analisis pengaruh sentimen investor terhadap return
-
Upload
khangminh22 -
Category
Documents
-
view
1 -
download
0
Transcript of analisis pengaruh sentimen investor terhadap return
ANALISIS PENGARUH SENTIMEN INVESTOR TERHADAP RETURN
SAHAM SEKTORAL BEI PADA MASA PANDEMI COVID-19
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-Syarat Guna Meraih Gelar Sarjana Ekonomi
Disusun Oleh :
ANISSA PUTRI FIRDAUS
NIM. 11170810000049
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1442 H/2021 M
ANALISIS PENGARUH SENTIMEN INVESTOR TERHADAP RETURN
SAHAM SEKTORAL BEI PADA MASA PANDEMI COVID-19
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-Syarat Guna Meraih Gelar Sarjana Ekonomi
Disusun Oleh :
ANISSA PUTRI FIRDAUS
NIM. 11170810000049
Di Bawah Bimbingan
Pembimbing I
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1442 H/2021 M
i
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari ini Kamis, 22 April 2021 telah dilaksanakan Ujian Komprehensif atas
mahasiswa:
1. Nama : Anissa Putri Firdaus
2. NIM : 11170810000049
3. Jurusan : Manajemen (Keuangan)
4. Judul Skripsi : Analisis Pengaruh Sentimen Investor Terhadap Return
Saham Sektoral BEI Pada Masa Pandemi COVID-19
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama proses Ujian Komprehensif, maka diputuskan mahasiswa
tersebut di atas dinyatakan LULUS dan diberi kesempatan untuk melanjutkan ke
tahap Ujian Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana
Ekonomi pada Jurusan Manajemen Fakultas Ekonomi dan Bisnis Universitas
Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 22 April 2021
1. Deni Pandu Nugraha, M.Sc (________________)
NIDN. 2012108503 Penguji I
2. Lili Supriyadi, MM (________________)
NIP. 196005051989031005 Penguji II
ii
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Rabu, 16 Juni 2021 telah dilaksanakan Ujian Skripsi atas mahasiswa:
1. Nama : Anissa Putri Firdaus
2. NIM : 11170810000049
3. Jurusan : Manajemen (Keuangan)
4. Judul Skripsi : Analisis Pengaruh Sentimen Investor Terhadap Return
Saham Sektoral BEI Pada Masa Pandemi COVID-19
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama ujian Skripsi, maka diputuskan bahwa mahasiswa tersebut di
atas dinyatakan LULUS dan Skripsi ini diterima sebagai salah satu syarat untuk
memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 16 Juni 2021
1. Murdiyah Hayati, S.Kom., MM (________________)
NIP. 197410032003122001 Ketua
2. Dr. Indo Yama Nasarudin, S.E., M.A.B (________________)
NIP. 197411272001121002 Pembimbing I
3. Dr. Titi Dewi Warninda, S.E., M.Si (________________)
NIP. 197312212005012002 Penguji Ahli
iii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini:
Nama : ANISSA PUTRI FIRDAUS
NIM : 11170810000049
Jurusan : Manajemen
Fakultas : Ekonomi dan Bisnis
Dengan ini menyatakan bahwa dalam penulisan Skripsi ini, Saya:
1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan
dan mempertanggungjawabkan.
2. Tidak Melakukan plagiasi terhadap naskah karya orang lain.
3. Tidak menggunakan karya orang lain tanpa menyertakan sumber asli
atau tanpa izin dari pemilik karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya dan mampu bertanggung jawab atas karya
ini.
Jikalau di kemudian hari ada tuntuan dari pihak lain atas karya saya, dan telah
melalui pembuktian yang dapat dipertanggungjawabkan, ternayat memang
ditemukan bukti bahwa saya telah melanggar pernyataan ini, maka saya siap
dikenai sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta.
Demikian Pernyataan ini saya buat dengan sesungguhnya.
Jakarta, 16 Juni 2021
Yang Menyatakan,
(ANISSA PUTRI FIRDAUS)
iv
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
1. Nama Lengkap : ANISSA PUTRI FIRDAUS
2. Tempat, Tanggal Lahir : Banda Aceh, 30 Juli 2000
3. Alamat : Puri Serpong I, Blok H2/15
Kelurahan Setu, Kecamatan Setu,
Kota Tangerang Selatan, Banten
4. Telepon : 0812-8099-5030
5. E-mail : [email protected]
II. PENDIDIKAN FORMAL
2005 – 2011 : SDI AL-AMANAH
2011 – 2014 : SMPI AL-AMANAH
2014 – 2017 : SMAN 6 Tangerang Selatan
2017 – 2021 : S1 Manajemen – UIN Syarif
Hidayatullah Jakarta
III. PENGALAMAN ORGANISASI
2018 – 2019 : Divisi Analisis Data dan Trading
Galeri Investasi Syariah FEB
UIN Jakarta
v
ABSTRACT
This study was conducted to analyze the effect of investor sentiment on
sectoral stock returns during the COVID-19 pandemic. The samples used in this
study were chosen by using purposive sampling method. This study also used
Fama-French three factors model to increase the accuracy of the research model.
The data used in this study were data before the COVID-19 pandemic period
(March – April 2019) and data during the first case COVID-19 pandemic period
in Indonesia (Maret – April 2020) to determine the difference of the effect given
by the independent variable on dependent variables analyzed between those
periods. This study used data panel which was analyzed using the E-Views 10
program and Microsoft Excel. The results of this study indicate that investor
sentiment during the COVID-19 pandemic period had a significant positive and
greater effect than before the COVID-19 pandemic period on Stock Returns in
Agricultural Sector, Mining Sector, Basic Industry and Chemical Sector, Trade-
Services-Investment Sector, and Consumer Goods Industry Sector. Then, investor
sentiment druing the COVID-19 pandemic had a significant positive but no
greater effect on stock returns in the Property, Real Estate, and Building
Construction Sector. Meanwhile, in the Infrastructur-Utilities-Transportation
Sector, Miscellaneous Industry Sector, and Financial Sector, investor sentiment
during the COVID-19 pandemic had a positive but insignificant effect on the stock
returns.
Keywords : COVID-19, Investor Sentiment, Strock Return
vi
ABSTRAK
Penelitian ini dilakukan untuk mengetahui pengaruh sentiment investor
terhadap return saham sektoral pada masa pandemic. Adapun sampel perusahaan
tiap-tiap sektor diambil dengan menggunakan metode purposive sampling.
Penelitian ini juga menggunakan three factors model Fama-French untuk
meningkatkan keakuratan model penelitian. Adapun data yang digunakan pada
penelitian ini adalah data sebelum masa pandemic COVID-19 (Maret – April
2019) dan selama awal masa pandemic COVID-19 di Indonesia (Maret – April
2020). Penelitian ini menggunakan data panel yang dianalisis dengan
menggunakan program e-views 10 dan juga Microsoft Excel. Adapun hasil dari
penelitian ini menunjukan bahwa sentiment investor pada masa pandemi
berpengaruh positif, signifikan, dan lebih besar dibanding sebelum masa
pandemic COVID-19 terhadap return saham di Sektor Pertanian, Sektor
Pertambangan, Sektor Industri Dasar dan Kimia, sektor Perdagangan-Jasa-
Investasi, serta Sektor Industri Barang Konsumen. Kemudian sentiment investor
di masa pandemic COVID-19 berpengaruh signifikan positif, namun tidak lebih
besar dibanding sebelum masa pandemic COVID-19 terhadap return saham di
Sektor Sektor Properti, Real Estate, dan Konstruksi Bangunan. Sementara pada
Sektor Infrastruktur-Utilitas-Transportasi, Sektor Aneka Industri, dan Sektor
Keuangan sentiment investor pada masa pandemic memiliki pengaruh positif
namun tidak signifikan terhadap return saham.
Kata Kunci : Pandemi COVID-19, Sentimen Investor, Return Saham
vii
KATA PENGANTAR
Assalamualaikum Wr. Wb.
Puji syukur penulis panjatkan kehadirat Allah SWT., yang senantiasa
menganugrahkan rahmat serta hidayahnya. Shalawat serta salam juga senantiasa
dicurahkan kepada Nabi Muhammad SAW. beserta keluarga, sahabat, dan para
umatnya.
Alhamdulillah, atas izin Allah SWT., penulis dapat menyelesaikan skripsi
ini yang berjudul ―Analisis Pengaruh Sentimen Investor Terhadap Return
Saham Sektoral BEI Pada Masa Pandemi COVID-19‖. Skripsi ini disusun
sebagai upaya memperoleh gelar Sarjana Ekonomi pada Jurusan Manajemen
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Untuk dapat menulis dan menyelesaikan skripsi ini, tentulah melalui
proses yang panjang. Proses tersebut tidak lepas dari bimbingan dan dukungan
dari berbagai pihak selama masa studi penulis. Untuk itu, melalui kesempatan ini
penulis ingin menyampaikan rasa terima kasih sebesar-besarnya kepada:
1. Kedua orang tua, Mama dan Papa, yang senantiasa selalu memberikan
dukungan dan nasihat kepada penulis dalam segala hal terlepas dari segala
macam situasi yang dihadapi. Dan kedua adik saya yang juga selalu
memberikan dukungan secara moral dan membuat hari-hari lebih
berwarna.
2. Ibu Prof. Dr. Hj. Amany Burhanudin Umar Lubis, Lc., MA. selaku Rektor
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
viii
3. Bapak Prof. Dr. Amilin, S.E.Ak, M.Si., CA., QIA., BKP., CRMP. selaku
Dekan Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif
Hidayatullah Jakarta.
4. Ibu Murdiyah Hayati, S.Kom., MM. dan Ibu Amalia, S.E., MSM. selaku
Ketua dan Sekretaris Jurusan Manajemen Fakultas Ekonomi dan Bisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
5. Bapak Dr, Indo Yama Nasarudin, S.E., MAB selaku dosen pembimbing
akademik sekaligus dosen pembimbing skripsi. Terima kasih telah
meluangkan waktu memberikan bimbingan, arahan, dan ilmunya selama
masa studi penulis dan proses penulisan skripsi ini.
6. Seluruh Bapak/Ibu Dosen, khususnya Bapak/Ibu Dosen jurusan
Manajemen, yang senantiasa memberikan ilmu yang berharga kepada para
mahasiswanya.
7. Kepada seluruh staf dan karyawan Fakultas Ekonomi dan Bisnis
Universitas Syarif Hidayatullah Jakarta.
8. Teman-teman yang selalu menemani saya selama masa studi, Rahmi
Pratiwi, Zahrotu Diniyah, Adhelia Syafira Putri. Terima kasih sudah
menjadi teman sharing selama masa perkuliahan. Kepada teman-teman
lainnya, Ema, Nanda, Hanifa, Haspi, Samantha, Ririn, Ayu, dan yang
lainnya yang tidak bisa saya sebutkan satu persatu, terima kasih telah
memberi semangat dan dukungan selama proses perkuliahan dan penulisan
skripsi ini. Semoga sukses selalu!
9. Seluruh mahasiswa Manajemen 2017, terutama teman-teman kelas
Manajemen B dan Manajemen Keuangan.
10. The last but not least, teman-teman tangguh saya dari masa SMA. Grace,
Adisty, Adri, dan Ahda. Terima kasih loh sudah sama-sama belajar jadi
tangguh! Terima kasih sudah menciptakan kesan yang baik. Semoga kita
semangat, sukses, dan tangguh selalu!
Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna. Masih
ada beberapa keterbatasan yang tidak bisa penulis lampaui selama menyusunnya.
ix
Dengan senang hati, penulis mengharapkan kritik yang membangun serta saran
yang dapat digunakan untuk meningkatkan penelitian di selanjutnya di masa yang
akan datang. Kemudian, terlepas dari semua itu, besar pula harapannya semoga
skripsi ini mampu memberikan manfaat kepada para pembaca serta dapat
dijadikan referensi bagi penelitian selanjutnya.
Wassalamualaikum Wr. Wb.
