 0.126719 25 Semen Gresik Tbk 0.102643953 0.076238 26 Timah Tbk 0.221898605 0.164905 27 Aqua Misissi Tbk 0.130961395 0.080079 Rata-rata MAD 0.147682 0.1174

2. Mean Square Error (MSE)

Mean square error (MSE) merupakan rata-rata selisih kuadrat antara

return saham yang diramalkan dan return yang terjadi. Pada uji keakuratan

menggunakan MSE, model APT lebih akurat daripada model CAPM pada

penelitian ini secara rata-rata. Model CAPM lebih akurat pada return saham

Indal Kiat Pulp & Paper dan Bakrieland Development. Berikut adalah nilai

MSE dari hasil penelitian:

96

Tabel 4.23 Nilai MSE

No Nama Perusahaan MSE CAPM MSE APT 1 Astra Agro Lestari Tbk 0.064322 0.026909 2 Aneka Tambang (Persero) Tbk 0.094458 0.042173 3 Astra Internasional Tbk 0.021617 0.018846 4 Bank Central Asia Tbk 0.03202 0.015047 5 International Nickel Ind. Tbk 0.037923 0.029812 6 Indofood Sukses Makmur Tbk 0.024781 0.021102 7 Indal Kiat Pulp & Paper Tbk 0.041609 0.062401 8 Indosat Tbk 0.016893 0.010117 9 Kalbe Farma Tbk 0.038481 0.022402

10 Bank Pan Indonesia Tbk 0.026374 0.014463 11 Semen Cibinong Tbk 0.041885 0.029788 12 Telekomunikasi Indonesia Tbk 0.016099 0.007575 13 Tambang Batubara Bukit Asam Tbk 0.102668 0.032692 14 United Tractors Tbk 0.03373 0.025046 15 Bank Negara Indonesia Tbk 0.09632 0.044338 16 Bank Rakyat Indonesia Tbk 0.01841 0.01713 17 Berlian Laju Tanker Tbk 0.045608 0.024123 18 Bank Mandiri Tbk 0.028655 0.017896 19 Bakrie & Brothers Tbk 0.113301 0.042357 20 Bank Internasional Indonesia 0.035948 0.021696 21 Bumi Resources Tbk 0.198376 0.056744 22 Bakrieland Development Tbk 0.060584 0.069842 23 Kawasan industri Jababeka Tbk 0.067766 0.035009 24 Perusahaan Gas Negara Tbk 0.102855 0.032897 25 Semen Gresik Tbk 0.025308 0.010046 26 Timah Tbk 0.106088 0.055668 27 Aqua Misissi Tbk 0.042703 0.01587 Rata-rata MSE 0.056844 0.029703

Hasil ini menunjukkan bahwa faktor-faktor makro ekonomi pada

model APT berpengaruh signifikan pada saham Indal Kiat Pulp & Paper dan

Bakrieland Development. Nilai MSE APT terendah adalah 0,007575 pada return

saham Telekomunikasi Indonesia dan tertinggi 0,069842 pada return saham

Bakrieland Development. Sedangkan pada CAPM nilai MSE nya terendah

adalah 0,016099 pada return saham Telekomunikasi Indonesia dan tertinggi

97

0,198376 pada return saham Bumi Resource. CAPM dan APT memiliki kesamaan

yaitu tingkat keakuratan yang tinggi pada saham Telekomunikasi Indonesia dan

tingkat keakuratan yang rendah pada saham Bakrieland Development dan Bumi

Resource. Rata-rata MSE CAPM dan APT tidak terlalu berbeda jauh yaitu sebesar

0.029703 dan 0.056844. Kekurangan penggunaan MSE adalah MSE cenderung

menonjolkan deviasi yang besar karena adanya pengkuadratan.

3. Mean Absolute Percent Error (MAPE)

MAPE adalah rata-rata diferensiasi absolut antara nilai yang diramal

dan aktual yang dinyatakan sebagai persentase nilai aktual. Pada uji keakuratan

menggunakan MAPE, model APT lebih akurat daripada model CAPM pada

penelitian ini secara rata-rata. Model CAPM lebih akurat pada return saham

Astra Agro Lestari, Aneka Tambang, Astra Internasional, Indal Kiat Pulp &

Paper, Tambang Batubara Bkt. Asam, United Tractors BNI, BRI, Semen

Gresik, Timah. Nilai MAPE CAPM terendah adalah 70.331% pada return

saham semen gresik dan tertinggi 563.159% pada return saham

Telekomunikasi Indonesi. Sedangkan pada APT nilai MAPE nya terendah

adalah 72.863% pada return saham Bakrie & Brothers dan tertinggi 251.492%

pada return saham Timah. Berikut adalah nilai MAPE dari hasil penelitian yang

sudah dilakukan dengan menggunakan metode yang ada:

98

99

Tabel 4.24 Nilai MAPE

No Nama Perusahaan MAPE CAPM MAPE APT

1 Astra Agro Lestari Tbk 117.49% 129.53%

2 Aneka Tambang (Persero) Tbk 120.92% 124.96%

3 Astra Internasional Tbk 71.16% 136.12%

4 Bank Central Asia Tbk 186.26% 132.77%

5 International Nickel Ind. Tbk 147.22% 122.88%

6 Indofood Sukses Makmur Tbk 244.08% 94.75%

7 Indal Kiat Pulp & Paper Tbk 115.30% 165.46%

8 Indosat Tbk 229.46% 105.02%

9 Kalbe Farma Tbk 142.38% 105.99%

10 Bank Pan Indonesia Tbk 100.23% 92.81%

11 Semen Cibinong Tbk 156.88% 116.49%

12 Telekomunikasi Indonesia Tbk 563.16% 128.39%

13 Tambang Batubara Bukit Asam Tbk 169.81% 169.89%

14 United Tractors Tbk 89.08% 148.09%

15 Bank Negara Indonesia Tbk 103.79% 135.58%

16 Bank Rakyat Indonesia Tbk 94.10% 132.45%

17 Berlian Laju Tanker Tbk 321.53% 96.24%

18 Bank Mandiri Tbk 214.50% 120.36%

19 Bakrie & Brothers Tbk 192.79% 72.86%

20 Bank Internasional Indonesia 358.21% 120.19%

21 Bumi Resources Tbk 200.88% 159.50%

22 Bakrieland Development Tbk 184.32% 90.36%

23 Kawasan industri Jababeka Tbk 113.24% 84.24%

24 Perusahaan Gas Negara Tbk 167.43% 98.28%

25 Semen Gresik Tbk 70.33% 115.71%

26 Timah Tbk 197.51% 251.49%

27 Aqua Misissi Tbk 146.88% 88.48%

Rata-rata MAPE 178.48% 123.66%

DAFTAR PUSTAKA

Ahmad, Komarudin, “Dasar – Dasar Manajemen Investasi dan Portofolio”,Rineka Cipta, Jakarta, 2004. Aliansyah, M.Noor, “Pengaruh Struktur Modal Terhadap Nilai Saham”, Jurnalusahawan No. 01 Hal 8-16, Januari 2001. Arianto, Efendi, “Pengujian Empiris CAPM Di Bursa Efek Jakarta Menggunakan

Pendekatan Lintner/Douglas”, Manajemen, Januari 2008. --------.“Pengujian Standard CAPM Di Bursa Efek Jakarta Pengamatan Selama Periode

1994-1995”, Majalah Manajemen, Juli 2007. Bodie, Kane, Marcus, “Investments”, Edisi 5 Bahasa Indonesia, Salemba Empat,Jakarta, 2005. ---------- “Investments”, Edisi 6 Bahasa Indonesia, Salemba Empat,Jakarta, 2006. Corrado, Charles J. and Jordan, Bradford D, “Fundamental of Investment Analisis”,

Fourth Edition.Mc Graw-Hill, Singapore, 2000. Darmadji, Tjiptono, dan Hendy M.Fakhruddin, “Pasar Modal Di Indonesia Pendekatan Tanya Jawab”, Edisi Kedua, Salemba Empat, Jakarta, 2006. Fauzan, “Analisis Pengaruh Variabel Makroekonomi Terhadap Indeks Harga Saham

Sektoral Di Bursa Efek Jakarta”, Skripsi FEIS UIN SyarifHidayatullah Jakarta, 2007.

Fitriana, P, “Pembentukan Portofolio Saham Yang Optimal Dengan Menggunakan

Beberapa Metode”, Jurnal Ekonomi, 2009. Hamidah, Siti, “Penggunaan Analisis Ekonomi Dalam Estimasi Tingkat Pengembalian Investasi Saham (Studi Kasus Pada Perusahaan Industri Di BEJ)”, Skripsi FEIS UIN Syarif Hidayatullah Jakarta, 2005. Home, James C. V. and Wachoviz Jr, Jhon M. “Fundamental of Financial

Management”, 8th ed, Prentice Hall International, New Jersey, 1998. Husnan, Suad, “Dasar – Dasar Teori Portofolio Dan Analisis Sekuritas”, Edisi Ketiga,

UPP AMPYKPN, Yogyakarta, 2001 Idroes, Ferry N. dan Sugiarto, “Manajemen Risiko Perbankan Dalam Konteks Kesepakatan Basel Dan Peraturan Bank Indonesia”, Graha Ilmu, Yogyakarta, 2006. Iriawan, Nur, dan Septin Pudji Astuti, “Mengolah Data Statistik Dengan Mudah Menggunakan Minitab 14”, Andi Offset, Yogyakarta, 2006. Jogiyanto, “Teori Portofolio Dan Sekuritas”, Edisi Ketiga, UPP AMP YPKN, Yogyakarta, 2001.

102

102

102

Jogiyanto, HM. “Teori Portofolio Dalam Analisis Investasi”, Edisi Ketiga, BPFE, Yogyakarta, 2003. Jones, Chaeles P. “Investment: Analisis and Management”, 7th edition John Willey and

Sons.Inc, New York, 2000. Madyan, Muhammad, Premananto, dan Gancar Candra, “Perbandingan CAPM

Dan APT Dalam Memprediksi Tingkat Pendapatan Industri Perbankan Dan Lembaga Keuangan Selain Bank Baik Sebelum Dan Semasa Krisis Ekonomi Di Bursa Efek Jakarta”, Laporan Penelitian Hal 11-15.2004.