Jakarta, 16 Juni 2021
Penulis,
ANISSA PUTRI FIRDAUS
x
DAFTAR ISI
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF .................................... i
LEMBAR PENGESAHAN UJIAN SKRIPSI .................................................... ii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ........................... iii
DAFTAR RIWAYAT HIDUP ............................................................................ iv
ABSTRACT ............................................................................................................ v
ABSTRAK ............................................................................................................ vi
KATA PENGANTAR ......................................................................................... vii
DAFTAR ISI .......................................................................................................... x
DAFTAR TABEL .............................................................................................. xiii
DAFTAR GAMBAR ........................................................................................... xv
1. BAB 1 .............................................................................................................. 1
1.1 Latar Belakang .................................................................................................... 1
1.2 Identifikasi Masalah .......................................................................................... 10
1.3 Rumusan Masalah ............................................................................................. 10
1.4 Tujuan Penelitian .............................................................................................. 10
1.5 Manfaat Penelitian ............................................................................................ 11
2. BAB 2 ............................................................................................................ 12
2.1 Teori-teori Terkait dengan Penelitian ............................................................... 12
2.1.1 Investasi .................................................................................................... 12
2.1.2 Pasar Modal .............................................................................................. 14
2.1.3 Saham ........................................................................................................ 19
2.1.4 Imbal Hasil (Return) Saham ....................................................................... 27
2.1.5 Teori Keuangan Tradisional ....................................................................... 30
2.1.6 Teori Keuangan Perilaku (Behavioral Finance) ......................................... 33
2.1.7 Sentimen Investor ..................................................................................... 34
2.2 Penelitian Terdahulu ......................................................................................... 36
2.3 Kerangka Pemikiran .......................................................................................... 45
2.4 Keterkaitan Antar Variabel dan Hipotesis ......................................................... 47
2.4.1 Hubungan Sentimen Investor Terhadap Return Saham ........................... 47
3. BAB 3 ............................................................................................................ 48
xi
3.1 Populasi dan Sampel ......................................................................................... 48
3.2 Tempat dan Waktu Peneilitan .......................................................................... 55
3.3 Data dan Sumber Data ...................................................................................... 56
3.3.1 Jenis Penelitian dan Data .......................................................................... 56
3.3.2 Sumber Data ............................................................................................. 56
3.4 Metode Pengumpulan Data .............................................................................. 57
3.5 Instrumen Penelitian ......................................................................................... 58
3.6 Metode Analisis Data ........................................................................................ 58
3.6.1 Analisis Statistik......................................................................................... 58
3.6.2 Uji Asumsi Klasik dan Uji Struktur Varian Kovarian................................... 63
3.6.3 Pengujian Hipotesis ................................................................................... 71
3.7 Definisi Operasional Variabel ............................................................................ 73
3.7.1 Variabel Dependen ................................................................................... 73
3.7.2 Variabel Independen ................................................................................. 74
4. BAB 4 ............................................................................................................ 80
4.1 Gambaran Umum Objek Penelitian .................................................................. 80
4.1.1 Pertanian ................................................................................................... 80
4.1.2 Pertambangan ........................................................................................... 80
4.1.3 Industri Dasar dan Kimia ........................................................................... 81
4.1.4 Aneka Industri ........................................................................................... 81
4.1.5 Industri Barang Konsumsi ......................................................................... 82
4.1.6 Properti, Real Estate, dan Konstruksi Bangunan ...................................... 82
4.1.7 Infrastruktur, Utilitas, dan Transportasi ................................................... 82
4.1.8 Keuangan .................................................................................................. 83
4.1.9 Perdagangan, Jasa, dan Investasi .............................................................. 83
4.2 Temuan Hasil Penelitian ................................................................................... 84
4.2.1 Statistik Deskrptif ...................................................................................... 84
4.2.2 Analisis Regresi ........................................................................................ 104
4.2.3 Uji Asumsi Klasik dan Struktur Varian Kovarian ...................................... 141
4.2.4 Pengujian Hipotesis ................................................................................. 170
4.3 Pembahasan .................................................................................................... 185
xii
4.3.1 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor Pertanian
Pada Masa Pandemi COVID-19 ........................................................................ 186
4.3.2 Pengaruh Sentimen Investor Terhadap Return Saham di Pertambangan
Pada Masa Pandemi COVID-19 ........................................................................ 188
4.3.3 Pengaruh Sentimen Investor terhadap Return Saham di Sektor Industri
Dasar dan Kimia Pada Masa Pandemi COVID-19............................................. 190
4.3.4 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor Aneka
Industri Pada Masa Pandemi COVID-19 .......................................................... 192
4.3.5 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor Industri
Barang Konsumsi Pada Masa Pandemi COVID-19 ........................................... 194
4.3.6 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor Properti,
Real Estate, dan Konstruksi Bangunan Pada Masa Pandemi COVID-19 .......... 196
4.3.7 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor
Infrastruktur, Utilitas, dan Transportasi Pada Masa COVID-19 ....................... 199
4.3.8 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor Keuangan
Pada Masa Pandemi COVID-19 ........................................................................ 201
4.3.9 Pengaruh Sentimen Incestor Terhadap Return Saham di Sektor
Perdagangan, Jasa, dan Investasi Pada Masa Pandemi COVID-19 .................. 203
5. BAB 5 .......................................................................................................... 206
5.1 Kesimpulan ...................................................................................................... 206
5.2 Saran ............................................................................................................... 208
DAFTAR PUSTAKA
LAMPIRAN
xiii
DAFTAR TABEL
Tabel 3.10 Durbin Watson ................................................................................................ 67
Tabel 4.1 Statistik Deskriptif Sektor Pertanian Maret – April 2019 ................................. 84
Tabel 4.2 Statistik Deskriptif Sektor Pertanian Maret – April 2020 ................................. 85
Tabel 4.3 Statistik Deskriptif Sektor Pertambangan Maret – April 2019 ........................ 86
Tabel 4.4 Statistik Deskriptif Sektor Pertambangan Maret – April 2020 ......................... 87
Tabel 4.5 Statistik Deskriptif Sektor Industri Dasar dan Kimia Maret – April 2019........ 88
Tabel 4.6 Statistik Deskriptif Sektor Industri Dasar dan Kimia Maret – April 2020........ 89
Tabel 4.7 Statistik Deskriptif Sektor Aneka Industri Maret – April 2019 ........................ 91
Tabel 4.8 Statistik Deskriptif Sektor Aneka Industri Maret – April 2020 ........................ 92
Tabel 4.9 Statistik Deskriptif Sektor Industri Barang Konsumsi Maret – April 2019 ...... 93
Tabel 4.10 Statistik Deskriptif Sektor Industri Barang Konsumsi Maret – April 2020 .... 94
Tabel 4.11 Statistik Deskriptif Sektor Properti, Real Estate, dan Konstruksi Bangunan
Maret – April 2019 ............................................................................................................ 95
Tabel 4.12 Statistik Deskriptif Sektor Properti, Real Estate, dan Konstruksi Bangunan
Maret – April 2020 ............................................................................................................ 96
Tabel 4.13 Statistik Deskriptif Sektor Infrastruktur, Utilitas, dan Transportasi Maret –
April 2019 ......................................................................................................................... 97
Tabel 4.14 Statistik Deskriptif Sektor infrastruktur, Utilitas, dan Transportasi Maret –
April 2020 ......................................................................................................................... 99
Tabel 4.15 Statistik Deskriptif Sektor Keuangan Maret – April 2019 ............................ 100
Tabel 4.16 Statistik Deskriptif Sektor Keuangan Maret – April 2020 ............................ 101
Tabel 4.17 Statistik Deskriptif Sektor Perdagangan, Jasa, dan Investasi Maret – April
2019 ................................................................................................................................ 102
Tabel 4.18 Statistik Deskriptif Sektor Perdagangan, Jasa, dan Investasi Maret – April
2019 ................................................................................................................................ 103
Tabel 4.19 Regresi Sektor Pertanian Maret – April 2019 ............................................... 105
Tabel 4.20 Regresi Sektor Pertanian Maret – April 2020 ............................................... 107
Tabel 4.21 Regresi Sektor Pertambangan Maret – April 2019 ....................................... 109
Tabel 4.22 Regresi Sektor Pertambangan Maret – April 2020 ....................................... 111
Tabel 4.23 Regresi Sektor Industri Dasar dan Kimia Maret – April 2019...................... 113
Tabel 4.24 Regresi Sektor Industri Dasar dan Kimia Maret – April 2020...................... 115
Tabel 4.25 Regresi Sektor Aneka Industri Maret – April 2019 ...................................... 117
Tabel 4.26 Regresi Sektor Aneka Industri Maret – April 2020 ...................................... 119
Tabel 4.27 Regresi Sektor Industri Barang Konsumsi Maret – April 2019 .................... 121
Tabel 4.28 Regresi Sektor Industri Barang Konsumsi Maret – April 2020 .................... 123
Tabel 4.29 Regresi Sektor Properti, Real Estate, dan Konstruksi Bangunan Maret – April
2019 ................................................................................................................................ 125
xiv
Tabel 4.30 Regresi Sektor Properti, Real Estate, dan Konstruksi Bangunan Maret – April
2020 ................................................................................................................................ 127
Tabel 4.31 Regresi Sektor Infrastruktur, Utilitas, dan Transportasi Maret – April 2019 129
Tabel 4.32 Regresi Sektor Infastruktur, Utilitas, dan Transportasi Maret – April 2020 . 131
Tabel 4.33 Regresi Sektor Keuangan Maret – April 2019 .............................................. 133
Tabel 4.34 Regresi Sektor Keuangan Maret – April 2020 .............................................. 135
Tabel 4.35 Regresi Sektor Perdagangan, Jasa, dan Investasi Maret – April 2019 .......... 137
Tabel 4.36 Regresi Sektor Perdagangan, Jasa, dan Investasi Maret – April 2020 .......... 139
Tabel 4.37 Multikolinearitas Sektor Pertanian Maret – April 2019 ................................ 152
Tabel 4.38 Multikolinearitas Sektor Pertanian Maret – April 2020 ................................ 152
Tabel 4.39 Multikolinearitas Sektor Pertambangan Maret – April 2019 ........................ 153
Tabel 4.40 Multikolinearitas Sektor Pertambangan Maret – April 2020 ........................ 153
Tabel 4.41 Multikolinearitas Sektor Industri Dasar dan Kimia Maret – April 2019 ...... 154
Tabel 4.42 Multikolinearitas Sektor Industri Dasar dan Kimia Maret – April 2020 ...... 154
Tabel 4.43 Multikolinearitas Sektor Aneka Industri Maret – April 2019 ....................... 155
Tabel 4.44 Multikolinearitas Sektor Aneka Industri Maret – April 2020 ....................... 155
Tabel 4.45 Multikolinearitas Sektor Industri Barang Konsumsi Maret – April 2019 ..... 156
Tabel 4.46 Multikolinearitas Sektor Industri Barang Konsumsi Maret – April 2020 ..... 156
Tabel 4.47 Multikolinearitas Sektor Properti, Real Estate, dan Konstruksi Bangunan
Maret – April 2019 .......................................................................................................... 157
Tabel 4.48 Multikolinearitas Sektor Properti, Real Estate, dan Konstruksi Bangunan
Maret – April 2020 .......................................................................................................... 157
Tabel 4.49 Multikolinearitas Sektor Infrastruktur, Utilitas, dan Transportasi Maret – April
2019 ................................................................................................................................ 158
Tabel 4.50 Multikolinearitas Sektor Infrastruktur, Utilitas, dan Transportasi Maret – April
2020 ................................................................................................................................ 159
Tabel 4.51 Multikolinearitas Sektor Keuangan Maret – April 2019 .............................. 159
Tabel 4.52 Multikolinearitas Sektor Keuangan Maret – April 2020 .............................. 160
Tabel 4.53 Multikolinearitas Sektor Perdagangan, Jasa, dan Investasi Maret – April 2019
........................................................................................................................................ 160
Tabel 4.54 Multikolinearitas Sektor Perdagangan, Jasa, dan Investasi Maret – April 2020
........................................................................................................................................ 161
Tabel 4.55 Hasil Uji Varian Kovarian LM dan λLM ...................................................... 163
Tabel 4.56 Hasil Output Regresi Data Panel Estimator Terbaik Maret – April 2019 ..... 172
Tabel 4.57 Hasil Output Regresi Data Panel Estimator Terbaik Maret – April 2020 ..... 174
Tabel 4.58 Interpretasi Hasil Uji Simultan (Uji F) ......................................................... 176
Tabel 4.59 Interpretasi Hasil Ujia Parsial (Uji t) Maret – April 2019 ............................ 179
Tabel 4.60 Interpretasi Hasil Uji Parsial (Uji t) Maret – April 2020 .............................. 180
Tabel 4.61 Interpretasi Koefisien Determinasi (Adjusted R2) ........................................ 182
xv
DAFTAR GAMBAR
Gambar 1.1 Grafik IHSG dan Volume Perdagangan Februari 2019 – Februari
2020 ......................................................................................................................... 6
Gambar 1.2 Grafik Net Purchase Harian Investor Asing Selama Februari 2020 ... 6
Gambar 1.3 Grafik IHSG dan Volume Perdagangan Maret 2019 – Maret 2020 .... 7
Gambar 1.4 Grafik Net Purchase Harian Investor Asing Selama Maret 2020 ....... 8
Gambar 2.1 Kerangka Pemikiran .......................................................................... 46
Gambar 4.1 Uji Chow Sektor Peranian Maret – April 2019 ............................... 106
Gambar 4.2 Uji Lagrange Multiplier Sektor Pertanian Maret – April 2019 ....... 106
Gambar 4.3 Uji Chow Sektor Pertanian Maret – April 2020 .............................. 108
Gambar 4.4 Uji Lagrange Multiplier Sektor Pertanian Maret – April 2020 ....... 108
Gambar 4.5 Uji Chow Sektor Pertambangan Maret – April 2019 ...................... 110
Gambar 4.6 Uji Lagrange Multplier Sektor Pertambangan Maret – April 2019 110
Gambar 4.7 Uji Chow Sektor Pertambangan Maret – April 2020 ...................... 112
Gambar 4.8 Lagrange Multiplier Sektor Pertambangan Maret – April 2020 ..... 112
Gambar 4.9 Uji Chow Sektor Industri Dasar dan Kimia Maret – April 2019 .... 114
Gambar 4.10 Uji Lagrange Multiplier Sektor Industri Dasar dan Kimia Maret –
April 2019 ........................................................................................................... 114
Gambar 4.11 Uji Chow Sektor Industri Dasar dan Kimia Maret – April 2020 .. 116
Gambar 4.12 Regresi Sektor Industri Dasar dan Kimia Maret – April 2020 ...... 116
Gambar 4.13 Uji Chow Sektor Aneka Industri Maret – April 2019 ................... 118
Gambar 4.14 Uji Lagrange Mulplier Sektor Aneka Industri Maret – April 2019
............................................................................................................................. 118
Gambar 4.15 Uji Chow Sektor Aneka Industri Maret – April 2020 ................... 120
Gambar 4.16 Uji Lagrange Multiplier Sektor Aneka Industri Maret – April 2020
............................................................................................................................. 120
Gambar 4.17 Uji Chow Sektor Industri Barang Konsumsi Maret – April 2019. 122
Gambar 4.18 Uji Lagrange Multiplier Sektor Industri Barang Konsumsi Maret –
April 2019 ........................................................................................................... 122
Gambar 4.19 Uji Chow Sektor Industri Barang Konsumsi Maret – April 2020. 124
Gambar 4.20 Uji Lagrange Multiplier Sektor Industri Barang Konsumsi Maret –
April 2020 ........................................................................................................... 124
Gambar 4.21 Uji Chow Sektor Properti, Real Estate, dan Konstruksi Bangunan
Maret – April 2019 .............................................................................................. 126
Gambar 4.22 Uji Hausman Sektor Properti, Real Estate, dan Konstruksi Bangunan
Maret – April 2019 .............................................................................................. 126
xvi
Gambar 4.23 Uji Chow Sektor Properti, Real Estate, dan Konstruksi Bangunan
Maret – April 2020 .............................................................................................. 128
Gambar 4.24 Uji Lagrange Multiplier Sektor Properti, Real Estate, dan Konstruksi
Bangunan Maret – April 2020............................................................................. 128
Gambar 4.25 Uji Chow Sektor Infastruktur, Utilitas, dan Transportasi Maret –
April 2019 ........................................................................................................... 130
Gambar 4.26 Uji Lagrange Multiplier Sektor Infastruktur, Utilitas, dan
Transportasi Maret – April 2019 ......................................................................... 130
Gambar 4.27 Uji Chow Sektor Infastruktur, Utilitas, dan Transportasi Maret –
April 2020 ........................................................................................................... 132
Gambar 4.28 Uji Lagrange Multiplier Sektor Infastruktur, Utilitas, dan
Transportasi Maret – April 2020 ......................................................................... 132
Gambar 4.29 Uji Chow Sektor Keuangan Maret – April 2019........................... 134
Gambar 4.30 Uji Lagrange Multiplier Sektor Keuangan Maret – April 2019 .... 134
Gambar 4.31 Uji Chow Sektor Keuangan Maret – April 2020........................... 136
Gambar 4.32 Uji Lagrange Multiplier Sektor Keuangan Maret – April 2020 .... 136
Gambar 4.33 Uji Chow Sektor Perdagangan, Jasa, dan Investasi Maret – April
2019 ..................................................................................................................... 138
Gambar 4.34 Uji Lagrange Multiplier Sektor Perdagangan, Jasa, dan Investasi
Maret – April 2019 .............................................................................................. 138
Gambar 4.35 Uji Chow Sektor Perdagangan, Jasa, dan Investasi Maret – April
2020 ..................................................................................................................... 140
Gambar 4.36 Uji Hausman Sektor Perdagangan, Jasa, dan Investasi Maret – April
2020 ..................................................................................................................... 140
Gambar 4.37 Uji Normalitas Sektor Pertanian Maret – April 2019 ................... 142
Gambar 4.38 Uji Normalitas Sektor Pertanian Maret – April 2020 ................... 142
Gambar 4.39 Uji Normalitas Sektor Pertambangan Maret – April 2019 ............ 143
Gambar 4.40 Uji Normalitas Sektor Pertambangan Maret – April 2019 ............ 143
Gambar 4.41 Uji Normalitas Sektor Industri Dasar dan Kimia Maret – April 2019
............................................................................................................................. 144
Gambar 4.42 Uji Normalitas Sektor Industri Dasar dan Kimia Maret – April 2020
............................................................................................................................. 144
Gambar 4.43 Uji Normalitas Sektor Aneka Industri Maret – April 2019 ........... 145
Gambar 4.44 Uji Normalitas Sektor Aneka Industri Maret – April 2020 ........... 145
Gambar 4.45 Uji Normalitas Sektor Industri Barang Konsumsi Maret – April
2019 ..................................................................................................................... 146
Gambar 4.46 Uji Normalitas Sektor Industri Barang Konsumsi Maret – April
2020 ..................................................................................................................... 146
Gambar 4.47 Uji Normalitas Sektor Properti, Real Estate, dan Konstruksi
Bangunan Maret – April 2019............................................................................. 147
xvii
Gambar 4.48 Uji Normalitas Sektor Properti, Real Estate, dan Konstruksi
Bangunan Maret – April 2020............................................................................. 147
Gambar 4.49 Uji Normalitas Sektor Infastruktur, Utilitas, dan Transportasi Maret
– April 2019 ........................................................................................................ 148
Gambar 4.50 Uji Normalitas Sektor Infastruktur, Utilitas, dan Transportasi Maret
– April 2020 ........................................................................................................ 148
Gambar 4.51 Uji Normalitas Sektor Keuangan Maret – April 2019 .................. 149
Gambar 4.52 Uji Normalitas Sektor Keuangan Maret – April 2019 .................. 149
Gambar 4.53 Uji Normalitas Sektor Perdagangan, Jasa, dan Investasi Maret –
April 2019 ........................................................................................................... 150
Gambar 4.54 Uji Normalitas Sektor Perdagangan, Jasa, dan Investasi Maret –
April 2019 ........................................................................................................... 150
1
1. BAB 1
PENDAHULUAN
1.1 Latar Belakang
Dunia saat ini sedang mengalami sesuatu yang tidak terduga, yaitu
penyebaran penyakit yang disebut Coronavirus Disease 2019 (COVID-19)
yang disebabkan oleh virus SARS-CoV-2. Penyebaran ini terjadi sejak akhir
tahun 2019. Pada tanggal 31 Desember 2019, World Health Organozation
(WHO) dikabarkan mengidentifikasi kasus pneumonia—yang belum diketahui
penyebabnya—yang kemudian diketahui dan dinamai COVID-19 untuk
pertama kalinya di Kota Wuhan, China. Kemudian, di bulan Januari 2020
kasus ini terus menyebar dengan cepat ke provinsi lain di China, hal ini
didukung pula dengan adanya aktivitas masyarakat yang saling berkunjung
untuk merayakan Perayaan Tahun Baru China. Hal ini menyebabkan krisis
nasional di China, bahkan transportasi di Wuhan akhirnya ditutup. Masih pada
bulan yang sama—Januari—kasus COVID-19 juga terdeteksi di negara-
negara di luar China, seperti Jerman, Jepang, dan Vietnam. Akhirnya, WHO
pun mengumumkan darurat global terkait COVID-19 pada akhir bulan
Januari.
Tidak berhenti disitu, kasus COVID-19 terus-menerus menyebar dengan
cepat ke negara lain di seluruh dunia. Karena angka kasus COVID-19 terus-
menerus meningkat di seluruh dunia, pada tanggal 11 Maret 2020 WHO
mengumumkan COVID-19 sebagai pandemic global.
2
Seperti yang dilansir oleh World Health Organization (WHO), sampai
pada 23 November 2020 pandemic COVID-19 sudah menjangkit 218 negara
di seluruh dunia. Terdapat 57.882.183 (23/11/2020) kasus COVID-19 yang
terkonfirmasi di seluruh dunia. Di antaranya 24.563.600 kasus terkonfrimasi
di Amerika, 16.873.383 kasus terkonfirmasi di Eropa, 10.367.553 kasus
terkonfirmasi di Asia Tenggara, 3.796.649 kasus terkonfirmasi di Mediterania
Timur, 1.446.041 kasus terkonfirmasi di Afrika, dan 843.216 kasus
terkonfirmasi di Wilayah Pasifik Barat.
Pandemi ini memperngaruhi banyak hal di seluruh dunia, mulai dari segi
social hingga segi ekonomi Negara-negara yang terjangkit. Sebagaimana yang
dikutip oleh Qing He et.al (2020), Duan, Wang, dan Yang (2020) dalam
tulisannya menyatakan bahwa penyebaran COVID-19 ini berdampak cukup
parah bagi para usaha kecil dan menengah di China, yang mana mereka
memiliki peranan penting bagi perekonomian China. Hal ini disebabkan oleh
pengurangan konsumsi serta pengeluaran tetap pada biaya sewa, upah, dan
bunga. Masih dalam tulisan yang sama, diketahui bahwa merespon kejadian
penyebaran virus ini, pada tanggal 3 Februari 2020, Shanghai Securities
Composite Index menurun hingga 8%.
Pandemi COVID-19 ini dapat diaktegorikan ke dalam black swan event,
yaitu suatu peristiwa yang tidak terduga yang memiliki pengaruh yang besar di
segala sisi. Contoh lain dari peristiwa yang masuk ke dalam black swan event
adalah serangan terorisme. Black swan event ini akan menyebabkan shock,
rasa takut, dan panik dikalangan para investor internasional dan berujung pada
3
respon yang tajam berupa panic-selling (Burch, Emery, dan Fuerst (2016) di
dalam Qing He et.al (2020)). Hal terkait diteliti oleh Handoko dan Supramono
(2017) yang mengemukakan bahwa peristiwa serangan bom sarinah pada 14
Januari 2016 menumbulkan sentimen investor yang negative dan
menimbulkan overreaction. Menunjukkan bahwa black swan event memang
benar-benar mempengaruhi kondisi investor dan juga pasar. Pandemi COVID-
19 ini akan memberikan dampak yang sama bagi investor dan pasar saham.
Tidak hanya di China, COVID-19 juga mempengaruhi sebagian besar pasar
saham di dunia.
Qing He et.al (2020) melakukan penelitian terhadap 8 (delapan) negara
terdampak (Republik Rakyat Tiongkok, Italia, Korea Selatan, Perancis,
Spanyol, Jerman, dan Amerika Serikat). Hasil mengemukakan bahwa COVID-
19 ini memiliki dampak negative namun berjangka pendek pada pasar saham
dilihat dari di negara-negara tersebut. Dan pengaruh ini memiliki dampak
spill-over antara negara-negara di Asia, Eropa, dan Amerika.
HaiYue Liu et.al (2020) juga melakukan penelitian terkait hal ini pada 21
index saham di seluruh dunia. Hasil dari penelitiannya adalah semenjak
penyebaran virus ini pasar saham mengalami keterpurukan dilihat dari adanya
abnormal return yang negative. Penelitiannya ini dilakukan dengan
menambahkan sentimen pesimis investor pada return di masa depan dan juga
rasa takut akan ketidak pastian.
Terdapat beberapa event study yang dilakukan oleh beberapa peneliti
terkait COVID-19 dan pengaruhnya terhadap return dan abnormal return
4
saham di berbagai negera lain. Event study tersebut menggambarkan
bagaimana return dan/atau abnormal return saham mengalami perubahan,
bagaimana pasar saham bergerak merespon kejadian pandemic COVID-19.
Sementara itu, pergerakan saham dipengaruhi oleh banyak hal. Dalam
keuangan perilaku, salah satu hal yang mempengaruhi pergerakan saham
adalah respon investor terhadap suatu kejadian tertentu.
Ketika hendak hendak berinvestasi, keputusan yang diambil investor
dipengaruhi oleh berbagai kondisi ekonomi, baik di dalam negeri maupun di
luar negeri. Informasi-informasi dan kejadian yang tersedia—baik terkait
ekonomi, kebijakan pemerintah, politik—dan kemudian didapatkan oleh
investor dapat memicu respon, baik itu positif atau negative bergantung pada
cara berpikir investor yang rasional atau irrasional. Hal ini disebut dengan
sentiment investor (Kencana, 2019). Sentiment investor ini dapat
mempengaruhi harga dan imbal hasil.
Pengaruh sentiment investor terhadap imbal hasil (return) saham sudah
banyak diteliti oleh peneliti dari berbagai Negara. Seperti Brown dan Cliff
(2005); Baker dan Wurgler (2006); Schmeling (2009); Canbas dan Kandir
(2014); Ryu, Ryu, Yang (2019); Chakraborty dan Subramaniam (2019);
Feren dan Bangun (2019); Lestari (2019); dan masih banyak lagi. Adapun
proksi sentiment investor yang digunakan pun bermacam-macam, menurut
baker wuglr (2007) beberapa hal yang dapat dijadikan proksi untuk sentiment
investor diantaranya adalah survey terhadap investor, mutual fund flows,
trading volume, dividen premium, close-end fund discount, IPO first-day
5
returns, dan masih ada beberapa lagi. Kemudian, peneliti-peneliti lain juga
banyak yang menggunakan Consumer Condfident Index dan juga membangun
model sentiment investornya sendiri berdasarkan teori-teori yang ada.
Di Indonesia sendiri sentiment di masa COVID-19 pada pasar saham ini
sudah dirasakan sejak diumumkannya penyebaran COVID-19 di awal tahun
2020. Sentiment ini berasal dari penyebaran virus di China yang terjadi
dengan cepat. China, sebagai Negara yang ekonominya termasuk salah satu
yang terbesar di dunia, pastinya akan mempengaruhi ekonomi dunia, termasuk
Indonesia. Penyebaran virus ini menimbulkan kecemasan global. Menurut
data yang dirilis oleh BEI pada IDX Monthly Statistics, pada bulan januari
2020 IHSG turun 5.71% dibandingkan dengan bulan Desember 2019.
Kemudian, di bulan Februari 2020 IHSG juga mengalami penurunan sebesar
8.20% dibandingkan dengan bulan Januari 2020. Total volume perdagangan
saham pada bulan Januari 2020 adalah sebanyak 164,351 juta saham, yang
kemudian turun di bulan Februari 2020 menjadi 122,322 juta saham. Pada
bulan Januari 2020, selisih pembelian bersih saham investor asing adalah
sebesar 2,114juta saham dengan nilai Rp34 miliar. Namun, dibulan Februari
jumlah saham yang dijual oleh investor asing lebih banyak sehingga
menimbulkan selisih –849 juta saham atau senilai –Rp4,757 miliar.
6
Gambar 1.1 Grafik IHSG dan Volume Perdagangan Februari 2019 – Februari 2020
Gambar 1.2 Grafik Net Purchase Harian Investor Asing Selama Februari 2020
COVID-19 ini menyebar dengan sangat cepat, hingga akhirnya masuk ke
Indonesia. Kasus COVID-19 pertama di Indonesia diumumkan pada 2 Maret
7
2020. Pada hari itu pula IHSG ditutup melemah dibandingkan dengan hari
sebelumnya, dari 5,452.70 ke angka 5,361.25. Secara kesuluruhan di bulan
Maret 2020, IHSG mengalami penurunan sebesar 16.76% dibandingkan
dengan bulan Februari 2020. Di Maret 2020, BEI dan OJK menerapkan
kebijakan trading halt atau penghentian perdagangan selama 30 menit apabila
harga saham dalam sehari turun lebih dari 5%. Dengan kebijakan tersebut,
terjadi sekitar 6 kali trading halt, yaitu pada 12, 13, 17, 19, 22, dan 30 Maret
2020. Pada bulan ini juga IHSG menyentuh nilai terendah di sepanjang tahun
2020 yaitu pada 24 Maret 2020 di angka 3,937.63. Sepanjang bulan Maret
2020, transaksi perdagangan saham investor asing menghasilkan net purchase
sebesar –Rp5,591 miliar, investor asing lebih banyak menjual sahamnya
(IDX Monthly Statistic, March 2020).
Gambar 1.3 Grafik IHSG dan Volume Perdagangan Maret 2019 – Maret 2020
8
Gambar 1.4 Grafik Net Purchase Harian Investor Asing Selama Maret 2020
Pemerintah mengeluarkan rencana kebijakan PSBB pada tanggal 30 Maret
2020, yaitu kebijakan Pembatasan Sosial Berskala Besar yang mana
kebijakan ini membatasi kegiatan masyarakat yang berpengaruh terhadap
kehidupan social dan bahkan ekonominya untuk menekan angka penularan
COVID-19 yang terus bertambah di Indonesia. Investor yang mengethui hal
ini, tentunya akan memberikan respon dalam bentuk sikap investasinya.
Selama terjadinya pandemi, investor akan menganggap beberapa industri
akan mengalami kemunduran dan beberapa industri lainnya dianggap akan
mendapatkan banyak peluang untuk tumbuh dan berkembang di masa seperti
ini. Jika berdasarkan pada teori, hal ini kemungkinan akan memberikan
dampak yang berbeda-beda bagi tiap-tiap perusahaan dari berbagai sektor
tersebut.
9
Adanya kejadian tak terduga ini memberikan peluang bagi peneliti untuk
meneliti bagaimana pengaruh sentiment investor terhadap return saham pada
awal masa pandemic di Indonesia. Sebagaimana return atau imbal hasil saham
merupakan hal yang sangat diperhatikan oleh para investor. Untuk mengetahui
secara lebih jelas apakah terdapat pengaruh dan bagaimana pengaruh
sentiment investor terhadap return saham sektor industri, maka harus
dilakukan penelitian atas hal ini. Dengan didasarkan pada sentiment investor
yang ditimbulkan oleh pandemic COVID-19 dan sektor-sektor yang
terdampak secara berbeda serta penelitian sebelumnya terkait pengaruh
sentiment investor terhadap return saham, maka disusunlah penelitian yang
berjudul “Analisis Pengaruh Sentimen Investor Terhadap Return Saham
Sektoral di Indonesia Pada Masa Pandemi COVID-19”.
Peelitian ini akan dilakukan terhadap keseluruhan sektor industry yang
terdaftar di Bursa Efek Indonesia, dilandaskan dengan anggapan bahwa setiap
sektor itu berbeda sehingga besar pengaruh yang diberikan juga akan berdesa-
beda. Besar harapannya bahwa dengan penelitian ini akan diketahui sektor
mana yang dipengaruhi oleh sentiment investor dan bagaimana pengaruh
sektor tersebut. Semoga penelitian ini dapat turut berkontribusi dan
menjelaskan kondisi sentiment investor yang timbul pada masa pandemi
COVID-19 serta bagaimana pengaruhnya terhadap return saham perusahaan
di berbagai sektor yang berbeda.
10
1.2 Identifikasi Masalah
Dari latar belakang yang telah diuraikan, maka dapat diketuhi dan
dirumuskan indetifikasi masalah dalam penelitian ini, yaitu sebagai berikut:
1. Pandemic COVID-19 menimbulkan sentiment dikalangan investor, baik
dalam negeri maupun luar negeri. Pandemi ini menimbulkan rasa khawatir
dan takut akan ketidak pastian kondisi ekonomi di masa yang akan datang.
2. Ada atau tidaknya pengaruh sentiment investor terhadap imbal hasil
(return) saham tiap-tiap sektor yang tercatat di papan perdagangan Bursa
Efek Indonesia (BEI) selama masa pandemic COVID-19 di tahun 2020.
1.3 Rumusan Masalah
Berdasarkan identifikasi masalah yang telah dijelaskan, maka didapatkan
rumusan maslah sebagai berikut:
1. Bagaimana pengaruh sentiment investor terhadap imbal hasil (return)
saham tiap-tiap sektor yang tercatat di papan perdagangan Bursa Efek
Indonesia (BEI) selama masa pandemic COVID-19 di tahun 2020?
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah sebagai berikut:
1. Untuk mengetahui bagaimana pengaruh sentiment investor terhadap imbal
hasil (return) saham tiap-tiap sektor yang tercatat di papan perdagangan
Bursa Efek Indonesia (BEI) selama masa pandemic COVID-19 di tahun
2020.
11
1.5 Manfaat Penelitian
Manfaat yang diharapkan penulis dengan dilakukannya penelitian ini adalah
sebagai berikut:
1. Bagi Akademisi
Penelitian ini dapat menjadi tambahan pengetahuan ataupun
masukan bagi bidang keilmuan terkait keuangan perilaku (behavioral
finance), khususnya mengenai pengaruh sentimen investor terhadap pasar
saham.