Norpratiwi, Agustina M.V, “Analisis Korelasi Investment Opportunity Set Terhadap Return Saham (Pada Saat Pelaporan Keuangan Perusahaan)”, Jurnal STIE YKPN Yogyakarta Hal 1-28, 2007. Putong, Iskandar, “Pengantar Ekonomi Mikro & Makro”, GI, Jakarta, 2003. Reilly, Frank K. “investment”, Sixt Edition, New York: The Dryden Press, 2000. Rodoni, Ahmad, dan Othman Yong, “Analisis Investasi Dan Teori Portofolio”, PT. Raja

Grafindo Persada, Jakarta, 2002. Sartono, Agus R, “Manajemen Keuangan”, BPFE Edisi 4, Yogyakarta, 2005 Suharli, M, “Studi Empiris Terhadap Dua Faktor Yang Mempengaruhi Return Saham

Pada Industri Food & Beverage Di Bursa Efek Jakarta”, Jurnal Akuntansi & Keuangan Vol 7 99-116, 2005.

------- “Studi Empiris Terhadap Faktor Penentu Kebijakan Jumlah Dividen”, Tesis

Magister Manajemen (Tidak Dipublikasikan), 2004. Tandelilin, Eduardus, “Analisis Investasi Manajemen Portofolio”, Cetakan Pertama,

Yogyakarta, BPFE 2001. Widayanti, Rieka Purwaningsih, “Pengaruh Variabel Makroekonomi Terhadap Return

Saham (Studi Pada Perusahaan Yang Sahamnya Diminati Oleh Investo r Asing Di Bursa Efek Jakarta)”, Skripsi FEIS UIN Syarif Hidayatullah Jakarta, 2007.

Widiatmodjo, S, “Cara Sehat Investasi Manajemen Portofolio”, Cetakan Pertama,

Yogyakarta BPFE, 2000. Wijaya, Liliana Inggrit, “Model Pasar Persus Model Harga Aset Kapital (CAPM) Dalam Pasar Yang Efisien”, Jurnal Ekonomi dan Bisnis Vol. 3 No.1 Hal 55-63, 2000. www.duniainvestasi.com www.bi.co.id

103

LAMPIRAN

Actual Return

AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF 0.03061 0.19580 0.01961 0.06618 0.10646 -0.03297 0.00000 0.04505 0.31313 0.16832 -0.05848 -0.05769 -0.00690 0.07216 -0.04545 -0.06481 -0.09483 0.04615 0.05085 0.08075 0.14796 0.15972 0.09936 0.05952 0.04950 -0.01905 0.00000 0.06452 0.32184 0.06222 0.04790 0.16618 0.26966 0.07547 0.04854 0.11765

-0.01515 -0.22609 -0.17992 -0.06286 -0.01250 -0.16814 -0.14035 -0.07407 -0.13816 0.00000 0.03933 -0.00510 0.00000 -0.01013 -0.06383 -0.10204 -0.14500 -0.04580 0.28462 0.12432 -0.01538 0.01829 0.02046 0.19318 0.01136 0.00000 -0.04000 0.10180 0.03846 0.15625 0.08982 0.10276 0.13333 0.03371 0.02924 -0.06667

-0.01087 0.01852 0.12162 0.06044 0.04545 0.05042 -0.02174 0.17045 0.17857 0.07143 0.26364 0.07631 -0.03627 0.14348 0.06400 0.04444 0.00971 0.03030 0.09231 0.08633 0.19030 0.13978 0.04563 0.05263 0.00000 0.10577 -0.13235 0.18310 0.05960 -0.01567 -0.01887 0.12727 -0.03571 0.00000 0.17391 0.00847 0.04762 -0.02500 -0.05414 -0.01923 0.06452 0.25185 -0.07447 -0.11111 0.09244

-0.04924 0.16667 -0.05387 -0.03431 0.17576 -0.07692 0.02299 -0.01667 -0.06154 0.00398 0.30220 -0.06050 0.03553 0.40077 -0.02564 -0.02247 0.05932 -0.00820 0.25000 0.31646 0.09091 0.03922 0.11868 0.07895 0.22989 0.08800 0.04132

-0.04127 -0.10256 0.13889 -0.00943 -0.09539 0.05488 0.06542 -0.00735 -0.01587 -0.08940 -0.10357 0.03049 0.03810 0.00909 0.17052 -0.00877 -0.03704 0.12097 0.11636 -0.78486 0.10947 0.15596 0.03063 -0.01235 0.00000 0.11538 0.07194

-0.06840 -0.16667 -0.04800 -0.04762 -0.05769 -0.07000 -0.17699 -0.00690 -0.08725 0.17483 0.23333 0.07843 0.02500 0.17811 0.03763 0.01075 0.06944 -0.02206 0.33929 0.20721 0.32987 0.18699 0.42047 0.13990 -0.02128 0.12987 0.02256 0.13111 0.39552 -0.02344 -0.02740 0.04490 0.14773 -0.08696 -0.04598 -0.10294 0.10020 -0.04278 0.09200 0.02817 0.02122 0.01980 0.00000 0.04217 0.03279 0.07857 -0.20112 -0.00183 -0.51370 -0.17403 0.09709 0.09524 -0.17919 -0.04762 0.04636 0.14685 0.02202 0.00704 0.18868 0.03540 0.00000 -0.03521 -0.12500

-0.18196 -0.18293 -0.12926 -0.09091 -0.25926 -0.20513 0.01087 0.03650 -0.06667 -0.08317 0.04478 -0.17526 -0.07692 -0.05000 -0.02151 0.25806 -0.14789 -0.07143 0.11603 -0.07143 0.05000 -0.07500 -0.08271 0.23077 1.39316 -0.04959 -0.03297 0.11720 -0.02308 -0.08333 -0.10811 -0.00820 -0.14286 -0.09821 0.17391 -0.03409

-0.25888 -0.22047 0.17143 0.22222 -0.23967 -0.05208 0.21782 -0.03704 -0.05882 -0.18037 -0.23636 -0.07761 0.04959 -0.19022 -0.01099 -0.23577 -0.05385 -0.06250 -0.27855 -0.22751 -0.17788 -0.00787 -0.17450 -0.12889 -0.32340 -0.00813 -0.13333 -0.53282 -0.28767 -0.45322 -0.14286 -0.45041 -0.44388 -0.48428 -0.13115 -0.43846 0.39669 -0.01923 0.09091 0.00000 0.16568 -0.11009 -0.02439 -0.03774 0.12329 0.15976 0.06863 0.03431 0.20370 -0.02030 -0.04124 -0.07500 0.12745 -0.02439 0.11224 0.01835 0.23223 -0.15385 0.28238 0.05376 0.18919 -0.01739 0.16250 0.17890 0.08108 -0.13077 -0.14545 -0.12121 -0.10204 0.03409 -0.25664 0.39785 0.09728 -0.09167 0.26106 0.31915 0.02299 0.06818 -0.02198 0.12500 -0.04615 0.12057 0.31193 0.26316 0.08065 0.53933 0.36170 0.26966 0.18519 0.45161 0.12658 0.38462 0.15556 0.00746 0.05109 0.39063 0.46903 -0.05357 -0.02222

-0.05337 0.02273 0.14423 0.04444 0.15278 0.06180 0.04819 -0.06132 0.14773 0.14540 0.08642 0.23109 0.07092 0.03614 0.20370 0.04023 0.09548 0.29703