2. Bagi Investor
Penelitian ini dapat menjadi bahan pertimbangan pengambilan
keputusan dalam berinvestasi di saat terjadinya kejadian yang tidak
terduga yang dapat menimbulkan respon tidak biasa dari investor.
3. Bagi Perusahaan
Perusahaan dapat memanfaatkan penelitian ini sebagai bahan
pertimbangan dalam pengambilan keputusan strategi serta kebijakan
terkait kinerja perusahaan, terutama pada pasar saham.
12
2. BAB 2
TINJAUAN PUSTAKA
2.1 Teori-teori Terkait dengan Penelitian
2.1.1 Investasi
Investasi merupakan suatu komitmen dalam menempatkan
sejumalh uang atau sumber dana lainnya pada masa sekarang dengan
harapan untuk mendapatkan keuntungan di masa mendatang (Bodie
et.al, 2009 : 1). Tujuan seseorang dalam melakukan investasi
bermacam-macam. Herlianto (2013 : 2) menyebutkan bahwa tujuan
tersebut secara umum antara lain adalah untuk memperoleh
pendapatan tetap dan kehidupak yang layak di masa mendatang, untuk
mempersiapkan dana khusus di masa depan, mengontrol dan
mengendalikan perusahaan, hingga untuk menghindari risiko inflasi.
Investasi dapat dibedakan menjadi dua, yaitu investasi pada real
assets dan investasi pada financial assets.
1) Investasi Real Assets
Investasi yang dilakukan dengan cara membeli asset-aset
riil. Asset riil ini seperti tanah, bangunan, mesin, dan pengetahuan
yang dapat diguanakan untuk menciptakan suatu barang dan jasa
(Bodie et.al, 2009 : 2).
13
2) Investasi Financial Assets
Investasi yang dilakukan dengan cara membel aset-aset
finansial. Aset finansial ini seperti saham dan obligasi pada pasar
modal. Aset finansial ini dapat dikatakan adalah suatu bentuk
klaim atas pendapatan yang dihasilkan oleh aset riil (Bodie et.al,
2009 : 2).
Dalam melakukan investasi, termasuk investasi pada pasar modal,
pastilah terdapat risiko, risiko ini terbagi menjadi dua, yaitu risiko
sistematis dan risiko tidak sistematis. Risiko sistematis biasanya sulit
dihindari, misalnya seperti risiko kenaikan suku bunga dan inflasi.
Sedangkan risiko tidak sistematis adalah risiko yang berkaitan dengan
perusahaan yang menerbitkan sekuritas itu sendiri, seperti risiko
bangkrut dan risiko likuiditas (Husnan, 2005 dalam Buku 3: Pasar
modal OJK 2016 : 36).
Untuk mengurangi risiko, jangan hanya mengandalkan investasi
pada satu aset/instrument melainkan dapat dilakukan dengan
melakukan diversifikasi, yakni membentuk suatu portofolio.
Portofolio merupakan kumpulan investasi pada berbagai macam
aset/instrument (Tjolleng dan Manurung, 2013). Misalnya investasi
pada beberapa saham. Portofolio yang baik adalah portofolio yang
efisien, yaitu portofolio yang memberikan return ekspektasi yang
tertinggi dengan risiko setara atau risiko terkecil dengan return
14
ekspektasi setara (Buku 3: Pasar Modal OJK, 2016 : 37), (Tjolleng
dan Manurung, 2013).
2.1.2 Pasar Modal
Dalam buku yang diterbitkan oleh Otoritas Jasa Keuangan
mengenai Pasar Modal, pasar modal adalah fasilitas permodalan atau
pendanaan yang mana berguna untuk perusahaan dan pemerintah, yang
juga merupakan tempat dimana pemilitk dana dapat melakukan
investasi. Wardiyah (2017 : 13) menyebutkan bahwa pasar modal
adalah suatu lembaga yang melakukan kegiatan perdagangan dan
penawaran efek, dan juga sebagai tempat bagi berbagai lembaga
profesi dan perusahaan untuk menjual dan membeli efek. Sudirman
(2015 : 11) menyebutkan bahwa pasar modal adalah tempat pertemuan
bagi penjual dan pembeli, dimana modal berupa saham dan obligasi
perusahaan diperjualbelikan. Pasar modal adalah tempat dimana pihak
yang membutuhkan dana bertemu dengan pihak yang memiliki dana.
Seperti yang dilansir oleh Bursa Efek Indonesia, pasar modal adalah
pasar yang memperjualbelikan instrument keuangan.
Muklis (2016) menjelaskan bahwa pasar modal merupakan factor
penting yang membangun perekonomian nasional, dimana pasar ini
digunakan oleh berbagai perusahaan untuk meningkatkan Keuanganya.
Pasar modal secara garis besar memiliki dua fungsi, yaitu fungsi
ekonomi dan fungsi keuangan (Wardiyah, 2017 : 14), (Muklis, 2016).
Fungsi ekonomi pasar modal yaitu sebagai tempat bertemunya investor
15
dengan pihak yang mebutuhkan dana. Dimana pihak yang
membutuhkan dana (lembaga atau perusahaan) bisa memperoleh
modal atau dana dari masyarakat yang berinvetasi. Dimana modal atau
dana tersebut dapat digunakan oleh lemabaga atau perusahaan tersebut
untuk mengembangkan usahanya. Fungsi keuangan dari pasar modal
adalah sebagai tempat bagi masyarakat luas untuk melakukan invetasi
pada berbagai instrument keuangan yang tersedia dimana terdapat
kesempatan bagi masyarakat untuk mendapatkan imbal hasil dari
modal atau dana yang ditempatkan pada instrument sesuai dengan
karakteristiknya masing-masing. Rahmah (2019 : 14) menjabarkan
fungsi-fungsi pasar modal, yaitu:
1) Fungsi Pembiayaan
Pasar modal berperan sebagai alternatif dari sumber
pendanaan dan pembiayaan perusahaan.
2) Fungsi Likuiditas
Pasar modal berperan sebagai tempat transfer modal dari
pihak yang kelebhan modal kepada pihak yang membutuhkan
modal. Investor atau pihak yang kelebihan dana mendapatkan
jaminan likuiditas dengan adanya Bursa Efek. Kemudian,
perusahaan dapat memperoleh likuiditas dengan menjual surat-
surat berharga, dengan menjual surat berharga perusahaan bisa
memperoleh dana tunai dari investor yang membelinya.
3) Fungsi Alternatif Investasi
16
Investasi dapat dilakukan terhadap berbagai macam asset
atau instrument, seperti emas hingga properti. Pasar modal juga
menyediakan alternatif dari investasi tersebut, yang mana
keuntungan dan risikonya dapat diperhitungkan berdasarkan
instrument investasi yang dipilihnya.
4) Fungsi Tabungan Publik
Pasar modal juga bisa memberikan sarana tabungan
investasi dengan keuntungan lebih kepada public (masyarakat).
Yang mana dananya ini juga akan membantu perusahaan yang
membutuhkan dana, yang kemudian digunakan untuk
mengembangkan usaha dan dapat meningkatkan produktivitas
nasional.
5) Fungsi Pemerataan Pendapatan
Dengan melakukan investasi pada instrument di pasar
modal, maka investor akan mendapatkan dividen saham atau
bunga obligasi, sehingga bisa menjadi sumber pendapatan bagi
investor.
6) Fungsi Peningkatan Kesejahteraan
Pasar modal menyediakan sarana bagi para investor untuk
berinvestasi pada perusahaan. Investasi ini berupa membeli
instrument keuangan yang disediakan. Kegiatan ini dapat
membantu perusahaan dalam mendapatkan modal usaha, sehingga
mereka dapat melakukan pengembangan usaha dan dapat
17
digunakan untuk memperluas lapangan kerja. Sehingga hal ini
dapat meningkatkan kegiatan perekonomian nasional dan
memberikan peluang pendapatan kepada masyarakat luas dengan
adanya lapangan kerja baru dari usaha yang dikembangkan.
7) Fungsi Indikator Ekonomi Negara
Pasar modal berkonribusi pada produk domestic bruto suatu
Negara. Pasar modal dapat memberikan gambaran besarnya pasar
atau perdagangan dan kondisi ekonomi Negara.
8) Fungsi Kontrol Sosial
Pasar modal memliki prinsip keterbukaan informasi suatu
perusahaan yang terlibat di dalamnya, sehingga hal ini
memberikan akses control social terhadap perusahaan tersebut.
9) Fungsi Public Participation
Dengan adanya pasar modal, masyarakat mendapatkan
peluang untuk ikut serta dalam kepemelikan perusahaam go
public. Pasar modal membuka peluang penyebaran kepemilikan
perusahaan kepada masyarakat luas.
Adapun manfaat pasar modal yang dapat dirasakan, sebagaimana
yang disebutkan oleh OJK dalam buku serinya (2016), terbagi menjadi
manfaat bagi investor, perusahaan, dan pemerintah. Yang mana bagi
investor pasar modal dapat menjadi sara investasi dan peningkatan
kekayaan. Kemudian bagi perusahaan, pasar modal dapat menjadi
sumber pembiayaan, penyebaran kepemilikkan perusahaan,
18
keterbukaan dan profesioalisme. Sedangkan bagi pemerintah, pasar
modal memiliki manfaat dalam menciptakan lapangan kerja dan
mendorong laju pembagunan nasional.
Ada beberapa jenis pasar dalam pasar modal, yaitu:
1. Pasar Perdana
Pasar perdana merupakan pasar yang mana para perusahaan
(emiten) secaa perdana menawarkan Efeknya kepada masyarakat
untuk pertama kalinya (Suridrman, 2015 : 14), (Wardiyah, 2017 :
14). Umumnya, proses penawaran di pasar perdana ini disebut
dengan Initial Public Offering (IPO). Di pasar perdana ini,
perusahaan menawarkan dan menjual sekuritasnya dengan
menggunakan/melalui perusahaan efek dan lembaga pendukung
pasar modal. Pada pasar ini pihak perusahaan dan investor
berinteraksi melalui perantara, di pasar inilah perusahaan
mendapatkan dana yang diperlukan untuk pengembangan usahanya
(Wardiyah, 2017 : 17).
2. Pasar Sekunder
Setelah penawaran dan penjualan Efek di pasar perdana
berakhir, maka selanjutnya Efek dijual pada pasar sekunder. Pada
pasar ini kurs Efek menentukan harga Efek dan naik turunnya kurs
dipengaruhi oleh tingkat permintaaan dan penawaran Efek
(Sudirman, 2015 : 14). Di pasar perdana ini kegiatan jual beli
sekuritas dilakukan oleh dan antar investor.
19
3. Pasar Paralel
Pasar paralel adalah pasar yang diperuntukan bagi perusahaan yang
menerbitkan Efek yang tidak memenuhi syarat listing di Bursa
Efek. Pasar Paralel ini dioperasikan oleh Persatuan Perdagangan
Uang dan Efek-Efek (PPUE) (Sudirman, 2015 : 15).
Ada beberapa instrument keuangan yang diperjual belikan di pasar
modal, diantaranya adalah saham, obligasi, option, warrant, dan right
issue.
2.1.3 Saham
Saham, sebagaimana yang dilansir oleh Bursa Efek Indonesia
(BEI), merupakan suatu tanda bahwa seseorang atau pihak tertentu
(badan usaha) menyertakan modal ke dalam sebuah perusahaan
dan/atau perseroan terbatas. Yang mana dengan melakukan
penyertaan modal tersebut, maka pihak tersebut akan memiliki klaim
atas perusahaan, mulai dari pendapatan, asset, dan juga akan
mendapatkan hak untuk hadir dalam Rapat Umum Pemegang Saham
(RUPS). Menurut Anoraga dan Pakarti (2001) seperti yang dikutip
Yafiz (2008), saham merupakan suatu surat yang menandakan
penyertaan atau kepemilikan seseorang atau suatu pihak atas
perusahaan yang melakukan penerbitan saham tersebut.
20
Menurut Siamat, yang dikutip oleh Yafiz (2008), saham dapat
dibedakan menjadi dua jenis dilihat dari hak dan kewenangan
pemegangnya, yaitu:
1. Saham Biasa (Common Stock)
Saham biasa (common stock) adalah suatu sertifikat atau
piagam yang menandakan bahwa seseorang atau suatu pihak
memegang hak kepemilikan atas suatu perusahaan dengan
berbagai aspek penting perusahaan (Mudjiyanto,2012). Saham ini
biasanya diterbitkan ketika suatu perusahaan terbuka melakukan
public offering di lantai bursa.
Adapun hak dan kewenangan pada saham biasa adalah
sebagai berikut:
a. Selama perusahaan memperoleh laba, maka dividen akan
dibayarkan.
b. Adanya hak suara (one share one vote).
c. Apabila perusahaan mengalami kebangkrutan, maka terdapat
hak untuk memdapatkan pembagian kekayaan kekuasaan
ketika perusahaan telah melunasi semua kewajiban lain.
2. Saham Preferen (Preferred Stock)
Menurut Brigham dan Houston (2010:341) saham preferen
adalah saham yang sifatnya hybrid—mirip seperti obligasi dan
saham biasa secara umum. Sifat hybridnya ini akan terlihat jelas
ketika kita mencoba untuk mengklasifikasikan saham preferen
21
dalam hubungannya dengan obligasi dan saham biasa. Sama
seperti obligasi, saham preferen memiliki nilai par dan dividen
tetap yang harus dibayarkan sebelum dividen bagi saham biasa
dibayarkan. Dalam praktiknya, saham preferen memiliki beberapa
jenis utama, yaitu:
a. Participating Preferred Stock
Selain hanya mendapatkan dividen seperti yang telah
ditentukan, pemilik saham preferen ini akan mendapatkan
dividen ekstra juga jika perusahaan berhasil mencapai target
keuangan tertentu.
b. Convertible Preferred Stock
Jenis saham preferen ini memberikan hak kepada para
pemeganganya untuk mengubah jenis saham cinvertible
preffered stock yang mereka miliki menjadi saham biasa dari
perusahaan yang sama.
c. Cumulative Preferred Stock
Saham preferen jenis ini membayar dividen tetap dengan
interval regular. Jika suatu waktu dividen tidak dibayarkan,
maka jumlah dari yang tidak dibayarkan itu akan
diakumulasikan dan kemudian dibayarkan pada waktu
berikutnya. Jadi saham ini memberikan hak kepada
pemegangnya berupa pembagian dividen yang bersifat
22
akumulatif untuk diperhitungkan pada pembayaran
berikutnya, jika suatu waktu dividen tidak dibayarkan.
d. Noncumulative Preferred Stock
Saham jenis ini memberikan hak prioritas kepada para
pemegangnya atas pembagian dividen, tetapi tidak kumulatif.
Jika suatu waktu dividen tidak dibayarkan, maka tidak akan
diakumulasikan ke waktu pembayaran berikutnya.
Adapun hak dan kewenangan yang dimiliki oleh pemegang saham
preferen adalah sebagai berikut:
a. Memiliki hak paling dulu mendapatkna dividen.
b. Tidak memiliki hak suara.
c. Dapat memengaruhi manajemen perusahaan terutama dalam
pencalonan pengurus.
d. Memiliki hak pembayaran maksimum sebesar nilai nominal
saham lebih dahulu setelah kreditor apabila perusahaan
dilikuidasi.
e. Kemungkinan dapat memperoleh tambahan dari pembagina
laba perusahaan di samping penghasian yang diterima secara
tetap.