104 104

Actual Return

PNBN SMCB TLKM PTBA UNTR BBNI BBRI BLTA BMRI

0.14286 0.20000 0.06780 0.08889 0.04082 0.01563 0.12397 0.09615 0.08537

-0.09375 0.08772 -0.01587 0.04592 0.03922 -0.05385 -0.04412 0.21930 -0.08989

0.14943 0.03226 0.11290 0.00000 0.13208 0.04065 0.20000 0.02158 0.04321

0.04000 0.06250 0.09420 0.46341 0.21111 0.06250 0.18590 0.15493 0.13609

-0.17308 -0.19118 -0.06623 0.11667 -0.00917 -0.10294 -0.14595 0.11585 -0.11979

-0.10465 0.01818 0.04255 -0.05970 0.00000 -0.07377 0.03797 -0.05464 0.01775

0.11688 0.00000 0.01361 0.03968 0.03704 -0.02655 0.04268 0.02890 0.02326

0.06977 -0.05357 0.06040 0.03817 0.02679 0.19091 0.01754 0.11798 0.19318

0.03261 0.07547 0.06962 -0.00735 0.05217 0.81298 0.12644 0.06784 0.10714

0.05263 0.01754 -0.00592 0.02222 0.08264 0.00000 0.00000 -0.12000 0.17204

0.08000 -0.06897 0.17857 -0.05797 -0.01527 -0.16632 0.09184 -0.06952 0.01835

0.07407 0.24074 0.02020 0.08462 0.01550 -0.05556 -0.03738 0.00000 0.04505

0.01724 -0.02985 -0.06436 -0.11348 0.03053 -0.02674 0.02913 -0.04598 -0.11207

-0.03390 0.01538 -0.05820 0.05600 0.02963 -0.03846 -0.10377 0.05422 -0.09709

-0.03509 0.00000 0.10674 0.04545 0.06475 0.00571 0.06316 0.07429 0.07527

0.14545 0.09091 0.06599 0.13043 0.06757 0.25000 0.03960 0.07713 0.23000

-0.03175 0.05556 -0.09048 0.34615 -0.04430 0.13636 0.16190 -0.03704 0.05691

0.04918 0.25000 0.03141 0.24762 0.09272 -0.01000 -0.05738 0.05128 -0.03846

0.15625 0.06316 0.13706 0.01527 0.04242 0.00000 0.09565 -0.07805 0.12800

-0.09459 0.01980 -0.03125 -0.13534 -0.05814 -0.21212 -0.00794 -0.17989 -0.07801

0.04478 0.10680 0.01382 0.13913 0.01235 0.02564 0.05600 0.25806 0.08462

0.04286 0.22807 -0.02273 0.38168 0.33537 -0.00500 0.17424 0.11538 0.07092

-0.09589 0.17857 -0.05581 0.33702 0.02740 -0.07538 0.00645 -0.01149 -0.05960

0.03030 0.06061 0.00000 -0.00826 -0.03111 0.07065 -0.05128 0.23256 -0.01408

-0.10294 -0.10857 -0.08867 -0.05000 0.22018 -0.11675 -0.05405 -0.12264 -0.05000

0.06557 -0.11538 0.05946 0.00439 -0.00376 -0.04598 0.02857 0.04301 -0.01504

-0.01538 -0.13043 -0.01531 -0.12227 -0.05283 -0.16265 -0.12500 -0.15464 -0.03817

-0.07813 -0.24167 -0.08290 0.05473 -0.03984 -0.13669 -0.05556 0.00000 -0.08730

0.05085 0.21978 -0.08475 0.37736 0.19917 0.04167 -0.02521 0.01220 0.00870

0.35484 0.00901 -0.09877 0.12329 -0.15917 -0.03200 -0.12069 -0.07470 -0.10345

0.05952 0.03571 0.05479 -0.16768 -0.06173 0.20661 0.19608 -0.02083 0.14423

0.04494 -0.00862 0.03896 0.06227 -0.09211 -0.13014 -0.04098 -0.06383 -0.05042

-0.18280 -0.26087 -0.10625 -0.35517 -0.08696 -0.23622 -0.07692 -0.24432 -0.06195

-0.30921 -0.47647 -0.24476 -0.41444 -0.66667 -0.47423 -0.36111 -0.51128 -0.41132

-0.00952 -0.02247 0.08333 0.26027 0.26190 0.09804 -0.01449 -0.30769 -0.04487

0.11538 0.44828 0.17949 0.00000 0.10692 0.21429 0.34559 0.28889 0.35906

-0.08621 -0.07937 -0.08696 0.07246 0.14773 0.13235 -0.00546 -0.18103 -0.10123

-0.18868 -0.05172 0.00000 -0.02703 0.05941 -0.09091 -0.18132 0.05263 -0.04396

0.25581 0.00000 0.19841 -0.06250 0.26168 0.02857 0.12752 0.04000 0.25000

0.12963 0.27273 0.03974 0.40741 0.33333 0.73611 0.38095 0.25000 0.27586

0.00000 0.42857 -0.05096 0.18421 0.12778 0.25600 0.07759 0.26154 0.07207

0.08197 0.10000 0.00671 0.03111 -0.01970 0.09554 0.00800 0.03659 0.06723

0.09091 0.31818 0.19333 0.17241 0.30151 0.09884 0.15873 -0.02353 0.31496

105

Actual Return

BNBR BNII BUMI ELTY KIJA PGAS SMGR TINS AQUA 0.08333 0.03226 0.11842 -0.03030 0.00000 0.20290 0.09551 0.05495 0.38095 0.00000 -0.06250 -0.01176 -0.03125 0.22222 0.16265 0.19231 0.06771 -0.19540 0.30769 0.06667 0.07143 0.09677 0.27273 0.03627 0.09677 -0.01220 0.14286 0.00000 0.15625 0.01111 0.05882 0.10714 0.24000 0.07451 0.19753 0.00000 0.00000 -0.02703 -0.08791 0.02778 -0.22581 -0.01210 -0.19343 -0.20412 0.12500

-0.11765 0.02778 -0.07229 -0.16216 0.08333 -0.08163 0.07692 -0.09845 0.00000 0.13333 -0.02703 0.07792 0.06452 0.00000 0.04889 0.06933 0.00000 0.00000

-0.02941 0.02778 -0.09639 0.00000 -0.03846 0.07203 -0.00393 0.00000 0.00000 -0.09091 0.05405 -0.01333 -0.09091 0.00000 -0.04743 0.06903 0.01724 0.00000 0.03333 0.05128 0.04054 0.00000 -0.04000 -0.05394 0.07380 0.35593 0.00000

-0.16129 0.14634 0.05195 -0.10000 0.04167 -0.04386 0.09966 -0.04167 0.10000 0.19231 0.02128 0.11111 0.44444 0.24000 0.06422 0.13438 0.92391 0.11111 0.10968 -0.06250 0.20000 0.05128 0.07097 -0.18966 0.04683 0.77401 0.09091 0.05814 -0.13333 0.12037 0.14634 0.07831 -0.04787 0.01579 0.22293 0.07500 0.02747 -0.01026 0.09917 -0.02128 0.22905 0.04469 0.03109 0.23438 0.00000 0.28342 -0.02591 0.03759 0.04348 -0.11364 0.12299 -0.03518 0.00844 0.00000 0.25000 0.02128 0.26812 0.31250 0.15385 -0.02381 0.12630 -0.02510 0.00000

-0.01667 -0.06771 0.30000 0.04762 -0.04444 -0.07805 0.19306 0.04292 0.00000 0.03390 0.06704 0.18681 0.48485 0.23256 -0.02116 0.01744 0.16049 0.00000

-0.11475 0.05759 -0.05556 -0.19388 -0.16981 0.10811 -0.05714 -0.12766 0.00000 0.11111 0.16337 0.40196 0.34177 0.29545 0.17561 0.07071 0.07724 -0.14729 0.05000 0.10638 0.34266 0.11321 -0.15789 0.16183 0.16981 0.47170 0.00000

-0.06349 0.03846 0.17708 0.03390 -0.19167 0.20714 -0.04032 0.28205 0.17727 -0.01695 0.05556 0.06195 0.01639 0.18557 -0.09172 -0.05882 0.14800 0.00000 0.05172 0.05263 0.06667 0.00000 -0.21304 -0.12704 -0.00893 0.00348 0.00000 0.13115 0.13333 0.20313 0.08065 -0.03867 0.02985 -0.04505 0.13021 0.00000 0.47826 0.36765 -0.19481 -0.22388 -0.21839 0.02536 -0.05660 -0.11060 -0.22780 0.00000 -0.01075 0.07258 -0.24038 -0.21324 -0.14488 -0.15500 0.11054 0.25000 0.03922 0.01087 0.21053 0.05063 0.33645 0.15702 0.04142 0.05599 0.00000 0.00000 0.00000 0.01863 -0.14458 -0.10490 -0.07143 -0.09091 0.10309 0.00800

-0.24528 -0.01075 -0.17683 0.07042 0.04688 -0.06154 0.02500 -0.14686 0.01190 -0.13750 0.00000 -0.18519 -0.07895 -0.11194 -0.79098 -0.01220 -0.19405 0.00000 -0.28986 -0.32609 -0.41818 -0.32857 -0.22689 -0.14706 -0.15432 -0.35534 0.00000 -0.40816 0.50000 -0.32031 -0.67234 -0.42391 -0.35632 -0.12409 -0.30120 -0.00392 -0.59310 0.05376 -0.53563 -0.02597 -0.05660 0.31429 0.08333 -0.09483 0.00000 -0.15254 -0.24490 -0.09901 -0.04000 0.00000 0.01087 0.28462 0.02857 0.00000 0.00000 -0.08108 -0.43956 -0.16667 0.00000 0.18280 -0.16766 0.00926 -0.01181 0.00000 -0.11765 0.50980 0.30000 0.00000 -0.13636 0.00719 -0.02752 0.07570 0.00000 0.06667 0.06494 0.08974 0.00000 0.13158 0.06429 0.00000 0.00000 0.70000 0.45313 0.80488 0.92941 0.52000 0.20930 0.10067 0.33962 0.02222 0.03529 -0.13978 0.32432 0.79878 0.31579 0.10577 0.14024 0.38732 0.12319 0.02273 -0.05000 -0.05102 0.00000 0.06000 0.09565 0.04813 0.02792 0.57935 0.16667 0.13158 0.50538 0.20339 0.23585 0.11111 0.21429 0.03704 0.00000

106

Beta Model CAPM AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF

-0.4361 4.3584 -0.4261 1.3879 1.6056 -1.7029 -0.9461 1.0338 7.5710 -5.6479 3.7746 4.2280 0.8536 -1.2740 3.5513 4.5787 4.4825 -1.2698 0.0516 1.0829 2.0930 2.7658 1.0394 0.4888 0.2363 -0.4455 -0.3362 0.1881 3.4196 0.2996 0.4130 1.4094 2.7220 0.4446 0.5048 1.1488 0.5653 2.2182 1.9176 0.6647 0.5001 1.7883 1.5725 0.6992 1.3850 1.3793 -0.5000 1.1571 0.3378 1.5119 2.7233 3.8902 4.1929 1.7851

20.5793 8.9043 -4.8738 0.5883 -2.2106 15.0884 -2.4107 -0.4474 -5.4731 1.3795 0.4256 3.1514 2.0415 1.5462 2.6231 -0.0835 0.6433 -2.2216

-1.1284 -0.0651 1.6651 0.9432 0.0310 0.3313 -1.1431 3.2311 3.1318 2.0708 21.2894 3.8589 -4.6528 9.5892 2.9432 0.7275 0.4786 1.1893 0.6702 0.9743 2.3636 1.9593 0.0270 0.2946 -0.5659 1.5499 -2.3057 4.4441 1.2401 -1.7598 -1.0489 2.8285 -2.3447 -1.2509 5.7371 -0.3213 0.0086 1.0043 1.8978 0.6573 -0.4337 -4.5876 2.3388 2.4332 -1.5645 3.3174 -4.9420 2.9820 1.5351 -4.3655 3.6525 0.4601 0.7085 2.6310

-1.3880 8.8423 -3.1414 0.7623 11.5924 -1.9185 -1.9280 1.7729 -0.8492 2.8095 4.0974 0.7704 0.3825 1.0538 0.6413 2.7187 1.1729 0.3293

-3.9513 -5.5088 4.7339 -0.9912 -6.4211 0.9891 1.3156 -0.5575 -1.5595 -21.4688 -19.6094 -1.0444 4.7434 -6.3365 24.9807 -8.3199 -7.6119 18.7716

0.8780 -10.3569 0.9514 1.8691 -0.1719 -0.5945 -0.4791 1.4372 0.7013 1.3582 2.2007 0.9724 0.6891 1.1726 1.1941 2.4694 0.1343 1.2146 2.3013 3.8367 0.7790 0.2387 2.4773 0.0777 -0.4823 1.1941 -0.7383 2.8985 1.8438 2.9487 1.7565 3.7816 1.0691 -0.5840 1.2565 0.0463

-27.7000 -124.5330 15.2497 10.0871 -0.2644 -29.2181 31.6575 12.9638 30.9024 37.2857 -46.2143 114.3044 33.0031 -46.4050 -27.9183 -75.5895 76.7037 30.4054 -0.4842 3.5285 0.5935 8.2007 3.3986 -0.9930 -0.9101 2.8689 1.0227 -0.1000 7.8125 -0.9412 -0.3328 9.5979 0.1307 -2.4448 -2.6477 -9.4744 1.9024 1.6940 1.3585 0.8453 2.4885 1.9584 0.2136 -0.2607 0.6946 1.6756 -0.2925 2.6698 1.1234 1.1850 0.6935 -2.7922 1.9268 1.1283 1.6708 -2.2924 0.3463 -2.1882 -3.1812 4.9599 34.0875 -1.3653 -1.2797

-0.1729 0.7627 1.9955 2.0058 0.8690 2.9424 2.2550 -2.8237 0.8686 7.8692 6.2154 -3.3877 -5.2656 7.1040 2.1425 -4.5333 1.0467 1.9235 2.8514 3.2247 1.4050 -0.4632 2.8895 0.5483 3.3657 0.7231 0.9931 1.8781 1.4342 1.2248 0.1141 1.2491 0.9285 2.0610 0.0736 0.8654 1.7379 0.9264 1.4605 0.4623 1.4749 1.4243 1.5552 0.4055 1.3620

-10.863 1.2804 -1.6567 0.3654 -3.6900 4.3474 1.8562 1.2866 -3.1909 1.5593 0.6513 -0.0269 2.7072 -0.9065 -1.0547 -1.5806 1.7335 -0.5981 1.9050 -0.1068 5.9780 -5.0601 7.2745 0.6203 4.6450 -0.6749 4.4087

-2.3375 -1.0571 2.9342 2.7677 2.9006 2.3803 0.0491 4.5926 -6.6752 0.6847 -1.5778 3.1629 4.3198 -0.2937 0.4889 -0.8281 1.6917 -0.9017 0.4745 1.8954 1.4922 0.4509 3.2577 2.1585 1.5305 1.1865 2.8514 0.5384 2.4842 0.8225 -0.0317 0.0498 2.4619 2.9785 -0.4019 -0.2769

-1.2014 0.0095 1.2937 0.3879 1.3045 0.3398 0.1354 -0.7912 1.5545 3.1318 2.0740 6.4553 1.9497 -0.2558 5.6406 0.1107 3.0058 9.2448

107

Beta Model CAPM PNBN SMCB TLKM PTBA UNTR BBNI BBRI BLTA BMRI

3.1522 4.0582 1.3509 0.6294 -0.1574 -0.3429 2.4239 2.1930 1.3768 5.1192 -2.0684 1.3991 0.8298 0.3483 3.7296 3.3126 -9.8873 5.4734 2.4250 -0.1783 1.8232 -1.2053 1.5944 0.2183 3.1943 0.2376 0.2158 0.2309 0.2388 0.9156 4.5982 1.8915 0.3860 1.8025 1.7184 1.2030 1.7126 2.0668 0.7165 -0.4642 0.4980 1.1706 1.5563 -0.9589 1.3439 3.4893 0.6607 -0.8247 3.4737 1.3147 2.8776 -0.2384 1.8190 0.3902 9.1543 -3.9456 -0.2610 -2.3298 -0.9365 -5.2460 1.2486 1.7565 -0.7963 1.3078 -2.5034 1.1923 -0.6874 -0.5295 4.2510 -0.3129 2.8026 4.2400 0.2467 0.6570 1.0670 -1.3980 0.1018 15.2859 1.8908 1.1322 1.4712 3.1454 -2.3327 -1.7522 -4.0554 3.4359 -2.7913 -2.8362 -11.3894 13.5113 0.9211 -1.6988 2.4917 -1.8764 -0.9545 -2.9961 0.9568 -1.1831 -0.2046 1.8352 6.7473 0.2072 0.6872 -1.0665 -2.8673 -2.2669 -0.2862 0.4530 0.0571 1.5044 1.6767 3.7349 0.3448 1.1706 0.0071 1.1713 3.0193 1.7826 0.8736 2.4608 0.2764 0.5734 2.2328 4.4100 -1.5529 4.2624

-1.7879 -1.3569 2.9274 -0.6137 0.5780 -0.7562 1.0944 2.0694 1.4155 1.7679 0.6921 0.7246 0.9309 0.2904 3.1133 0.1429 0.9513 2.7936

-2.3840 0.6353 -4.6195 12.9935 -4.2077 4.9506 6.1067 -2.0221 1.1630 5.3248 37.9416 2.7344 33.3945 8.3387 -7.1056 -15.8235 6.6563 -12.7822 1.7703 0.2777 1.5815 -0.6375 -0.0588 -0.3766 0.8597 -1.1130 1.2510 1.3226 0.2537 0.5274 2.3055 1.2134 2.7839 0.4318 2.2007 1.2666 0.4580 1.1999 -0.0018 1.3800 -0.6386 -0.0619 0.4897 4.5245 0.9767 0.2299 1.8706 -0.3642 3.1864 2.8961 -0.3414 1.4538 1.0617 0.3940

29.6135 -34.9681 23.233

3 -69.7001 4.9987 26.6801 5.8821 6.7330 23.3359

21.1995 38.5854 -9.9286 -148.8000 -159.9658 85.3618 -165.4599 159.928

6 -93.7950 1.9169 2.3451 1.6234 1.7836 -2.7020 2.2733 1.3027 2.0775 1.2741 3.0233 -10.4163 2.8500 -3.9743 -3.3611 -4.9690 -0.0591 2.1438 -3.0968 0.2901 1.4137 0.2415 1.5320 0.8192 1.5733 1.2680 1.3507 0.5735 1.2382 3.5783 1.2363 0.1215 1.0957 2.0917 1.0733 0.1111 1.5022 0.7764 4.4738 -2.4226 7.8669 3.8257 0.3185 -1.3741 0.0860 -0.5779

-5.5895 0.5469 1.9102 -0.9837 3.4404 1.0181 2.5062 1.4136 2.2556 -0.9913 0.1519 -1.0487 5.8136 2.7230 -4.4502 -4.1746 0.7564 -2.8198 -0.3084 0.6221 -0.3134 0.0257 1.7165 1.9643 0.8696 0.9051 1.0135 1.1598 1.7313 0.6912 2.3998 0.7660 1.5172 0.6086 1.4549 0.5356 0.9823 1.5465 0.7741 1.4287 2.1295 1.5017 1.1655 1.5560 1.3220 0.8931 1.9462 -2.1620 -5.9349 -6.5113 -2.0915 1.3315 9.8567 2.3191 1.3481 5.7425 2.3096 -0.9091 0.8471 2.6175 4.4658 3.9079 4.6247

-3.2379 -3.6947 -2.9941 0.2475 3.0735 3.1523 -1.0652 -5.6291 -4.0540 3.6660 1.6429 0.2482 1.6056 -0.2188 2.1068 3.7036 -0.7839 1.3291 3.3178 -0.5877 2.5625 -1.7844 3.0206 -0.0060 1.3793 0.4347 3.0710 0.7211 1.5185 0.1686 2.2557 1.8830 4.6494 2.3111 1.5771 1.6055

-0.1376 2.6659 -0.4445 0.8261 0.5571 1.5646 0.3317 1.7315 0.2783 0.7427 0.6974 -0.0853 -0.3981 -0.7984 0.7971 -0.2571 0.3306 0.4257 2.3503 9.1561 5.7685 3.5797 8.4323 2.3136 4.2821 -1.0354 9.3836

108

Beta Model CAPM BNII BUMI ELTY KIJA PGAS SMGR TINS AQUA

-0.0469 1.9123 -2.1226 -0.6791 4.9094 1.5794 -0.6980 8.7645 4.3484 2.5305 3.7685 -8.8126 -6.8053 -7.1304 0.6506 10.5637 0.6103 0.5396 0.8301 4.6125 0.4641 1.1772 -1.7673 1.9409 1.4076 -0.3535 0.0734 0.9295 2.6330 0.4676 1.3293 -0.4521 0.5422 1.1628 0.2189 2.2383 0.2093 2.0172 2.5400 -0.7609 0.1767 3.2874 6.0097 -1.5921 2.6076 -1.2040 5.0573 1.0987

-5.7719 3.1130 1.1391 -2.5006 3.5321 3.3435 -7.7597 -3.7059 -0.1656 -3.5513 -1.3772 -1.7050 1.5896 -0.9939 -2.1571 -1.0302 0.3893 -1.0613 -2.7953 -0.5162 -1.1488 0.6845 -1.2658 -0.7651 1.6553 -0.1416 -5.0496 -6.3994 -6.2989 3.8385 26.3547 -3.7773 1.7220 0.1483 -2.3387 0.2330 -0.8491 1.0083 -1.8995 0.9321

-0.4344 2.2697 13.2932 7.2410 1.7882 3.4064 28.5456 2.4374 2.0286 -3.3812 0.0246 -0.9344 4.2247 -0.2711 -14.5310 -1.0852 5.5415 -2.6724 -3.1076 -1.7158 1.9649 0.6003 -4.6594 -1.1837

-1.4403 1.8013 -2.3948 6.5796 1.0784 -0.0922 4.9440 -1.2745 -0.8451 -0.0626 -0.1265 -1.9738 1.5707 -0.9734 -1.0385 -0.5527 -0.5906 10.0000 11.9903 5.8728 -1.6276 4.2593 -4.9458 -1.8092

-18.5486 40.2969 -0.8813 -12.9230 -16.3155 28.9972 -7.1503 -7.1498 0.4280 1.8575 5.6164 2.6768 -0.4242 -0.2141 1.0175 -0.5097

-0.2714 1.1400 2.8441 2.2663 -1.1155 1.0515 2.4225 0.4530 2.3858 6.5318 5.3391 4.9638 3.0287 0.6788 -0.0909 -3.4422 0.7260 2.9910 0.6100 -1.8513 1.5096 1.3645 3.9115 -0.3940

-1.1184 -45.000 4.7436 55.7627 -50.0133 18.9799 -51.0971 -35.2849 43.9943 14.1429 -73.8974 326.0045 -211.4892 -190.0619 134.9190 -80.4065 -0.2893 -0.3892 0.8182 3.7360 2.1607 0.6684 1.2272 0.6120 6.5779 10.0625 1.8684 -4.3181 1.2169 -5.2341 3.1846 -2.6006

-2.7383 1.9595 2.2685 2.0102 -0.1139 0.7432 1.5824 2.1922 0.5661 -0.3895 3.6969 3.0262 1.9740 2.3851 -0.3582 -2.6607

-0.5835 4.1376 -0.0458 7.7906 3.6577 0.1883 -0.6578 -0.9862 0.5689 0.3983 3.2887 2.1927 1.3840 2.0837 -0.3494 0.5214 1.1234 5.6128 -0.4502 -0.5111 1.8298 0.2237 5.7382 0.6848 0.4208 2.8377 1.6220 1.7086 9.9056 0.5693 3.4095 0.4844 2.0603 2.6469 2.1796 1.4494 0.9070 1.0769 2.5027 0.2245

-1.3903 1.0844 2.1628 1.3440 1.0976 0.4715 1.1440 0.1288 -0.5961 17.9969 2.3758 2.5167 -9.1723 -1.4966 5.3613 1.1886 -3.9411 -14.395 -1.3061 -0.3740 -0.0088 3.5414 -0.7570 -0.5543 -3.5125 -14.294 -6.6830 -0.8075 5.2246 -6.1483 -2.2234 -1.5570 2.6661 -8.3518 -4.3496 0.4652 2.5979 0.4697 1.9272 -0.6406 0.4583 0.3167 0.5245 -0.3725 1.6893 0.4271 -1.1557 -0.5520 2.7552 4.9856 5.7661 3.2450 1.3006 0.4389 1.6929 -0.1119