Selain dibedakan berdasarkan hak dan wewenangnya, saham
juga dibedakan berdasarkan cara peralihannya (Yafiz, 2008),
yaitu:
23
1. Saham Atas Unjuk (Bearer Stocks)
Saham ini adalah jenis saham yang peralihannya tidak
menuliskan nama pemiliknya.
2. Saham Atas Nama (Registered Stock)
Saham ini adalah jenis saham yang perlahiannya menulis
nama pemiliknya.
Seperti yang dilansir oleh Bursa Efek Indonesia (BEI), sampai
pada tahun 2020 saham di Bursa Efek Indonesia (BEI) dapat
diklasifikasikan menjadi sembilan sektor, yaitu:
1. Sektor Pertanian (Agriculture)
Sektor pertanian ini terdiri atas usaha-usaha yang berkaitan
dengan bidang seperti:
a. Tanaman Pangan
b. Peternakan
c. Perikanan
d. Perkebunan
e. Kehutanan
2. Sektor Pertambangan (Mining)
Sektor ini terdiri dari perusahaan yang bekerja pada bidang-
bidang penggalian dan tambang, seperti:
a. Pertambangan Batu Bara
b. Gas dan Minyak Bumi
c. Penggalian Batu-Batuan, Pasir, Tanah Liat
24
d. Penambangan Garam
e. Penambangan Mineral, Bahan Kimia, dan Pupuk
f. Pertambangan Mineral
g. Penambangan Gips, Gamping, dan Aspal
3. Industri Dasar dan Kimia (Bacis Industry and Chemical)
Sektor industry dasar ini mencakup perusahaan yang
mengubah bahan dasar menjadi barang jadi dan setengah jadi
yang selanjutnya masih akan diproses. Industry kimia terdiri
dari perusahaan yang mengolah bahan kimia dasar yang
kemudian akan dimanfaatkan dalam kegiatan produksi
selanjutnya dan pada industry farmasi.
a. Semen
b. Gelas, Keramik, dan Porselen
c. Bahan-Bahan Kimia
d. Logam dan Produk Terkait
e. Plastic dan Produk Kemasan
f. Industry Kayu
g. Makanan Hewan
h. Pulp dan Kertas
i. Serta Lain-lain
4. Aneka Industri (Miscellaneous Industry)
25
Sektor ini terdiri dari perusahaan yang membuat mesin-
mesin, baik yang berat maupun yang ringan serta komponen
pendukungnya.
a. Mesin dan Alat-alat Berat
b. Otomotif dan Komponennya
c. Kabel
d. Alat Elektronik
e. Alas Kasi
f. Tekstil dan Garmen
5. Industri Barang Konsumsi (Consumer Goods Industry)
Industry ini mencakup usaha yang mengolah bahan
setengah jadi menjadi barang yang dikonsumsi oleh rumah
tangga atau pribadi.
a. Makanan dan Minuman
b. Farmasi
c. Kosmetik
d. Produsen Tembakau
e. Peralatan Rumah Tangga
6. Properti, Real Estate, dan Konstruksi Bangunan
(Property, Real Estate, and Building Construction)
Real Estate meliputi usaha yang membeli, menjual,
menyewa dan mengoperasikan bangunan, baik yang berupa
tempat tinggal ataupun bukan. Konstruksi ini mencakup usaha
26
yang membuat, memperbaiki, dan membongkar tempat
tinggal dan gedung.
a. Properti dan Real Estate
b. Konstruksi Bangunan
7. Infrastruktur, Utilitas, dan Transportasi (Infrastructure,
Utility, and Transportation)
Sektor ini meliputi perusahaan yang bekerja pada bidang
sebagai berikut:
a. Energy
b. Telekomunikasi
c. Jalan Tol, Bandara, Pelabuhan, dan Produk Terkait
d. Konstruksi Bukan Bangunan
e. Transportasi
8. Keuangan (Finance)
Sektor keuangan meliputi usaha-usaha seperti:
a. Institusi Keuangan
b. Bank
c. Asuransi
d. Perusahaan Sekuritas
e. Dan Lain Sebagainya
9. Perdagangan, Jasa, dan Investasi (Trade, Service, and
Investment)
Sektor ini terdiri dari usaha-usaha seperti:
27
a. Perdagangan Kecil atau Eceran
b. Perdagangan Besar
c. Periklanan, Percetakan, dan Media
d. Restoran, Hotel, dan Turisme
e. Fasiltas Kesehatan
f. Perusahaan Investasi
g. Computer dan Perangkatnya
h. Lain-Lain
2.1.4 Imbal Hasil (Return) Saham
Ketika berinvestasi, seorang investor pasti mempunyai tujuan. Salah
satu tujuan dari invetasi—terutama investasi saham—adalah untuk
mendapatkan return. Menurut Smart, Gitman, dan Joehnk (2014) yang
dikutip oleh Bangun et.al (2020) secara umum return diartikan
sebagai level keuntungan dari sebuah investasi. return adalah hasil
yang didapatkan dari melakukan investasi yang menjadi motivasi bagi
investor untuk melakukan investasi.
Brigham dan Houston (2018:49) menyebutkan bahwa jenis return
itu ada dua, yaitu expected return dan realized return dan keduanya
bisa mempunyai perbedaan yang cukup besar. Begitupula Jogiyanto
(2014:235) yang dikutp oleh Bangun et.al (2020) dalam tulisannya
menyatakan bahwa return saham dapat dibagi menjadi dua, sebagai
berikut:
28
a. Return Realisasian
Return realisasian adalah return yang sudah terjadi dan
dihitung menggunakan data historis yang tersedia. Return
realisasian ini digunakan sebagai data analisis investasi dan
sebagai data analisis portofolio.
b. Return Ekspektasian
Return ekspektasian adalah return yang mana para investor
berharap untuk mendapatkannya di masa yang akan datang.
Return ekspektasian ini digunakan sebagai masukan dari analisis
portofolio.
Bursa Efek Indonesia (BEI) menyatakan bahwa ada dua
keuntungan yang didapatkan oleh para investor yang berinvestasi
saham, yaitu:
1. Dividen
Dividen adalah pembagian kuntungan yang dilakukan oleh
perusahaan kepada para pemegang saham, yang mana asalnya
adalah dari keuntungan yang dihasilkan oleh perusahaan itu
sendiri. Deviden diberikan setelah didapatkannya persetujuan
pemegang saham melalui RUPS. Untuk mendapatkan dividen,
seorang investor harus berinvestasi dengan jangka waktu yang
cukup lama sampai kepemilikan saham tersebut berada pada masa
dimana diakui sebagai pemegang saham yang mempunyai hak
29
untuk mendapatkan dividen. Dividen yang diberikan perusahaan
dapat berupa:
a. Dividen Tunai, yaitu setiap pemegang saham dibagikan
dividen yang merupakan uang tunai dalam jumlah tertentu
(Rupiah) untuk setiap saham yang dimilikinya.
b. Dividen Saham, yaitu setiap pemegang saham dibagikan
dividen yang merupakan saham dengan jumlah tertentu
sehingga jumlah saham yang dimiliki si pemegang saham
bertambah dengan adanya hal ini.
Rumus perhitungan dividen:
Atau
Dimana:
D1 dan Dt = Presentasi dividen yang dibagikan
P0 dan Pt – 1 = Harga saham periode lalu
2. Capital Gain
Capital gain adalah selisih antara harga beli dan harga jual.
Aktivitas perdagangan di pasar sekunderlah yang dapat
membentuk capial gain.
30
Rumus perhitungan capital gain:
Atau
Dimana:
P1 dan Pt = Harga saham pada saat penutupan
P0 dan Pt – 1 = Harga saham periode lalu.
Return total terdiri dari dividen ditambah dengan capital gain.
Rumusnya:
Atau
2.1.5 Teori Keuangan Tradisional
Salah satu teori di bidang keuangan tradisional yang masih
banyak—bahkan selalu—didiskusikan adalah Efficient Market
Hipothesis (EMH). Efficient Market Hipothesis (EMH) telah menjadi
teori sentral bagi bidang keuangan (Burghardt, 2011). Teori EMH ini
mencapai puncak dominasinya di bidang akademik di sekitar tahun
1970-an (Shiller, 2003). EMH terbentuk berdasarkan tiga asumsi
tentang perilaku dari investor individe, yaitu :
31
1. Investor diasumsikan bersikap rasional dan karenanya mereka
menilai sekuritas secara rasional.
2. Apabila terdapat irrational investors di pasar, maka keberadaan
mereka random dan saling meniadakan serta tidak
mempengaruhi nilai fundamental sekuritas yang diperdagangkan
di pasar modal.
3. Jika terdapat irrational investor yang tidak saling berlawanan
dan bertindak dengan arah yang sama, maka terdapat
arbitrageur yang cukup untuk menetralkan dan mengurangi
pengaruh irasional serta mengembalikan harga ke level
fundamental—arbitrageur diartikan sebagai ―membeli asset di
satu pasar dengan harga yang rendah dan menjual asset yang
identik di pasar lainnya dengan harga yang lebih tinggi.
Dilakukan tanpa biaya dan risiko (dalam Burghardt (2011)
menurut Rpss, Westerfield, Jaffe 2001).
Brigham dan Houston (2018:54) menyatakan bahwa efficient market
hypothesis merupakan salah satu landasan bagi teori keuangan
modern. Menyiratkan bahwa, rata-rata, harga set hampir sama dengan
nilai-nilai instrinsiknya. Logika dibalik EMH adalah ―apabila harga
saham ―terlalu rendah‖, maka investor rasional akan dengan cepat
memanfaatkan keuntungan ini dan membeli saham tersebut,
mendorong harga saham tersebut kembali naik. Kemudiam, jika harga
32
saham ―terlalu tinggi‖, maka para investor rasional akan menjual
sahamtersebut,mendorong harga saham turun ke titik ekuilibirumnya.
Di dunia akademis, EMH ini banyak didukung tetapi banyak juga
ditantang. Mereka yang mendukung EMH, berpendapat bahwa
kekuatan-keuatan dari asumsi tersebut menjaga harga-harga dari
kesalahan sistematis (Brigham dan Houston, 2018:54). Sementara itu,
mereka yang menantang keabsahan efficient market theory (EMH) ini
dikarenakan terdapat peristiwa di dunia nyata yang nampaknya tidak
sesuai dengan hipotesis tersebut. Dalam tulisan Wendy Ary (2019)
disebutkan bahwa keabsahan EMH ini banyak mendapatkan
pertentangan dari berbagai kalangan akademisi di bidang keuangan,
salah satunya adalah mengenai perbedaan volatilitas saham dan
volatilitas dividen atau revenue emiten-emiten yang ada di pasar
dmana ternyata saham memiliki volatilitas yang lebih besar
dibandingkan dividen atau revenue diteliti oleh Shiller (1981); Black
(1986). Kemudian, masih dalam tulisan yang sama, disebutkan bahwa
terdapat studi empiris yang menentang EMH, dilakukan oleh De
Bondt dan Thaler (1985); Bernard dan Thomas (1989); Jegadeesh dan
Titman; 1993) menyatakan bahwa harga saham tidak selamanya
bergerak dalam sebuah pola acak dalam jangka panjang dan pendek.
33
2.1.6 Teori Keuangan Perilaku (Behavioral Finance)
“Great Crash of 1929, the Tronics Boom of the early 1960s, the
Go-Go Years of the late 1960s, the Nifty Fifty bubble of the early
1970s, the Black Monday crash of October 1987, and the Internet or
Dot.com bubble of the 1990s” adalah beberapa peristiwa yang
disebutkan oleh Baker dan Wurgler (2007) dalam artikelnya,
mengangkat kejadian perubahan harga saham yang dramatis,
menjadikannya bukti bahwa model keuangan standar dimana
unemotional investor selalu mendorong harga pasar modal agar sama
dengan “the rational present value of expected future cash flow”,
memiliki kesulitan untuk menjelaskan peristiwa-peristiwa tersebut.
Adanya peristiwa di dunia nyata yang tidak sesuai dengan efficient
market hypothesis (EMH) telah memacu bidang behavioral finance
atau keuangan perilaku (Brigham dan Houston, 2018:54).
Landasan utama dari behavioral finance adalah terbatasnya
arbitrage (Burghardt, 2011). Menurut Sharpe dan Alexander (1990)
yang dikutip oleh Burghardt (2011) arbitrage adalah pembelian dan
penjualan simultan atas sekuritas yang sama, atau mirip, pada dua
pasar yang berbeda untuk harga yang berbeda pula. Kenyataannya, di
dunia nyata sekuritas tidak memiliki subtitusi yang mirip, membuat
arbitrage sulit dilakukan oleh investor rasional. Meskipun terdapat
subtitusi, harganya seringkali tidak langsung menutup/bertemu harga
34
fundamental mereka karena investor irasional terus-menerus
menggerakkan harga.
Shefrin (2000) yang dikutip oleh Agustya dan Faisal (2018)
menyatakan bahwa behavioral finance adalah studi yang mempelajari
bagaimana fenomena psikologi memperngaruhi tingkah laku
Keuanganya. Behavioral finance ini mencoba untuk menjelaskan atau
memaparkan secara logis menganai apa, kenapa, dan bagaimana
hubungan keuangan dan investasi dari sudut pandang manusia—
secara psikologis (Wendy Ary (2019); Agustya dan Faisal (2018)).
2.1.7 Sentimen Investor
Sentimen investor merupakan bagian dari ekspresi behavioral
finance (Agustya dan Faisal, 2018). Mengutip Shiller (2000) dalam
tulisannya Ryu, Ryu, dan Yang (2019), studi behavioral finance
menganggap bahwa sentimen investor merupakan factor utama dalam
menjelaskan pergerakan harga asset dan juga irrational exuberance
dari pasar uang. Banerjee dan Green (2015); Shleifer (2000)
sebagaimana yang dikutip oleh Ryu, Ryu, dan Yang (2019)
menyebutkan bahwa behavioral finance bahwa perilaku perdagangan
dari noise trader dan/atau irrational investors tidak hanya
mempengaruhi harga asset tetapi juga kondisi sentimen investor.
Tidak ada definisi pasti mengenai sentimen investor, melainkan
biasanya diambil dari konsep noise trader oleh Black (1986) (Wendy
Ary, 2019). Sentimen investor bergantung secara langsung pada
35
karakteristik dari investor irasional dan dibentuk oleh irasionalitas
agregat mereka (Ryu, Ryu, dan Yang, 2019).
Baker dan Wurgler (2006) menjelaskan bahwa sentimen investor
adalah keyakinan investor tentang masa depan cash flow dan risiko
investasi yang tidak didukung dengan fakta. Lestari (2016)
menyatakan bahwa Sentimen investor merupakan kecenderungan
investor untuk melakukan spekulasi. Sentimen investor merupakan
hasil dari factor psikologis yakni keyakinan atau perasaan terhadap
situasi tertentu.
Kencana (2019) dalam tulisannya menyebutkan bahwa keputusan
investor dalam berinvestasi dipengaruhi oleh kondisi perekonomian,
baik di dalam negeri maupun luar negeri. Kondisi social, politik,
kebijakan yang dibuat pemerintah atau bank sentral, serta informasi
fundamental perusahaan bisa menjadi sumber informasi yang penting
bagi investor. Keputusan investasi investor juga dapat dipengaruhi
oleh data historis harga dan imbal hasil. Investor akan bereaksi pada
kondisi pasar terentu, dan respons yang muncul tersebut dapat
mempengaruhi fluktuasi harga dan imbal hasil (return). Respons
investor ini dapat berupa respons positif maupun negative, bergantung
pada hasil analisa yang rasional atau irrasional investor. Respons ini
disebut sentiment investor.