-1.1984 1.9329 5.1439 1.9940 0.6498 0.7328 2.1033 0.5786 -1.0072 -1.1031 -0.6283 0.4015 1.0081 0.1701 -0.6497 6.4694 3.2295 14.8971 4.9998 6.9356 3.3000 5.9745 -1.4947 -1.2998

109

Expected Return Model CAPM AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF

-0.0261 0.2611 -0.0255 0.0831 0.0962 -0.1020 -0.0567 0.0619 0.4535 0.0020 -0.0027 -0.0029 -0.0012 -0.0002 -0.0026 -0.0031 -0.0030 -0.0002 0.0031 0.0805 0.1564 0.2069 0.0773 0.0359 0.0169 -0.0343 -0.0260 0.0209 0.3664 0.0328 0.0449 0.1515 0.2918 0.0483 0.0548 0.1236

-0.0584 -0.1855 -0.1624 -0.0660 -0.0534 -0.1524 -0.1358 -0.0687 -0.1214 -0.0189 0.0014 -0.0165 -0.0076 -0.0203 -0.0334 -0.0460 -0.0493 -0.0233 0.9459 0.4006 -0.2428 0.0123 -0.1184 0.6894 -0.1278 -0.0361 -0.2708 0.0956 0.0036 0.2664 0.1594 0.1117 0.2155 -0.0454 0.0246 -0.2516

-0.2485 -0.0883 0.1724 0.0636 -0.0738 -0.0286 -0.2508 0.4084 0.3935 0.0325 0.0536 0.0344 0.0251 0.0407 0.0334 0.0310 0.0307 0.0315 0.0322 0.0819 0.3089 0.2428 -0.0729 -0.0292 -0.1698 0.1759 -0.4540 0.3900 0.0741 -0.2217 -0.1516 0.2307 -0.2794 -0.1715 0.5175 -0.0799

-0.0333 -0.0267 -0.0207 -0.0290 -0.0363 -0.0641 -0.0177 -0.0171 -0.0439 0.0419 -0.1406 0.0345 0.0025 -0.1279 0.0493 -0.0212 -0.0157 0.0267

-0.1362 0.6689 -0.2742 0.0330 0.8853 -0.1780 -0.1787 0.1125 -0.0938 0.2582 0.3766 0.0708 0.0352 0.0968 0.0589 0.2499 0.1078 0.0303

-0.2782 -0.3792 0.2846 -0.0864 -0.4383 0.0419 0.0631 -0.0583 -0.1233 -1.1802 -1.0803 -0.0834 0.2274 -0.3676 1.3142 -0.4741 -0.4361 0.9807 0.0824 -1.3456 0.0917 0.2084 -0.0510 -0.1048 -0.0901 0.1535 0.0599

-0.0867 -0.1359 -0.0641 -0.0475 -0.0758 -0.0771 -0.1517 -0.0151 -0.0783 0.1728 0.2881 0.0585 0.0179 0.1860 0.0058 -0.0362 0.0897 -0.0554 0.3493 0.2222 0.3553 0.2117 0.4557 0.1288 -0.0704 0.1514 0.0056

-0.4709 -2.1171 0.2592 0.1715 -0.0045 -0.4967 0.5382 0.2204 0.5253 1.5454 -1.9616 4.7802 1.3655 -1.9696 -1.1932 -3.1954 3.2010 1.2564 0.0062 -0.1274 -0.0297 -0.2830 -0.1231 0.0232 0.0204 -0.1054 -0.0440

-0.0119 0.3323 -0.0484 -0.0220 0.4100 -0.0018 -0.1139 -0.1227 -0.4196 -0.1931 -0.1718 -0.1375 -0.0851 -0.2530 -0.1988 -0.0205 0.0279 -0.0697 -0.1003 0.0220 -0.1620 -0.0660 -0.0698 -0.0393 0.1772 -0.1159 -0.0663 0.0779 -0.0236 0.0440 -0.0209 -0.0463 0.1621 0.9077 0.0001 0.0023 0.0537 -0.0203 -0.1176 -0.1185 -0.0286 -0.1924 -0.1381 0.2631 -0.0286

-0.5012 -0.3851 0.2890 0.4208 -0.4475 -0.0992 0.3694 -0.0223 -0.0838 -0.2206 -0.2530 -0.0952 0.0668 -0.2239 -0.0209 -0.2652 -0.0361 -0.0595 -0.3136 -0.2329 -0.1948 0.0073 -0.1992 -0.1409 -0.3469 0.0146 -0.1294 -0.6367 -0.2820 -0.5154 -0.0792 -0.5218 -0.4996 -0.5568 -0.0544 -0.4724 0.6973 -0.0289 0.1468 0.0258 0.2684 -0.2123 -0.0633 -0.0292 0.2385 0.1565 0.0513 -0.0272 0.2894 -0.1291 -0.1462 -0.2071 0.1766 -0.0934 0.1751 -0.0947 0.7213 -0.7590 0.8951 0.0028 0.5425 -0.1709 0.5108

-0.3404 -0.2236 0.1404 0.1252 0.1373 0.0899 -0.1227 0.2916 -0.7360 0.0443 -0.2978 0.4190 0.5940 -0.1036 0.0147 -0.1844 0.1966 -0.1955 0.0426 0.3951 0.2951 0.0368 0.7331 0.4604 0.3046 0.2193 0.6323 0.0894 0.4124 0.1365 -0.0053 0.0083 0.4087 0.4944 -0.0667 -0.0460

-0.3185 -0.0859 0.1608 -0.0132 0.1629 -0.0224 -0.0617 -0.2397 0.2109 0.2242 0.1383 0.4941 0.1282 -0.0509 0.4279 -0.0211 0.2140 0.7206

110

Expected Return Model CAPM PNBN SMCB TLKM PTBA UNTR BBNI BBRI BLTA BMRI

0.1888 0.2431 0.0809 0.0377 -0.0094 -0.0205 0.1452 0.1314 0.0825 -0.0034 0.0002 -0.0015 -0.0012 -0.0010 -0.0027 -0.0025 0.0041 -0.0035 0.1813 -0.0142 0.1361 -0.0913 0.1189 0.0156 0.2391 0.0170 0.0154 0.0255 0.0263 0.0987 0.4923 0.2030 0.0421 0.1935 0.1845 0.1294

-0.1466 -0.1738 -0.0700 0.0208 -0.0532 -0.1049 -0.1346 0.0588 -0.1182 -0.0417 -0.0111 0.0049 -0.0415 -0.0182 -0.0351 -0.0014 -0.024 -0.0082 0.4123 -0.1995 -0.0274 -0.1240 -0.0589 -0.2602 0.0431 0.0668 -0.0524 0.0887 -0.2787 0.0775 -0.1037 -0.0884 0.3724 -0.0676 0.2328 0.3713

-0.0413 0.0205 0.0823 -0.2892 -0.0632 2.2251 0.2064 0.0921 0.1432 0.0337 0.0276 0.0283 0.0257 0.0340 0.0271 0.0271 0.0177 0.0451 0.0732 -0.3549 0.3298 -0.3839 -0.2333 -0.5669 0.0790 -0.271 -0.1107 0.1328 0.6171 -0.0278 0.0196 -0.1534 -0.3309 -0.2717 -0.0764 -0.0035

-0.0330 -0.0233 -0.0222 -0.0084 -0.0311 -0.0256 -0.0334 -0.0256 -0.0132 0.0080 -0.0121 0.0230 -0.0253 -0.0187 0.0179 0.0661 -0.0657 0.0628

-0.1677 -0.1338 0.2034 -0.0753 0.0185 -0.0865 0.0591 0.1359 0.0844 0.1625 0.0636 0.0666 0.0856 0.0267 0.2861 0.0131 0.0874 0.2567

-0.1767 0.0190 -0.3215 0.8198 -0.2949 0.2986 0.3735 -0.1532 0.0532 0.2586 2.0102 0.1195 1.7660 0.4205 -0.4089 -0.8770 0.3301 -0.7137 0.1958 0.0061 0.1718 -0.1102 -0.0367 -0.0771 0.0801 -0.1707 0.1298

-0.0846 -0.0220 -0.0381 -0.1421 -0.0782 -0.1701 -0.0325 -0.1359 -0.0813 0.0344 0.0901 -0.0001 0.1036 -0.0480 -0.0046 0.0368 0.3398 0.0734 0.0277 0.2254 -0.0439 0.3840 0.3490 -0.0411 0.1752 0.1279 0.0475 0.5034 -0.5945 0.3950 -1.1849 0.0850 0.4536 0.1000 0.1145 0.3967 0.8698 1.6000 -0.4376 -6.2702 -6.7392 3.5646 -6.9699 6.6964 -3.9600

-0.0737 -0.0880 -0.0640 -0.0693 0.0801 -0.0856 -0.0533 -0.0791 -0.0523 0.1240 -0.4606 0.1165 -0.1804 -0.1537 -0.2237 -0.0101 0.0858 -0.1422

-0.0284 -0.1432 -0.0234 -0.1553 -0.0824 -0.1595 -0.1283 -0.1367 -0.0573 -0.0731 -0.2184 -0.0730 -0.0037 -0.0642 -0.1261 -0.0629 -0.0031 -0.0895 0.0550 0.1496 -0.0269 0.2365 0.1330 0.0433 -0.0001 0.0373 0.0203 0.4816 -0.0032 -0.1109 0.1177 -0.2318 -0.0404 -0.1580 -0.0717 -0.1382 0.1208 0.0405 0.1248 -0.3569 -0.1400 0.3636 0.3443 -0.0019 0.2491 0.0533 -0.0273 0.0538 0.0244 -0.1222 -0.1437 -0.0488 -0.0519 -0.0613

-0.1830 -0.2869 -0.0977 -0.4085 -0.1113 -0.2480 -0.0827 -0.2366 -0.0694 -0.3064 -0.5530 -0.2155 -0.5016 -0.8078 -0.5334 -0.3865 -0.5572 -0.4549 -0.0057 -0.0687 0.1770 0.4026 0.4371 0.1728 -0.0319 -0.5417 -0.0910 0.1320 0.6409 0.2434 -0.1294 0.0740 0.2790 0.4930 0.4284 0.5114

-0.5146 -0.5759 -0.4819 -0.0472 0.3318 0.3423 -0.2232 -0.8353 -0.6240 0.2071 0.0226 -0.1046 0.0192 -0.1472 0.0649 0.2106 -0.1987 -0.0060 0.4425 -0.1481 0.3283 -0.3290 0.3975 -0.0601 0.1494 0.0065 0.4051 0.1038 0.3016 -0.0333 0.4845 0.3921 1.0784 0.4983 0.3162 0.3232