Adapun index sentimen investor yang dikembangkan dan digunakan
alam penelitian sebelumnya sangat beragam. Beberpa menggunakan
36
perhitungan relative strength index (RSI), psychological line index
(PLI), adjusted turnover rate (ATR), logarithm of trading volume
(LTV), the buy-sell imbalance of individual investor (IBSI), Closed-
End Fund Discount, IPO first-day returns, Mutual Fund Flows,
consumer confident index (CCI), dan lain sebagainya.
2.2 Penelitian Terdahulu
Penelitian mengenai pengaruh sentimen investor dengan return saham
sebenarnya sudah banyak dilakukan, namun dengan kondisi yang berbeda-
beda.. Berikut adalah penelitian-penelitian terdahulu terkait sentimen investor
dan return saham:
Tabel 2.1 Penelitian Terdahulu
No
.
Judul (Nama
Jurnal)
Penulis
(Tahun) Hasil
Persamaa
n Perbedaan
1. Investor
Sentiment and
Stock Return
Volatility:
Evidence from
The
Johannesburg
Stock Exchange
(Taylor &
Francis, Cogent
Economics &
Finance)
Lorraine
Rupande,
Hilary,
dan Paul-
Francois
(2019)
Investor
sentiment
dan
volatilitas
return saham
memiliki
hubungan
yang
signifikan,
yang
menunjukkan
bahwa
behavioral
Meneliti
pengaruh
dari
sentiment
investor.
Meneliti
pengaruh
terhadap
volatilitas
return saham
di
Johannesburg
Stock
Exchange.
37
finance
secara
signifikan
dapat
menjelaskan
perilaku dari
return saham
pada
Johannesburg
Stock Return.
2. Investor
Sentiment,
Market
Competition,
and Financial
Crisis: Evidence
from The Korean
Stock Market
(Taylor &
Francis,
Emerging
Market Finance
and Trade)
Ryu, Ryu,
dan Yang
(2019)
Sentimen
investor
memiliki
pengaruh yan
signifikan
terhadap
return saham
perusahaan
dengan
tingkat
persaingan
pasar yang
tinggi. ketika
krisis
keuangan
menlanda,
sentiment
investor
berpengaruh
signifikan
Meneliti
pengaruh
sentiment
investor.
Meneliti
pengaruh
terhadap
return saham
yang
perusahaan
non-
keuangan
yang
terhadaftar
pada KOSPI.
38
terhadap
return saham
perusahaan
terlepas dari
tingkat
persaingan
yang ada.
3. Investor
Sentiment, Asset
Returns, and
Firm
Characteristics:
Evidence from
the Korean Stock
Market (Taylor
& Francis,
Investment
Analyst Journal)
Yang,
Ryu, dan
Ryu
(2017)
Sentimen
investor
memiliki
hubungan
yang positif
dan
signifikan
terhadap
return
saham, hasil
ini didapat
dengan
Meneliti
pengaruh
sentiment
investor.
Meneliti
pengaruh
terhadap
return saham
perusahaan
yang
terdaftar di
KOSPI.
39
mengontrol
trading
behaviours,
factor risiko
lain, dan
karakteristik
perusahaan.
4. Analysis of
Investor
Sentiment
Impact in
Indonesia
Composite Stock
Price Index
Return Volatility
(Indonesian
Journal of
Business and
Entrepreneurshi
p (IJBE))
Rum
Puspita
Widhiarti,
Lukytawat
i
Aggraeni,
dan
Syamsul
Hidayat
Pasaribu
(2018)
Hasil
penelitian
menunjukkan
bahwa
terdapat
pengaruh
signifikan
dari
sentiment
investor
terhadap
excess
return.
Meneliti
pengaruh
sentiment
investor.
Meneliti
pengaruh
terhadap
return IHSG
dengan
menggunaka
n Tendensi
Bisnis
sebagai
proksi dari
sentiment
investor.
5. Pengaruh
Interest Rate,
Investor
Sentiment, dan
Financial
Distress
terhadap Stock
Return (Jurnal
Bina Akuntasi
Nurainun
Bangun,
Feren,
Linda
Santioso,
Henryanto
Wijaya
(2020)
Interest Rate
memiliki
pengaruh
yang positif
terhadap
stock return,
sentiment
investor
memiliki
pengaruh
Meneliti
pengaruh
sentiment
investor
terhadap
stock
return.
Dengan
trading
volume
Terdapat
variable lain
yang diteliti,
yaitu interest
rate dan
financial
distress.
Kemudian,
penelitian ini
juga hanya
40
yang positif
terhadap
stock return,
dan financial
distress
memiliki
pengaruh
yang
negative
terhadap
stock return.
sebagai
proksi
sentiment
investor.
dilakukan
terhadap
perusahaan
yang
termasuk
dalam sektor
manufaktur.
6. Pengaruh Non-
Linear Sentimen
Investor
terhadap Return
pada Perusahaan
Manufaktur di
Bursa Efek
Indonesia Tahun
2014 –2015
(Jurnal
Mahasiswa Ilmu
Ekonomi
Manajemen
Universitas
Syiah Kuala)
Fadhillah
dan Faisal
(2017)
Investor
sentiment
memiliki
pengaruh
yang
signifikan
positif
terhadap
return saham
jangka
pendek dan
jangka
panjang.
Meneliti
pengaruh
investor
sentiment.
Meneliti
pengaruh
terhadap
return saham
jangka
pendek dan
jangka
panjang
perusahaan
Manufaktur
BEI 2014 –
2015.
7. Analisis
Hubungan
Antara Sentimen
Investor dan
Anggia
Paramita
Puti
Kencana
Adanya
hubungan
antara
sentiment
Meneliti
pengaruh
sentiment
Meneliti
pengaruh
terhadap
imbal hasil
41
Imbal Hasil
Pasar Saham
dengan
Pendekatan
Aliran Dana
Reksa Dana dan
Analisis Vector
Autoregressive
(VAR) (Jurnal
Ilmiah Ekonomi
Bisnis
Gunadarma)
(2019) investor
dengan imbal
hasil pasar,
namun
dampaknya
tidak
signifikan.
investor. IHSG,
dengan
menggunaka
n mutual
fund flow
sebagai
proksi
sentiment
investor.
8. Does Investor
Sentiment Affect
Large-Cap and
Small-Cap Stock
Return? (Study
on Companies
Listed In
Indonesia Stock
Market Period
2012-2016)
(Jurnal
Administrasi
Bisnis UB)
Rosyida
Maulina
dan Nila
Firdausi
Nuzula
(2018)
Hasil
penelitian
menunjukkan
bahwa
sentimen
investor
memiliki
pengaruh
yang
signifikan
terhadap
imbal hasil
saham di
kedua
kelompok,
dan
pengaruhnya
terhadap
Meneliti
pengaruh
sentiment
investor.
Meneliti
pengaruh
terhadap
return saham
perusahaan
yang
dibedakan
menjadi
kelompok
large-cap
dan small-
cap periode
2012 – 2016.
Dimana
sentiment
investor
diukur
melalui
42
imbal hasil
saham
kelompok
small-cap
lebih
signifikan.
Seluruh
variable
sentiment
investor—
secara
parsial—
perpengaruh
signifikan
terhadap
imbal hasil
saham
kelompok
small-cap,
namun hanya
advance
decline ratio
dan dividen
premium
yang
signifikan
terhadap
imbal hasil
saham
kelompok
large-cap.
tingkat
perputaran
saham,
dividen
premium,
price earning
ratio, dan
adnace
decline ratio.
43
Kemudian,
dividen
premium
memiliki
pengaruh
negative
terhadap
imbal hasil
saham
kelompok
small-cap
tetapi positif
terhadap
imbal hasil
saham
kelompok
large-cap.
9. Sentimen
Investor dan
Ekspektasi
Pertumbuhan
Laba Jangka
Panjang pada
Industri Non
Keuangan di
Indonesia
(Jurnal Ilmiah
Mahasiswa
Ekonomi
Manajemen
Maulina
Agustya
dan Faisal
(2018)
Secara
parsial dan
simultan
sentiment
investor
memiliki
pengaruh
positif
signifikan
terhadap laba
jangka
panjang.
Meneliti
pengaruh
sentiment
investor.
Dengan
trading
volume
sebagai
proksi
sentiment
investor.
Meneliti
pengaruh
terhadap
pertumbuhan
laba jangka
panjang.
44
Univ. Syiah
Kuala)
10. Sentimen
Investor dan
Three Factor
Asset Pricing
Model (Studi
Empirik di Bura
Efek Indonesia)
(Jurnal
Manajemen dan
Keuangan
(JMK))
Willian
Wendy
Ary
Penelitian ini
menunjukkan
bahwa
penambahan
variable
sentiment
investor
meningkatka
n kinerja
three factor
asset pricing
model dan
sentiment
investor
berpengaruh
negative pada
sektor
property, real
astate, dan
konstruksi
bangunan
serta sektor
keuangan
selama
periode 2013
– 2017.
Meneliti
pengaruh
sentiment
investor.
Meneliti
apakah
penambahan
sentiment
investor pada
three factor
asset pricing
model
meningkatka
n kinerja
model
tersebut dan
sentiment
investor
diukur
dengan
Indeks
Keyakinan
Konsumen.
45
2.3 Kerangka Pemikiran
Suryana (2010) dalam tulisannya menyebutkan bahwa kerangka pemikiran
merupakan suatu uraian aliran pikiran peneliti yang disusun secara logis untuk
memecahkan suatu rumusan masalah. Kerangka pikiran adalah konstruksi
pikiran peneliti yang sifatnya logis disertai argumentasi yang sesuai dengan
pengetahuan yang telah disusun sebelumnya.
Berdasarkan penjelasan yang telah dikemukakan sebelumnya, maka dapat
dirumuskan suatu kerangka pemikiran dalam penelitian ini sebagai berikut:
47
2.4 Keterkaitan Antar Variabel dan Hipotesis
2.4.1 Hubungan Sentimen Investor Terhadap Return Saham
Penelitian Baker dan Wurgler (2007) menunjukan bahwa sentimen
dari investor memiliki pengaruh yang jelas, penting, dan tetap/teratur
pada perusahaan individual dan pada pasar saham secara keseluruhan.
Bangun dan Feren (2019) pada penelitiannya menemukan bahwa
sentimen investor memiliki pengaruh yang signifikan dan positif
terhadap return saham. Hu dan Wang (2013) pada penelitiannya
menemukan bahwa sentimen individual memiliki peran penting dalam
pembentukan return saham cross-section. Wendy Ary (2019) dalam
penelitiannya menemukan bahwa sentimen investor memiliki
pengaruh signifikan dan negative terhadap return saham di sector
industry property, real estate, dan konstruksi bangunan; serta sector
keuangan, hal ini menunjukkan bahwa terdapat fenomena mispricing
di pasar modal Indonesia. Penelitian yang dilakukan oleh Oprea dan
Brad (2014) menunjukkan bahwa sentimen investor—yang diukur
dengan keyakinan konsumen—memiliki pengaruh positif terhadap
return saham.
Berdasarkan pada penjelasan di atas, maka hipotesis dalam
penelitian ini adalah sebagai berikut:
Hipotesis : Sentimen investor memiliki pengaruh signifikan terhadap
return saham sectoral di Indonesia pada masa pandemic COVID-19 di
tahun 2020.
48
3. BAB 3
METODE PENELITIAN
3.1 Populasi dan Sampel
Sebagaimana yang disebutkan oleh Rinaldi dan Mujianto (2017) dalam
tulisannya, menurut Hastono (2013:4) populasi merupakan keseluruhan unit
yang akan diamati di dalam penelitian, sedangkan sampel adalah sejumlah
dari populasi yang telah diukur karakteristinya yang nantinya akan digunakan
di dalam penelitian. Sekaran dan Bougie (2016) mengatakan bahwa populasi
adalah keseluruhan dari orang, kejadian, atau hal-hal terkait yang ingin diteliti
oleh peneliti; kemudian sampel adalah bagian dari populasi, beberapa anggota
yang dipilih dari keseluruhan populasi.
Populasi yang digunakan dalam penelitian ini adalah perusahaan-
perusahaan yang termasuk ke dalam kesembilan sektor industry yang terdaftar
di papan perdagangan Bursa Efek Indonesia (BEI) sejak sebelum dan selama
masa pandemic COVID-19. Sementara itu, sampel dalam penelitian ini
diambil dengan menggunakan purposive sampling, dimana sampel diambil
atau dipilih sesuai dengan kriteria tertentu. Adapun kriteria tersebut adalah
sebagai berikut:
1. Perusahaan tercatat di Bursa Efek Indonesia (BEI) sebagai emiten aktif
sejak sebelum dan selama masa pandemic COVID-19.
2. Memiliki data harga dan return saham lengkap yang dipublikasikan
sebelum dan selama masa pandemic COVID-19.
49
3. Melakukan perdagangan saham harian penuh selama Maret – April 2019
dan Maret – April 2020.
4. Tidak melakukan Corporate Action selama Desember 2018 hingga akhir
periode penelitian April 2020.
5. Memiliki rasio book-to-market equity yang positif, serta memiliki data
kapitalisasi pasar dan juga data book value selama periode penelitian.
Dari kriteria tesebut dipilihlah perusahaan-perusahaan di tiap-tiap sektor
yang terdaftar di BEI. Adapun jumlahnya adalah 8 perusahaan pada sektor
pertanian dan 10 perusahaan pada masing-masing sektor pertambangan,
industri dasar dan kimia, aneka industri, industri barang konsumsi, property
dan real estate, infrastruktur-utilitas-transportasi, keuangan, perdagangan-jasa-
investasi. Dan menghasilkan jumlah observasi sebanyak 240 observasi pada
sektor pertanian dan 300 observasi pada masing-masing sektor pertambangan,
industri dasar dan kimia, aneka industri, industri barang konsumsi, property
dan real estate, infrastruktur-utilitas-transportasi, keuangan, perdagangan-jasa-
investasi. Berikut adalah daftar perusahaan terpilih.
Tabel 3.1 Sampel Perusahaan Sektor Pertanian
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Bisi International Tbk. BISI
2. Astra Argo Lestrai Tbk. AALI
3. Eagle High Plantations Tbk. BWPT
4. Dharma Satya Nusantara Tbk. DSNG
50
5. PP London Sumatra Indonesia Tbk. LSIP
6. Salim Ivomas Pratama Tbk. SIMP
7. Sawit Sumbermas Sarana Tbk. SSMS
8. Dharma Samudra Fishing Industries Tbk. DSFI
Tabel 3.2 Sampel Perusahaan Sektor Pertambangan
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Adaro Energy Tbk. ADRO
2. Borneo Olah Sarana Sukses Tbk. BOSS
3. Garda Tujuh Buana Tbk. GTBO
4. Mitrabara Adiperdana Tbk. MBOP
5. Bukit Asam Tbk. PTBA
6. Elnusa Tbk. ELSA
7. Aneka Tambang Tbk. ANTM
8. Central Omega Resources Tbk. DKFT
9. Vale Indonesia Tbk. INCO
10. Timah Tbk. TINS
Tabel 3.3 Sampel Perusahaan Sektor Industri Dasar dan Kimia
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Semen Indonesia (Persero) Tbk. SMGR
2. Waskita Beton Precast Tbk. WSBP
3. Mulia Industrindo Tbk. MLIA
51
4. Betonjaya Manunggal Tbk. BTON
5. Steel Pipe Industry of Indonesia Tbk. ISSP
6. Aneka Gas Industri Tbk. AGII
7. Ekadharma International Tbk. EKAD
8. Impack Pratama Industry Tbk. IMPC
9. Charoen Pokhpand Indonesia Tbk. CPIN
10. Pabrik Kertas Tjiwi Kimia Tbk. TKIM
Tabel 3.4 Sampel Perusahaan Sektor Aneka Industri
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Garuda Maintenance Facility Aero Asia Tbk. GMFI
2. Astra International Tbk. ASII
3. Astra Otoparts Tbk. AUTO
4. Gajah Tunggal Tbk. GJTL
5. Indomobil Sukses Internasional Tbk. IMAS
6. Selamat Sempurna Tbk. SMSM
7. Indo-Rama Synthetics Tbk. INDR
8. Sri Rejeki Isman Tbk. SRIL
9. KMI Wire and Cable Tbk. KBLI
10. Voksel Electronincs VOKS
Tabel 3.5 Sampel Perusahaan Industri Barang Konsumsi
NO. NAMA PERUSAHAAN KODE
SAHAM
52
1. Budi Starch & Sweetener Tbk. BUDI
2. Indofood CBP Sukses Makmur Tbk. ICBP
3. Mayora Indah Tbk. MYOR
4. H.M. Sampoerna Tbk. HMSP
5. Wismilak Inti Timur Tbk. WIIM
6. Indofarma (Persero) Tbk. INAF
7. Kalbe Farma Tbk. KLBF
8. Kino Indonesia Tbk. KINO
9. Mustika Ratu Tbk. MRAT
10. Integra Indocabinet Tbk. WOOD
Tabel 3.6 Sampel Perusahaan Sektor Properti, Real Estate, dan
Konstruksi Bangunan
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Alam Sutera Reality Tbk. ASRI
2. Bekasi Fajar Industrial Estate Tbk. BEST
3. Jaya Real Property Tbk. JRPT
4. Pakuwon Jati Tbk. PWON
5. Summarecon Agung Tbk. SMRA
6. Adhi Karya (Persero) Tbk. ADHI
7. Nusa Raya Cipta Tbk. NRCA
8. Surya Semesta Internusa Tbk. SSIA
9. Total Bangun Persada Tbk. TOTL
10. Wijaya Karya Tbk. WIKA
53
Tabel 3.7 Sampel Perusahaan Sektor Infrastruktur, Utilitas, dan
Transportasi
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Perusahaan Gas Negara Tbk. PGAS
2. Terregra Asia Energy Tbk. TGRA
3. Indonesia Kendaraan Terminal Tbk. IPCC
4. Jasa Marga (Persero) Tbk. JSMR
5. Indosat Tbk. ISAT
6. Telkomunikasi Indonesia (Persero) Tbk. TLKM
7. Blue Bird Tbk. BIRD
8. Garuda Indonesia (Persero) Tbk. GIAA
9. PP Presisi Tbk. PPRE
10. Sarana Menara Nusantara Tbk. TOWR
Tabel 3.8 Sampel Perusahaan Sektor Keuangan
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Bank Mandiri (Persero) Tbk. BMRI
2. Bank BRIsyariah Tbk. BRIS
3. Bank BTPN Tbk. BTPN
4. Adira Dinamika Multi Finance Tbk. ADMF
5. BFI Finance Indonesia Tbk. BFIN
6. Wahana Ottomitra Multiartha Tbk. WOMF
7. Panin Sekuritas Tbk. PANS
54
8. Asuransi Kresan Mitra Tbk. ASMI
9. Paninvest Tbk. PNIN
10. Panin Financial Tbk. PNLF
Tabel 3.9 Sampel Perusahaan Sektor Perdagangan, Jasa, dan Investasi
NO. NAMA PERUSAHAAN KODE
SAHAM
1. Colorpak Indonesia Tbk. CLPI
2. Mitra Pinasthika Mustika Tbk. MPMX
3. United Tractors Tbk. UNTR
4. Sumber Alfaria Trijaya Tbk. AMRT
5. Ramayana Lestari Sentosa Tbk. RALS
6. Panorama Sentrawisata Tbk. PANF
7. MD Pictures Tbk. FILM
8. Siloam International Hospitals Tbk. SILO
9. Metrodata Electronics Tbk. MTDL
10. Kresna Graha Investama Tbk. KREN
Sampel ini diambil sesuai dengan periode yang digunakan dalam
penelitian. Adapun penelitian ini memfokuskan pada awal munculnya kasus
COVID-19 di Indonesia, yang mana hal ini terjadi pada tanggal 2 Maret 2020.
Sehingga periode yang diambil adalah hari perdagangan pada bulan Maret,
yang kemudian angkanya dibulatkan menjadi 1 bulan atau tepatnya 30 hari
perdagangan sampai pada pertengahan April 2020 (1 Maret – 14 April 2020,
hari libur dan akhir pekan tidak termasuk). Selama periode ini, ada beberapa
55
peristiwa yang terjadi (1) Munculnya kasus COVID-19 pertama di Indonesia
pada 2 Maret 2020; (2) Penghentian kegiatan perkantoran di Jakarta pada 20
Maret 2020; (3) Pengumuman wacana pemberlakukan PSBB pada 30 Maret
2020; (4) Pelaksanaan PSBB Pertama di Jakarta pada 10 April 2020.
Memperhitungkan adanya ketidakpastian dalam pasar saham, periode
waktu yang digunakan dalam penelitian ini dapat dikatakan berjangka pendek,
yaitu 30 hari perdagangan. Hal ini dilakukan untuk mempertahankan
sentiment yang muncul karena adanya kasus COVID-19 pertama di Indonesia
dan ketidakpastian atas kondisi perekonomian Indonesia kedepannya.
Penelitian ini akan membandingkan sentiment investor pada sebelum masa
pandemi COVID-19 dan selama masa pandemic COVID-19. Maka sampel
juga akan dikumpulkan selama awal Maret – Pertengahan April 2019, dengan
jumlah 30 hari perdagangan. Pemilihan periode pembanding ini dilakukan
untuk menciptakan perbandingan yang setara dari segi waktu, awal Maret –
Pertengahan April (30 hari perdagangan), dengan faktor/kondisi sentiment
investor yang berbeda yaitu sebelum dan selama pandemic COVID-19.
3.2 Tempat dan Waktu Peneilitan
Penelitian dilakukan terhadap perusahaan yang terdaftar di Bursa Efek
Indonesia, yang letaknya di Indonesia. Adapun penelitian akan menggunakan
data yang dirilis sebelum dan selama masa pandemic COVID-19.
56
3.3 Data dan Sumber Data
3.3.1 Jenis Penelitian dan Data
Penelitian ini merupakan jenis penelitian kuantitatif yang mana
penelitian ini banyak menggunakan, menafsirkan dan menghasilkan
data-data berupa angka yang yang dinalisis (Kasiran, 2008 : 149
dalam Pandjaitan dan Ahmad 2017 : 11). Data yang digunakan dalam
penelitian ini adalah data kuantitatif berupa return saham, indeks
sentiment investor, perhitungan rasio Market Premium, Size Premium,
dan Value Premium pada Maret – April tahun 2019 dan tahun 2020.
3.3.2 Sumber Data
Sumber data penelitian dapat dikelompokkan menjadi dua jenis,
yaitu data primer dan data sekunder. Penelitian ini sendiri
menggunakan data sekunder, yaitu data yang diperoleh melalui
berbagai macam sumber yang telah ada sebelumnya (Suryana, 2010).
Data yang digunakan dalam penelitian ini, yaitu data historis harga
saham di www.investing.com sebelum (Maret – April 2019) dan
selama masa pandemic COVID-19 (Maret – April 2020), Trading
volume sebagai proksi perhitungan sentiment investor, serta data
kapitalisasi pasar dan book value yang diperoleh dari laporan
keuangan perusahaan dan IDX Monthly Statistic, yang kemudian akan
diolah dengan software Microsoft Excel dan E-views 10.
57
3.4 Metode Pengumpulan Data
Pengumpulan data merupakan suatu tahapan dalam penelitian yang mana
peneliti berusaha untuk mendapatkan data dari responden, pengamatan suatu
kegiatan, pencatatan anagka-angka, dan lain-lain (Wahidmurni, 2017).
Penelitian ini dilakukan dengan menggunakan berbagai data yang telah
didapatkan. Data yang didapatkan ini digunakan untuk dianalisis dan menguji
hipotesis yang telah dirumuskan sebelumnya. Data penelitian dikumpulkan
dengan menggunakan metode tertentu. Adapun metode pengumpulan data
dalam penelitian ini adalah sebagai berikut:
1. Metode Dokumentasi
Metode dokumentasi dilakukan denan mencari dan
mengumpulkan data mengenai variable-variabel yang hendak diteliti
yang berupa catatan, transkrip, buku, surat kabar, dan lain sebagainya.
Sumber informasi metode dokumentsi merupakan bahan-bahan
tertulis atau tercatat. Dengan metode ini, peneliti atau pengumpul data
memindahkan bahan-bahan tertulis yang relevan pada lembaran-
lembaran isian yang telah disiapkan untuk itu (Mustopa, 2011).
Dari metode ini, diperoleh catatan mengenai data yang
berhubungan dengan penelitian, yaitu laporan harga dan return saham,
laporan kapitalisasi pasar dan book value.
58
3.5 Instrumen Penelitian
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
metode dokumentasi, maka dari itu instrument penelitian yang digunakan
adalah dokumen dan/atau dataset yang telah tersedia.
3.6 Metode Analisis Data
Metode analisis data yang digunakan pada penelitian ini adalah metode
analisis data deskriptif dengan pendekatan kuantitatif, yang mana dalam
tulusannya Wahidmurni (2017) menyebutkan bahwa analisis deskriptif
merupakan merupakan analisis data yang dilakukan dengan menggambarkan
atau menjelaskan variable-variabel di dalam penelitian berdasarkan pada data
yang diperoleh.
Penelitian ini menganalisis data dan mengukurnya. Analisis ini kemudian
dimanfaatkan untuk menggambarkan kejadian yang ada dengan angka atau
nilai-nilai yang bermakna.
3.6.1 Analisis Statistik
1. Statistik Deskriptif
Statistic deskriptif merupakan alat atau prosedur yang
digunakan untuk memberikan gambaran atau mendeskripsikan
data yang dianalisis atau diamati. Tujuannya adalah agar data
tersebut mudah dibaca, dipahami, dan digunakan.
Statistic deskriptif dalam penelitian ini digunakan untuk
mengetahui mean atau rata-rata, nilai minimun, nilai maksimum,
dan standar deviasi.
59
2. Analisis Regresi
Penelitian ini mengukur pengaruh antar variable, return
saham sebagai variabel dependen, sentimen investor sebagai
variable independent, dan variabel Market Premium-Size
Premium-dan-Value Premium sebagai variable moderator.
Penelitian ini mencoba untuk memasukkan variable sentimen
investor bersama dengan formula three factors asset pricing
model yang dikembangkan oleh Eugene Fama dan Kenneth
French. Hal ini berdasarkan pada hasil penelitian yang dilakukan
oleh Wendy Ary (2019) yang menyatakan bahwa penambahan
sentimen investor pada three-factors asset ricing model dapat
meningkatkan kinerja model tersebut, sehingga didapatkan hasil
yang lebih akurat dengan nilai adjusted R2 yang lebih besar.
Sehingga hasil penelitian ini tidak hanya bisa memberikan
gambaran pengaruh sentimen investor terhadap return saham
sectoral—yang mana merupakan tujuan utamanya. Tetapi juga
dapat memberikan gambaran dari pengaruh dari Market Premium,
Size Premium, dan Value Premium. Keputusan penggunakan
formulasi tersebut menghasilkan rumus sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Dimana:
Ri,t – Rf = Expected return saham i
α = Konstanta
60
Rf = Risk free rate asset
Sent = Sentimen Investor (Trading Volume)
Rm = Rate of return on market
SMB = Size Premium (selisih antara value weighted
return saham berkapitalisasi kecil dan value
weighted return saham berkapitalisasi besar)
HML = Value Premium (selisih value weighted return
saham dengan book-to-market tinggi dan value
market return dengan book-to-market rendah)
β1, β2, β3, β4 = Slope regresi
Data yang digunakan dalam penelitian ini merupakan data
panel, sehingga regresi yang digunakan merupakan regresi data
panel. Widarjono (2013) menjelaskan bahwa regresi data panel
merupakan studi bagaimana variable dependen dipengaruhi oleh
satu atau lebih variable independent dengan tujuan untuk
memperkirakan nilai rata-rata variable terikat didasarkan oleh
variable bebas yang diketahui.
Terdapat tiga macam teknik estimasi regresi data panel, yaitu:
a. Common Effect Model (CEM) atau asumsi koefisien tetap
antar waktu dan individu merupakan Teknik yang paling
sederhana. Metode ini menggabungkan data cross section dan
time series tanpa memperhatikan perbedaan antar waktu dan
individu. Metode ini mengasumsikan bahwa perilaku data
61
antar perusahaan selalu sama dari waktu ke waktu. Begitupun
slope dan intersep dari masing-masing variable selalu sama
untuk semua data.
b. Fixed Effect Model (FEM) asumsi slope konstan tetapi
intersep berbeda antar individu adalah model yang
mengestimasi data panel dengan variable dummy untuk
melihat adanya perbedaan intersep. Model ini menetapkan
bahwa terdapat pebedaan intersep antar perusahaan karena
adanya perbedaan karakteristik perusahaan, namun
interserpnya akan sama sedangkan slope-nya akan selalu sama
dari waktu ke waktu.
c. Random Effect Model (REM) atau estimasi dengan pendekatan
efek acak menggunakan variable dummy untuk mengetahui
ketidaktahuan mengenai model yang sebenarnya. Namun, hal
ini menyebabkan berkurangnya degree of freedom dan
mengurani efisiensi parameter. Tetapi, masalah ini dapat
diatasi dengan menggunakan variable gangguan (error terms)
atau random effect. Pada model ini, data panel akan diestimasi
dimana variable gangguan dapat saling berhubungan antar-
waktu dan antar-perusahaan. Model ini berasumsi bahwa
setiap variable memiliki perbedaan intersepsi. Kelebihan dari
model REM ini adalah dapat menghilangkan
heterokedastisitas.
62
Widarjono (2013) juga menjelaskan bahwa ada tiga jenis model
estimasi regresi data panel, yaitu :
a. Uji Chow
Uji Chow digunakan untuk menentukan model mana yang
lebih tepat digunakan, apakah CEM atau FEM yang lebih
tepat digunakan dalam penelitian. Jika diperoleh probabilitas
< 0.05 (taraf signifikansi) maka FEM lebih tepat digunakan.
Begitupula sebaliknya, jika probabilitas > 0.05 (taraf
signifikansi), maka CEM lebih tepat digunakan.
b. Uji Hausman
Uji Hausman digunakan untuk melihat apakah FEM atau
REM yang lebih tepat digunakan pada penelitian ini. Jika
diperoleh probabilitas < 0.05 (taraf signifikansi), maka FEM
lebih tepat untuk digunakan. Sebaliknya, jika probabilitas >
0.05 (taraf signifikansi), maka REM lebih tepat untuk
digunakan.
c. Uji Lagrange Multiplier
Uji Lagrange Multiplier digunakan untuk melihat apakah
CEM atau REM yang lebih tepat digunakan pada penelitian
ini. Jika diperoleh probabilitas < 0.05 (taraf signifikansi),
maka REM lebih tepat untuk digunakan. Sebaliknya, jika
probabilitas > 0.05 (taraf signifikansi), maka CEM lebih tepat
untuk digunakan.