-0.0228 0.4425 -0.0738 0.1371 0.0925 0.2597 0.0551 0.2874 0.0462 0.0550 0.0463 -0.1041 -0.1642 -0.2411 0.0654 -0.1371 -0.0242 -0.0059 0.1607 0.7134 0.4383 0.2606 0.6546 0.1578 0.3176 -0.1142 0.7319

111

Expected Return Model CAPM BNBR BNII BUMI ELTY KIJA PGAS SMGR TINS AQUA

0.0973 -0.0028 0.1145 -0.1271 -0.0407 0.2941 0.0946 -0.0418 0.5250 -0.0013 -0.0030 -0.0021 -0.0027 0.0036 0.0026 0.0028 -0.0011 -0.0061 0.4039 0.0450 0.0397 0.0615 0.3456 0.0341 0.0876 -0.1335 0.1450

-0.0239 0.1513 -0.0370 0.0086 0.1002 0.2823 0.0508 0.1429 -0.0475 -0.0286 -0.0566 -0.1043 -0.0317 -0.1870 -0.0310 -0.1700 -0.2102 0.0436 -0.0456 -0.0059 -0.0395 -0.0689 0.0132 -0.0322 0.0090 -0.0586 -0.0159 0.4846 -0.2847 0.1302 0.0380 -0.1320 0.1498 0.1409 -0.3776 -0.1883

-0.1625 -0.0534 -0.3797 -0.1702 -0.2018 0.1158 -0.1332 -0.2453 -0.1367 -0.4045 -0.0198 -0.2384 -0.4997 -0.1563 -0.2516 0.0247 -0.2692 -0.1938 0.0316 0.0320 0.0300 0.0246 0.0232 0.0233 0.0344 0.0592 0.0260

-0.5318 0.2041 -0.0531 -0.4594 -0.0392 -0.2160 0.0875 -0.3877 0.0750 0.5279 -0.0910 0.1756 1.2625 0.6658 0.1281 0.2877 2.7664 0.1921

-0.0460 -0.0198 -0.0561 -0.0332 -0.0397 -0.0051 -0.0352 -0.1308 -0.0407 -0.0593 0.0911 -0.0905 -0.1001 -0.0693 0.0120 -0.0181 -0.1344 -0.0576 -0.0080 -0.1403 0.1148 -0.2155 0.4908 0.0579 -0.0343 0.3621 -0.1273 0.3410 -0.0777 -0.0058 -0.0116 -0.1814 0.1444 -0.0895 -0.0954 -0.0508 0.6649 -0.0605 0.6258 0.7548 0.3584 -0.1277 0.2538 -0.3427 -0.1394

-0.3864 -1.0234 2.1366 -0.0746 -0.7213 -0.9034 1.5299 -0.4113 -0.4112 -0.0063 0.0252 0.2069 0.6846 0.3110 -0.0831 -0.0564 0.1001 -0.0940 -0.0982 0.0087 -0.0739 -0.1736 -0.1398 0.0581 -0.0687 -0.1489 -0.0337 0.1262 0.1792 0.4905 0.4010 0.3728 0.2275 0.0510 -0.0068 -0.2585 0.0363 0.0875 0.3604 0.0735 -0.2231 0.1819 0.1644 0.4713 -0.0475 0.3629 -0.0190 -0.7650 0.0806 0.9480 -0.8502 0.3227 -0.8687 -0.5998

-3.2030 1.8272 0.5734 -3.1243 13.6716 -8.9031 -8.0032 5.6460 -3.3977 0.0066 -0.0003 0.0031 -0.0371 -0.1343 -0.0819 -0.0322 -0.0508 -0.0303 0.3129 0.2786 0.4302 0.0738 -0.1953 0.0454 -0.2352 0.1310 -0.1206 0.3858 0.2812 -0.1990 -0.2305 -0.2041 0.0129 -0.0747 -0.1604 -0.2227

-0.0119 -0.0314 0.0280 -0.2258 -0.1841 -0.1188 -0.1443 0.0260 0.1690 0.0474 0.0202 0.1410 0.0339 0.2345 0.1287 0.0399 0.0183 0.0099 0.0136 -0.0049 0.0085 -0.2198 -0.1332 -0.0693 -0.1246 0.0676 -0.0012

-0.4154 -0.0277 -0.3428 0.0828 0.0871 -0.0772 0.0355 -0.3516 0.0031 -0.1420 -0.0099 -0.2194 -0.1140 -0.1215 -0.8322 -0.0228 -0.2690 -0.0154 -0.2944 -0.3468 -0.4535 -0.3685 -0.2356 -0.1370 -0.1679 -0.4272 -0.0128 -0.4356 0.7304 -0.3511 -0.8224 -0.4645 -0.3568 -0.0833 -0.3771 0.0665 -1.0630 0.0833 -1.0285 -0.0944 -0.1028 0.5962 0.1372 -0.2729 -0.0234 -0.3064 -0.4805 -1.6910 -0.1753 -0.0674 -0.0251 0.3860 -0.1118 -0.0883 -0.1623 -0.5514 -1.9972 -0.9766 -0.1887 0.6202 -0.9049 -0.3786 -0.2892 -0.0951 0.1159 -0.8889 -0.5239 -0.0848 0.1097 -0.0844 0.0486 -0.1856 -0.1018 0.0101 -0.0113 0.0201 -0.1155 0.1962 0.0054 -0.2339 -0.1427 1.0341 0.6085 1.1618 1.3555 0.7300 0.2476 0.0338 0.3449 -0.1029 0.0175 -0.1989 0.3209 0.8539 0.3310 0.1079 0.1216 0.3491 0.0961

-0.0815 -0.2812 -0.2996 -0.2084 -0.0106 0.1059 -0.0550 -0.2125 1.1551 0.3643 0.2321 1.1795 0.3759 0.5331 0.2379 0.4550 -0.1515 -0.1356

112

Expected Return Model APT

AALI ANTM ASII BBCA INCO INDF INKP ISAT KLBF 0.0064 -0.1540 -0.0613 0.0145 -0.0663 -0.0744 -0.0223 0.0088 -0.0082

0.0177 -0.0782 0.0214 0.0574 -0.0127 -0.0174 -0.0745 0.0046 0.0365

0.0243 -0.0336 0.0702 0.0826 0.0190 0.0161 -0.1053 0.0021 0.0629

0.0200 -0.0628 0.0383 0.0661 -0.0017 -0.0058 -0.0852 0.0038 0.0457

0.0412 -0.0049 0.0241 0.0154 0.0275 0.0177 0.0227 0.0052 0.0162

0.0199 -0.0660 0.0321 0.0614 -0.0044 -0.0089 -0.0778 0.0041 0.0415

0.0447 0.0121 0.0367 0.0186 0.0386 0.0289 0.0223 0.0046 0.0214

0.0463 0.0157 0.0338 0.0133 0.0401 0.0299 0.0328 0.0048 0.0179

0.0503 0.0287 0.0359 0.0075 0.0475 0.0365 0.0470 0.0048 0.0156

0.0747 0.1961 0.2207 0.1045 0.1663 0.1629 -0.0725 -0.0046 0.1163

0.0593 0.0800 0.0827 0.0267 0.0824 0.0727 0.0291 0.0025 0.0384

0.0169 -0.1193 -0.0560 -0.0009 -0.0467 -0.0567 0.0159 0.0088 -0.0145

0.0561 0.0450 0.0325 -0.0061 0.0558 0.0433 0.0761 0.0052 0.0078

0.0582 0.0539 0.0376 -0.0060 0.0614 0.0488 0.0787 0.0050 0.0093

0.0563 0.0370 0.0152 -0.0198 0.0488 0.0351 0.0979 0.0062 -0.0040

0.0599 0.0598 0.0390 -0.0080 0.0648 0.0519 0.0842 0.0050 0.0087

0.0342 -0.0161 0.0445 0.0443 0.0246 0.0177 -0.0319 0.0039 0.0365

0.0348 -0.0151 0.0429 0.0419 0.0248 0.0178 -0.0275 0.0040 0.0348

0.0314 -0.0407 0.0122 0.0245 0.0063 -0.0022 -0.0046 0.0055 0.0174

0.0583 0.0363 0.0015 -0.0342 0.0463 0.0312 0.1231 0.0070 -0.0150

0.0589 0.0390 0.0038 -0.0334 0.0482 0.0331 0.1226 0.0069 -0.0140

0.0626 0.0638 0.0301 -0.0201 0.0656 0.0515 0.1069 0.0055 0.0001

0.0635 0.0689 0.0351 -0.0179 0.0691 0.0552 0.1045 0.0053 0.0026

0.0353 -0.0176 0.0348 0.0347 0.0223 0.0145 -0.0154 0.0044 0.0289

0.0582 0.0289 -0.0125 -0.0447 0.0402 0.0241 0.1395 0.0077 -0.0243

0.0636 0.0640 0.0247 -0.0261 0.0649 0.0502 0.1175 0.0059 -0.0045

0.0302 -0.0538 -0.0062 0.0127 -0.0036 -0.0131 0.0122 0.0065 0.0063

0.0595 0.0360 -0.0063 -0.0424 0.0450 0.0290 0.1376 0.0074 -0.0214

0.0558 0.0143 -0.0272 -0.0517 0.0300 0.0134 0.1473 0.0085 -0.0319

0.0593 0.0411 0.0054 -0.0329 0.0496 0.0345 0.1224 0.0068 -0.0133

0.0277 -0.0569 0.0027 0.0241 -0.0039 -0.0122 -0.0090 0.0059 0.0146

0.0307 -0.0334 0.0310 0.0403 0.0131 0.0061 -0.0303 0.0045 0.0307

0.0286 -0.0448 0.0213 0.0368 0.0055 -0.0017 -0.0277 0.0049 0.0262

0.0569 0.0499 0.0377 -0.0035 0.0592 0.0469 0.0731 0.0049 0.0105

0.0245 -0.0517 0.0327 0.0534 0.0034 -0.0021 -0.0591 0.0042 0.0377

0.0573 0.0549 0.0454 0.0018 0.0631 0.0513 0.0654 0.0045 0.0154

0.0657 0.1006 0.0851 0.0167 0.0940 0.0830 0.0532 0.0026 0.0340

0.0650 0.0799 0.0478 -0.0109 0.0770 0.0636 0.0955 0.0046 0.0097

0.0676 0.0905 0.0534 -0.0114 0.0836 0.0701 0.0997 0.0044 0.0110

0.0696 0.0963 0.0525 -0.0158 0.0866 0.0725 0.1094 0.0045 0.0085

0.0741 0.1265 0.0853 0.0011 0.1080 0.0952 0.0889 0.0029 0.0263

0.0866 0.2025 0.1605 0.0357 0.1606 0.1503 0.0513 -0.0009 0.0648

0.0509 0.0708 0.1163 0.0685 0.0825 0.0770 -0.0478 0.0004 0.0688

113

Expected Return Model APT

PNBN SMCB TLKM PTBA UNTR BBNI BBRI BLTA BMRI 0.0060 0.0139 0.0197 0.0492 -0.0014 -0.0633 0.0118 -0.0043 -0.0275

0.0170 0.0384 0.0515 0.0538 0.0356 -0.0070 0.0458 -0.0150 0.0335

0.0235 0.0528 0.0702 0.0566 0.0574 0.0262 0.0658 -0.0214 0.0695

0.0193 0.0434 0.0580 0.0548 0.0431 0.0045 0.0527 -0.0173 0.0460

0.0182 0.0384 0.0171 0.0619 0.0406 0.0160 0.0285 0.0055 0.0250 0.0185 0.0415 0.0544 0.0547 0.0405 0.0010 0.0495 -0.0157 0.0410

0.0199 0.0420 0.0192 0.0632 0.0466 0.0262 0.0323 0.0055 0.0335

0.0196 0.0411 0.0150 0.0638 0.0457 0.0262 0.0295 0.0077 0.0305

0.0200 0.0416 0.0102 0.0651 0.0472 0.0309 0.0275 0.0107 0.0304

0.0446 0.0964 0.0823 0.0754 0.1298 0.1561 0.1039 -0.0139 0.1670

0.0263 0.0554 0.0241 0.0687 0.0686 0.0653 0.0446 0.0071 0.0637

0.0071 0.0151 0.0069 0.0528 0.0026 -0.0508 0.0063 0.0038 -0.0279

0.0198 0.0404 -0.0007 0.0671 0.0467 0.0344 0.0211 0.0169 0.0250

0.0205 0.0419 -0.0008 0.0679 0.0493 0.0391 0.0221 0.0174 0.0282

0.0175 0.0352 -0.0113 0.0670 0.0394 0.0250 0.0120 0.0214 0.0111

0.0207 0.0422 -0.0026 0.0684 0.0502 0.0415 0.0215 0.0186 0.0286

0.0206 0.0447 0.0399 0.0597 0.0482 0.0210 0.0447 -0.0060 0.0445

0.0204 0.0442 0.0381 0.0599 0.0476 0.0206 0.0433 -0.0050 0.0430

0.0163 0.0351 0.0250 0.0584 0.0340 0.0005 0.0301 -0.0003 0.0200

0.0158 0.0310 -0.0225 0.0675 0.0340 0.0192 0.0033 0.0267 -0.0007

0.0161 0.0316 -0.0219 0.0677 0.0350 0.0209 0.0040 0.0266 0.0008

0.0197 0.0394 -0.0121 0.0693 0.0468 0.0390 0.0147 0.0234 0.0202

0.0203 0.0409 -0.0105 0.0696 0.0491 0.0426 0.0166 0.0229 0.0238

0.0193 0.0418 0.0324 0.0600 0.0442 0.0166 0.0387 -0.0025 0.0362

0.0140 0.0268 -0.0306 0.0674 0.0280 0.0113 -0.0039 0.0302 -0.0119

0.0190 0.0378 -0.0168 0.0696 0.0447 0.0369 0.0111 0.0256 0.0154

0.0139 0.0296 0.0161 0.0578 0.0259 -0.0109 0.0216 0.0032 0.0059 0.0149 0.0286 -0.0289 0.0679 0.0308 0.0159 -0.0017 0.0298 -0.0075

0.0121 0.0224 -0.0357 0.0664 0.0214 0.0009 -0.0096 0.0317 -0.0225

0.0164 0.0321 -0.0216 0.0679 0.0358 0.0222 0.0046 0.0266 0.0020 0.0150 0.0324 0.0251 0.0571 0.0293 -0.0082 0.0281 -0.0012 0.0141

0.0187 0.0408 0.0372 0.0584 0.0418 0.0103 0.0404 -0.0057 0.0353

0.0174 0.0380 0.0347 0.0576 0.0374 0.0030 0.0371 -0.0051 0.0285

0.0204 0.0419 0.0012 0.0674 0.0491 0.0379 0.0232 0.0163 0.0288

0.0187 0.0415 0.0478 0.0563 0.0415 0.0055 0.0462 -0.0118 0.0395

0.0214 0.0442 0.0052 0.0676 0.0524 0.0426 0.0269 0.0146 0.0348 0.0268 0.0559 0.0158 0.0709 0.0707 0.0724 0.0408 0.0122 0.0628

0.0220 0.0447 -0.0053 0.0703 0.0547 0.0511 0.0220 0.0210 0.0333

0.0228 0.0463 -0.0059 0.0712 0.0576 0.0565 0.0229 0.0219 0.0366 0.0228 0.0459 -0.0095 0.0719 0.0575 0.0579 0.0208 0.0240 0.0349

0.0272 0.0557 0.0031 0.0738 0.0722 0.0803 0.0343 0.0198 0.0591

0.0372 0.0778 0.0284 0.0788 0.1062 0.1336 0.0633 0.0121 0.1136 0.0303 0.0658 0.0569 0.0661 0.0814 0.0761 0.0687 -0.0091 0.0943

114

Expected Return Model APT

BNBR BNII BUMI ELTY KIJA PGAS SMGR TINS AQUA -0.0207 0.0333 -0.0713 -0.0251 0.0261 -0.0047 0.0337 0.0240 -0.0278

-0.0288 0.0218 -0.0759 -0.0027 0.0595 -0.0080 0.0731 0.0073 0.0046

-0.0335 0.0150 -0.0786 0.0104 0.0791 -0.0099 0.0963 -0.0025 0.0238 -0.0304 0.0195 -0.0768 0.0018 0.0663 -0.0086 0.0811 0.0039 0.0113

0.0121 0.0332 0.0382 0.0399 0.0286 0.0083 0.0365 0.0705 0.0293 -0.0284 0.0207 -0.0725 0.0016 0.0627 -0.0078 0.0769 0.0074 0.0097

0.0140 0.0323 0.0463 0.0465 0.0313 0.0091 0.0396 0.0728 0.0360

0.0179 0.0338 0.0565 0.0494 0.0273 0.0107 0.0349 0.0791 0.0370

0.0242 0.0353 0.0743 0.0566 0.0231 0.0131 0.0300 0.0886 0.0415 0.0050 0.0093 0.0609 0.1053 0.0987 0.0054 0.1191 0.0495 0.1133

0.0244 0.0302 0.0851 0.0741 0.0383 0.0132 0.0478 0.0866 0.0626 -0.0039 0.0375 -0.0236 -0.0060 0.0148 0.0020 0.0204 0.0497 -0.0158

0.0357 0.0390 0.1057 0.0671 0.0130 0.0178 0.0180 0.1067 0.0466

0.0377 0.0390 0.1121 0.0710 0.0133 0.0185 0.0182 0.1094 0.0500

0.0420 0.0427 0.1192 0.0670 0.0026 0.0202 0.0056 0.1172 0.0424 0.0402 0.0395 0.1194 0.0740 0.0118 0.0195 0.0165 0.1132 0.0521

-0.0072 0.0254 -0.0111 0.0277 0.0504 0.0006 0.0622 0.0395 0.0273 -0.0056 0.0260 -0.0070 0.0288 0.0486 0.0012 0.0601 0.0420 0.0275

-0.0012 0.0307 -0.0013 0.0219 0.0351 0.0030 0.0442 0.0505 0.0163

0.0502 0.0466 0.1391 0.0704 -0.0083 0.0235 -0.0072 0.1306 0.0410 0.0503 0.0464 0.1400 0.0714 -0.0077 0.0236 -0.0065 0.1308 0.0421

0.0481 0.0428 0.1396 0.0788 0.0027 0.0227 0.0057 0.1260 0.0526

0.0480 0.0422 0.1402 0.0805 0.0044 0.0226 0.0078 0.1255 0.0547 -0.0020 0.0280 0.0014 0.0295 0.0431 0.0027 0.0536 0.0482 0.0260

0.0547 0.0494 0.1486 0.0698 -0.0164 0.0253 -0.0168 0.1383 0.0373

0.0517 0.0444 0.1483 0.0805 -0.0019 0.0241 0.0003 0.1318 0.0522 0.0027 0.0339 0.0057 0.0192 0.0260 0.0046 0.0335 0.0575 0.0103

0.0549 0.0488 0.1506 0.0723 -0.0145 0.0254 -0.0146 0.1384 0.0402 0.0555 0.0513 0.1476 0.0652 -0.0218 0.0257 -0.0232 0.1403 0.0312 0.0505 0.0462 0.1409 0.0722 -0.0073 0.0237 -0.0060 0.1310 0.0429

-0.0046 0.0308 -0.0128 0.0150 0.0346 0.0017 0.0437 0.0457 0.0101

-0.0088 0.0264 -0.0184 0.0211 0.0471 0.0000 0.0584 0.0378 0.0204

-0.0093 0.0274 -0.0219 0.0171 0.0443 -0.0002 0.0552 0.0375 0.0158

0.0353 0.0383 0.1056 0.0686 0.0151 0.0176 0.0204 0.1058 0.0486 -0.0205 0.0229 -0.0505 0.0099 0.0568 -0.0047 0.0699 0.0196 0.0145 0.0334 0.0369 0.1019 0.0695 0.0191 0.0168 0.0252 0.1024 0.0510

0.0349 0.0329 0.1147 0.0857 0.0310 0.0174 0.0391 0.1027 0.0697

0.0463 0.0403 0.1384 0.0835 0.0099 0.0220 0.0142 0.1223 0.0595

0.0490 0.0404 0.1470 0.0883 0.0096 0.0231 0.0139 0.1262 0.0635

0.0529 0.0417 0.1576 0.0920 0.0063 0.0246 0.0100 0.1323 0.0654 0.0498 0.0371 0.1560 0.1009 0.0195 0.0234 0.0255 0.1258 0.0783 0.0466 0.0278 0.1633 0.1254 0.0467 0.0220 0.0575 0.1169 0.1101

-0.0020 0.0189 0.0189 0.0596 0.0698 0.0027 0.0851 0.0440 0.0625

115

Uji Normal Kolmogorov-Smirnov Model CAPM

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43-.0000002 -.0000002 .0000000 .0000000 .0000000.25661974 .31097826 .14876623 .18105791 .19704264

.148 .215 .174 .235 .168

.148 .119 .174 .151 .168-.116 -.215 -.105 -.235 -.095

.969 1.412 1.142 1.539 1.105

.304 .037 .147 .018 .174

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualAALI

residualANTM

residualASII

residualBBCA

residualINCO

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model CAPM

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000000 -.0000001 .0000000 .0000001 -.0000001.1592840 .2063952 .1315089 .1984872 .16432267

.135 .169 .104 .142 .130

.135 .169 .095 .119 .130-.062 -.117 -.104 -.142 -.111

.885 1.106 .684 .933 .850

.414 .173 .738 .349 .466

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualINDF

residualINKP

residualISAT

residualKLBF

residualPNBN

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model CAPM

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000000 .0000000 .0000000 .0000002 .0000000

.13728934 .21608799 .17127947 .34058540 .1918441.129 .230 .153 .135 .161.129 .147 .153 .126 .161

-.088 -.230 -.149 -.135 -.106

.843 1.507 1.005 .885 1.054

.476 .021 .265 .414 .217

NMeanStd. Deviation

Normal Parameters a,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualBBRI

residuakBLTA

residualbmri

residualBNBR

residualBNII

Test distribution is Normal.a.

Calculated from data.b.

116

Uji Normal Kolmogorov-Smirnov Model CAPM

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000002 .0000000 .0000007 .0000000 .0000000

.45066545 .24905118 .26340070 .32450613 .16096732.172 .097 .179 .231 .150.124 .097 .080 .231 .126

-.172 -.069 -.179 -.202 -.150

1.128 .634 1.171 1.513 .982

.157 .816 .129 .021 .290

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualBUMI

residualELTY

residualKIJA

residualPGAS

residualSMGR

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model CAPM

One-Sample Kolmogorov-Smirnov Test

43 43.0000005 .0000000

.32956566 .20909331.170 .243.170 .243

-.142 -.1231.117 1.591

.165 .013

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)

residual TINSresidualAQUA

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model APT

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000000 -.0000001 .0000000 .0000000 .0000001

.16598126 .20779103 .13890711 .12411641 .17470275.130 .088 .087 .125 .108.103 .066 .073 .121 .108

-.130 -.088 -.087 -.125 -.085

.854 .575 .573 .818 .708

.459 .896 .897 .515 .699

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualAALI

residualANTM

residualASII

residualBBCA

residualINCO

Test distribution is Normal.a.

Calculated from data.b.

117

Uji Normal Kolmogorov-Smirnov Model APT

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000000 .0000002 .0000000 .0000000 .0000000

.14698469 .25275790 .10177268 .15144506 .12168394.105 .193 .090 .145 .108.105 .193 .079 .145 .082

-.077 -.122 -.090 -.130 -.108

.688 1.264 .592 .952 .706

.732 .082 .875 .325 .700

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualINDF

residualINKP

residualISAT

residualKLBF

residualPNBN

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model APT

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000000 .0000000 .0000000 .0000000 .0000001

.17463349 .08806529 .18294914 .16013097 .21305797.133 .079 .119 .166 .157.133 .079 .119 .132 .157

-.087 -.065 -.093 -.166 -.139

.872 .517 .783 1.086 1.028

.433 .952 .571 .189 .242

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualSMCB

residualTLKM

residualPTBA

residualUNTR

residualBBNI

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model APT

118

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000000 .0000000 .0000000 .0000000 .0000000

.13243096 .15715434 .13535790 .20824199 .1490379.078 .101 .103 .154 .156.074 .099 .103 .154 .156

-.078 -.101 -.096 -.140 -.108

.511 .663 .677 1.010 1.026

.957 .772 .750 .260 .243

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualBBRI

residuakBLTA

residualbmri

residualBNBR

residualBNII

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model APT

One-Sample Kolmogorov-Smirnov Test

43 43 43 43 43.0000000 .0000000 .0000000 -.0000001 .0000000

.24102942 26740257 8931959 18352064 10141779.094 .187 .108 .139 .096.070 .187 .108 .087 .053

-.094 -.095 -.054 -.139 -.096

.616 1.229 .706 .914 .630

.842 .098 .701 .374 .823

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

residualBUMI

residualELTY

residualKIJA

residualPGAS

residualSMGR

Test distribution is Normal.a.

Calculated from data.b.

Uji Normal Kolmogorov-Smirnov Model APT

119

One-Sample Kolmogorov-Smirnov Test

43 43.0000001 .0000000

.23873235 12746655.173 .228.173 .228

-.102 -.1931.134 1.494

.153 .023

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)

residual TINSresidualAQUA

Test distribution is Normal.a.

Calculated from data.b.

Autokorelasi Model CAPM

No Nama Perusahaan Kode du D-W 4-du 1 Astra Agro Lestari Tbk AALI 1.100 1.884 2.900 2 Aneka Tambang (Persero) Tbk ANTM 1.100 1.703 2.900

3 Astra Internasional Tbk ASII 1.100 2.413 2.900

4 Bank Central Asia Tbk BBCA 1.100 2.323 2.900 5 International Nickel Ind. Tbk INCO 1.100 2.071 2.900 6 Indofood Sukses Makmur Tbk INDF 1.100 2.315 2.900 7 Indal Kiat Pulp & Paper Tbk INKP 1.100 2.057 2.900 8 Indosat Tbk ISAT 1.100 2.069 2.900

9 Kalbe Farma Tbk KLBF 1.100 2.382 2.900

10 Bank Pan Indonesia Tbk PNBN 1.100 2.236 2.900 11 Semen Cibinong Tbk SMCB 1.100 2.447 2.900 12 Telekomunikasi Indonesia Tbk TLKM 1.100 1.884 2.900

120

13 Tambang Batubara Bukit Asam Tbk PTBA 1.100 2.573 2.900

14 United Tractors Tbk UNTR 1.100 2.396 2.900 15 Bank Negara Indonesia Tbk BBNI 1.100 1.727 2.900 16 Bank Rakyat Indonesia Tbk BBRI 1.100 2.644 2.900 17 Berlian Laju Tanker Tbk BLTA 1.100 2.310 2.900 18 Bank Mandiri Tbk BMRI 1.100 1.869 2.900 19 Bakrie & Brothers Tbk BNBR 1.100 2.018 2.900

20 Bank Internasional Indonesia BNII 1.100 2.301 2.900 21 Bumi Resources Tbk BUMI 1.100 1.172 2.900 22 Bakrieland Development Tbk ELTY 1.100 2.219 2.900 23 Kawasan industri Jababeka Tbk KIJA 1.100 2.097 2.900 24 Perusahaan Gas Negara Tbk PGAS 1.100 2.256 2.900

25 Semen Gresik Tbk SMGR 1.100 2.150 2.900

26 Timah Tbk TINS 1.100 1.541 2.900 27 Aqua Misissi Tbk AQUA 1.100 2.424 2.900

Autokorelasi Model APT

No Nama Perusahaan Kode du D-W 4-du

1 Astra Agro Lestari Tbk AALI 1.100 1.884 2.900

2 Aneka Tambang (Persero) Tbk ANTM 1.100 1.703 2.900

3 Astra Internasional Tbk ASII 1.100 2.413 2.900

4 Bank Central Asia Tbk BBCA 1.100 2.323 2.900

5 International Nickel Ind. Tbk INCO 1.100 2.071 2.900

6 Indofood Sukses Makmur Tbk INDF 1.100 2.315 2.900

7 Indal Kiat Pulp & Paper Tbk INKP 1.100 2.057 2.900

8 Indosat Tbk ISAT 1.100 2.069 2.900

9 Kalbe Farma Tbk KLBF 1.100 2.382 2.900

10 Bank Pan Indonesia Tbk PNBN 1.100 2.236 2.900

11 Semen Cibinong Tbk SMCB 1.100 2.447 2.900

121

12 Telekomunikasi Indonesia Tbk TLKM 1.100 1.884 2.900

13 Tambang Batubara Bukit Asam Tbk PTBA 1.100 2.573 2.900

14 United Tractors Tbk UNTR 1.100 2.396 2.900

15 Bank Negara Indonesia Tbk BBNI 1.100 1.727 2.900

16 Bank Rakyat Indonesia Tbk BBRI 1.100 2.644 2.900

17 Berlian Laju Tanker Tbk BLTA 1.100 2.310 2.900

18 Bank Mandiri Tbk BMRI 1.100 1.869 2.900

19 Bakrie & Brothers Tbk BNBR 1.100 2.018 2.900

20 Bank Internasional Indonesia BNII 1.100 2.301 2.900

21 Bumi Resources Tbk BUMI 1.100 1.172 2.900

22 Bakrieland Development Tbk ELTY 1.100 2.219 2.900

23 Kawasan industri Jababeka Tbk KIJA 1.100 2.097 2.900

24 Perusahaan Gas Negara Tbk PGAS 1.100 2.256 2.900

25 Semen Gresik Tbk SMGR 1.100 2.150 2.900

26 Timah Tbk TINS 1.100 1.541 2.900

27 Aqua Misissi Tbk AQUA 1.100 2.424 2.900

Analisis Factor Model APT

KMO and Bartlett's Test

.483

90.9696

.000

Kaiser-Meyer-Olkin Measure of SamplingAdequacy.

Approx. Chi-SquaredfSig.

Bartlett's Test ofSphericity

Communalities

1.000 .8841.000 .8941.000 .9341.000 .840

kursinflasisbiuang beredar

Initial Extraction

Extraction Method: Principal Component Analysis.

122

Total Variance Explained

2.393 59.831 59.831 2.393 59.831 59.831 1.944 48.600 48.6001.159 28.967 88.798 1.159 28.967 88.798 1.608 40.198 88.798.340 8.500 97.298.108 2.702 100.000

Component1234

Total% of

VarianceCumulative % Total

% ofVariance

Cumulative % Total

% ofVariance

Cumulative %

Initial EigenvaluesExtraction Sums of Squared

LoadingsRotation Sums of Squared

Loadings

Extraction Method: Principal Component Analysis.

Scree Plot

Component Number

4321

Eige

nval

ue

3.0

2.5

2.0

1.5

1.0

.5

0.0

Component Matrixa

-.554 .760.793 .514.884 .392

-.822 .405

kursinflasisbiuang beredar

1 2Component

Extraction Method: Principal Component Analysis.2 components extracted.a.

Rotated Component Matrixa

.017 .940

.943 -.069

.941 -.221-.412 .819

kursinflasisbiuang beredar

1 2Component

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Rotation converged in 3 iterations.a.

123

ARIMA Model APT

124

125

126