63
3.6.2 Uji Asumsi Klasik dan Uji Struktur Varian Kovarian
Sebelum melaksanakan uji regresi, peneliti harus terlebih dahulu
memastikan bahwa data yang diteliti sudah memenuhi persyaratan
aumsi klasik. Imam Ghazali (2016 : 167) sebagaimana yang
disebutkan dalam jurnal Wahyuni (2018), menjelaskan bahwa untuk
memberikan hasil yang Best Linear Unbiased Estimator (BLUE)
ketika melakukan analisis regresi yang memakai bentuk peramalan
dengan menggunakan Ordinary Least Square (OLS), maka harus
dilakukan uji asumsi klasik terlebih dahulu. Model regresi linear,
terutama regresi berganda yang baik adalah model yang memenuhi
kriteria Best Linear Unbiased Estimator (BLUE) (DRH Pandjaitan dan
Ahmad, 2017). Uji asumsi klasik yang digunakan dan penjelasan
mengenai masing-masing uji tersebut adalah sebagai berikut:
a. Uji Normalitas
Pandjaitan dan Ahmad (2017) menjelaskan bahwa uji
normalitas menguji data yang yang hendak dianalisis, apakah data
tersebut terdistribusi atau tersebar secara normal atau tidak.
Normal atau tidaknya suatu data biasanya dilihat dari
bentuk histogram residual yang berbentuk lonceng atau tidak,
juga bisa menggunakan scatter plot dengan melihat nilai residu
yang membentuk pola tertentu. Tetapi, melakukan uji normalitas
dengan hanya mengandalkan pengamatan terhadap grafik bisa
saja menimbulkan kekeliruan kalau tidak hati-hati. Sebetulnya,
64
ada berbagai macam cara yang bisa kita lakukan untuk melakukan
uji normalitas selain dengan grafik, seperti menggunakan rasio
skewness dan kurtosis, menggunakan uji Kolmogrof-Smirnov.
Sumber lain mengatakan kita bisa menggunakan Lilliefors,
Shapiro Wilk dan Shapiro Francia, Jarque-Bera, dan lain
sebagainya.
Jika rasio skewness dan kurtosis berada di antara -2 hingga
+2, maka data berdistribusi normal dan di luar itu data dianggap
tidak normal. Penggunaan Kolmogrof-Smirnov atau uji K-S
termasuk dalam non-parametrik karena peneliti belum megetahui
apakah data yang digunakannya termasuk data parametrik atau
bukan, dikatakan berdistribusi normal apabila nilai Sign > 0,05
(H0 diterima, H1 ditolak). Dengan menggunakan Jaque-Bera, data
dianggap berdistribusi normal apabila p value Jaque-Bera > 0,05
(H0 diterima dan H1 ditolak).
Selain itu, dalam ilmu statistic terdapat Teorema Limit
Sentral yang mana dijelaskan bahwa apabila sampel atau
observasi berjumlah besar (sekurang-kurangnya 30), maka data
akan selalu mendekati distribusi normal (Gujarati, 2006:77).
b. Uji Multikolinearitas
Pandjaitan dan Ahmad (2017) menjelaskan bahwa
multikolinearitas merupakan suatu kondisi apabila terjadi korelasi
atau hubungan yang kuat di antara variable bebas (independent)
65
dalam penelitian. Di dalam analisis regresi, suatu model dianggap
baik apabila terbebas dari multikolinearitas atau tidak terjadi
multikolinearitas.
Untuk mendeteksi ada atau tidaknya multikolinearitas dapat
dilihat dari nilai VIF (Variance Inflation Factor). Model yang
baik memiliki hasil perhitungan VIF < 10, jika nilai VIF > 10
maka terjadi multikolinearitas. Selain itu, kita juga dapat
menggunakan nilai tolerance. Yang mana jika nilai tolerance >
0,01, maka model terbebas dari masalah multikolinearitas. Jika
nilai tolerance < 0,01, maka dapat disimpulkan bahwa terdapat
masalah multikolinearitas.
Dalam Gujarati (2009), multikolinearitas dapat dideteksi
dengan berbagai cara, selain dengan melihat nilai VIF,
multikolineartias juga dapat diuji dengan melihat nilai korelasi
antar variable independen. Yaitu, apabila nilai korelasi antar
variabel independen bernilai lebih dari 0,8 maka dapat dikatakan
bahwa model terindikasi masalah multikolinearitas. Akan tetapi,
apabila nilai korelasi antar variabel independen kurang dari 0,8
maka dapat dikatakan model terbebas dari masalah
multikolinearitas.
c. Uji Struktur Varian dan Kovarian
Pada regresi sederhana, kita melakukan uji asumsi klasik,
seperti normalitas, multikolinearitas, heteroskedastisitas, dan
66
autokorelasi. Normalitas dan Multikolinearitas sudah dijelaskan di
atas. Sementara itu, Heterokedastisitas memiliki arti bahwa
variasi redisual tidak sama dari satu pengamatan ke pengamatan
lain. Sementara model regresi yang baik adalah jika pengamatan
satu dengan pengamatan yang lain sama atau disebut dengan
Homokedastisitas (Pandjaitan dan Ahmad, 2017:92). Jadi, regresi
dapat dilakukan jika tidak terjadi heteroskedastisitas.
Uji heteroskedastisitas dapat dilakukan dengan melihat
grafik scatter plot antara nilai prediksi variable terikat, ZPRED
dengan residualnya SRESID. Jika terjadi pola tertentu, maka
terjadi heterokedastisitas. Jika tidak ada pola atau menyebar,
maka tidak terjadi heteroskedastisitas. Namun, cara ini kurang
tepat karena hanya berdasarkan pada pengamatan gambar. Oleh
karena itu, kita dapat menggunakan cara uji lain, yaitu seperti Uji
Park, Uji White, dan Uji Glejser (Pandjaitan dan Ahmad,
2017:92) Gujarati (2009) dalam bukunya menyebutkan bahwa
heteroskedastisitas dapat diuji melalui cara non-formal dan cara
formal. Cara non-formal bisa dengan memperhatikan grafik.
Sementara cara formal adalah dengan melakukan uji Park, Uji
Glejser, Uji Korelasi Spearman’s Rank, Uji Goldfeld-Quandt, Uji
Breusch-Pagan-Godfrey, dan uji White.
Kemudian autokorelasi, Pandjaitan dan Ahmad (2017)
menjelaskan bahwa pengujian ini—Autokorelasi—hanya perlu
67
dilakukan jika data berbentuk time series, apabila data berbentuk
cross section maka pengujian ini tidak perlu dilakukan. Uji
autokorelasi digunakan untuk melihat apakah terdapat hubungan
antara linear error serangkaian observasi yang diurutkan menurut
waktu (time series).
Salah satu cara untuk menguji hal ini adalah dengan
menggunakan uji Durbin-Watson. Dimana keputusan ada atau
tidaknya korelasi diambil dengan membandingkan nilai Durbin-
Watson dengan nilai dU dan dL pada tabel Durbin-Watson.
Perbandingannya adalah sebagai berikut:
Tabel 3.10 Durbin Watson
Perbandingan Arti/Makna
0 < d < Dl Terdapat autokorelasi positif
dL ≤ d ≤ dU Tidak dapat disimpulkan
4 – dL < d < 4 Terdapat autokorelasi negative
4 – dU ≤ d ≤ 4 – Dl Tidak dapat disimpulkan
dU < d < 4 – dU
Tidak terdapat autokorelasi positif atau
negative.
Penelitian ini menggunakan regrresi data panel, yang mana
berdasarkan pada tulisan Mahyus Ekananda (2016), waktu dan
observasi yang dilibatkan dalam analisis data panel sifatnya
68
beragam. Karena sifatnya yang beragam ini, akan sulit untuk
memiliki kondisi yang homokedastik dalam persamaannya.
Mahyus (2016 : 199) juga menyebutkan bahwa informasi individu
atau kelompok individu dapat hilang apabila kita menlakukan uji
asumsi klasik. Prosedur ekonometrika dasar tidak cocok dengan
data panel, karena analisis ini sendiri memiliki tujuan yang salah
satunya adalah untuk melihat keragaman data (individu/waktu).
Apabila pada regresi sederhana kita melakukan uji asumsi
klasik, seperti yang sudah dijelaskan, kemudian menemukan hasil
bahwa terdapat gejala heteroskedastisitas dan autokorelasi. Maka,
dapat dilakukan koreksi model dengan menambahkan
pembobotan ke dalam persamaan, sehingga estimasi yang
dihasilkan BLUE (Mahyus. 2016), (Gujarati, 2009).
Pada analisis data panel, hal yang dilakukan berbeda.
Estimasi yang digunakan pada data panel adalah Feasible
Generelized Least Square (FGLS) (Srihardianti et.al, 2016).
Dengan estimasi ini, yang dibicarakan adalah gejala
heteroskedastik antar persamaan (heteroscedastic cross section)
(Mahyus, 2016 : 199). Dalam analisis data panel, kita melakukan
pengujian untuk mengetahui estimator mana yang lebih baik
untuk digunakan sebagai estimasi, yang mana hal ini disesuaikan
dengan struktur matriks varian dan covarian residualnya, yang
mana yang lebih efisien. Dalam bukunya, Mahyus (2016 : 202)
69
juga menyebutkan bahwa menurut Greene dan Gujarati kondisi
struktur varian dan covarian error term dibagi menjadi:
1) Homokedastis
2) Heterokedastis tanpa korelasi antar persamaan
3) Heterokedastis dengan korelasi antar persamaan
4) Heterokedastis dengan adanya autokorelasi antar unit.
Pertama, yang dilakukan adalah melihat apakah struktur
tersebut homokedastik atau heteroskedastik. Yaitu, dengan
melakukan pemilihan estimator dengan uji Lagrange Multiplier
(LM), yang membandingkan nilai LM dengan Chi Square (X2) df
(n-1). Adapun LM dihitung sebagai:
∑(
)
Keterangan :
T = Jumlah Waktu/Periode (Time Series)
N = Jumlah cross section
σ i2 = varians residual persamaan ke i
σ2 = sum square residual
Apabila nilai LM < Chi Square (X2)df(n-1) maka struktur
homokedastik (Ho diterima). Dan apabila nilai LM > Chi Square
(X2)df(n-1) maka struktur heteroskedastik (Ho ditolak).
70
Jika uji LM telah dilakukan dan ternyata diketahui bahwa
struktur heterokedastikedastik, hal yang harus dilakukan
selanjutnya adalah melakukan pemilihan estimator dengan uji
λLM, yang membandingkan nilai λLM dengan Chi Square (X2)df
(n(n-1)/2). Untuk mengetahui apakah struktur bersifat heterokedastik
dan terdapat korelasi. λLM dihitung sebagai:
∑∑
Keterangan:
T = Jumlah waktu/periode (time series)
rij2 = residual correlation coefficient antara persamaan ke i dan
ke j.
∑ ∑
menunjukkan jumlah di atas atau dibawah
diagonal redisual correlation coefficient pada kondisi persamaan
yang diuji.
Apabila nilai λLM < Chi Square (X2)df (n(n-1)/2), maka
struktur heteroskedastik dan tidak terdapat korelasi (Ho diterima).
Namun, apabila λLM > Chi Square (X2)df (n(n-1)/2), maka struktur
heteroskedastik dan terdapat korelasi (Ho ditolak).
Apabila pengujian ini mengindikasikan struktur varian dan
kovarian heterokedastik, maka lebih baik memnggunakan
estimator heteroskedastik dengan menggunakan weight berupa
cross section weight. Namun, apabila struktur varian dan kovarian
71
heteroskedastik dan terdapat korelasi, maka estimator yang lebih
baik menggunakan struktur heteroskestik dan terdapat korelasi
dengan menggunakan weight berupa cross section SUR (Mahyus,
2016 : 253–258). Penggunaan metode ini mengatasi masalah
heteroskedastisitas dan autokorelasi (Sitorus dan Yuliana, 2018).
3.6.3 Pengujian Hipotesis
Pandjaitan dan Ahmad (2017 : 97) menyatakan bahwa hipotesis
merupakan argument atau kesimpulan yang belum menjadi suatu tesis,
masih bersifat sementara. Dalam tulisannya, Pandjaitan dan Ahmad
(2017 : 97) menyebutkan bahwa Margono (2004 : 67)
mengungkapkan arti lain dari hipotesis, yaitu sebagai suatu jawaban
yang masih sementara atas suatu permasalahan dalam penelitian yang
tingkat kebenarannya paling tinggi secara teoritis.
Pengujian hipotesis memberikan pilihan untuk memecahkan
maslah. Pengujian hipotesis dilakukan untuk menguji hipotesis yang
ada—apakah hipotesis dapat diterima atau tidak. Adapun pengujian
hipotesis yang dilakukan pada penelitian ini adalah sebagai berikut:
a. Uji Signifikansi Simultan (Uji F)
Jenis pengujian ini dilakukan untuk mengatahui apakah
variabel independen, secara bersama-sama atau simultan,
mempengaruhi variabel dependen. Pengambilan keputusan dapat
dilakukan berdasarkan nilai signifikansi. Yang mana apabila
Fhitung > Ftabel maka Ho ditolak dan Ha diterima. Atau dapat
72
menggunakan tingkat signifikasi F hitung, apabila nilainya < α
(0.05) maka Ho ditolak dan Ha diterima atau terdapat pengaruh
simultan antara variabel independen terhadap variabel dependen.
b. Uji Signifikansi Parameter Individual (Uji t)
Jenis pengujian ini dilakukan untuk mengetahui apakah
variabel independen, secara parsial atau individual,
mempengaruhi variabel dependen. Kriteria pengambilan
keputusan didasarkan pada perbandingan nilai ttabel dengan thitung,
yang mana apabila -thitung < -ttabel atau thitung > dari ttabel, maka Ho
ditolak dan Ha diterima. Dapat juga dilakukan dengan berdasar
pada nilai signifikansi (Wahyuni dan Suryakusuma, 2018) yang
mana apabila tingkat signifikansi (0.05) > p value (probabilitas),
maka Ho ditolak; dan apabila tingkat signifikansi (0.05) < p value
(probabilitas), maka Ho tidak dapat ditolak.
c. Koefisien Determinasi (Adjusted R2)
Koefisien Determinansi (Adjusted R2) ini mengukur
seberapa jauh model dalam menerangkan variasi variable
dependen. Koefisien Determinansi (Adjusted R2) merupakan
pengukuran terhadap proporsi variabel independen dalam
mempengaruhi bariabel dependen. Semakin dekat nilai koefisien
determinasi menuju 1, maka akan semakin akurat prediksinya, dan
sebaliknya.
73
3.7 Definisi Operasional Variabel
Rinaldi dan Mujianto (2017) dalam tulisannya mengutip Hatch dan
Farhady (1981) menyatakan bahwa variable merupakan objek yang memiliki
variasi antar satu dengan lainnya. Variable yang digunakan dalam penelitian
ini dibedakan menjadi variable dependen, dan variable independen.
3.7.1 Variabel Dependen
Variabel dependen adalah variable yang nilainya bergantung atau
dipengaruhi oleh nilai dari variable lainnya. Dalam penelitian ini
variable dependen yang digunakan berupa imbal hasil (return) saham.
Imbal hasil (return) saham adalah hasil atau keuntungan yang
diperoleh dari dilakukannya investasi saham. Imbal hasil (return)
saham yang digunakan dalam penelitian ini adalah imbal hasil harian
saham perusahaan pada tiap-tiap sektor industry yang tercatat di papan
perdagangan Bursa Efek Indonesia (BEI) sebelum (Maret – April
2019) dan selama masa pandemic COVID-19 (Maret – April 2020).
Dalam penelitian ini perhitungan return saham dilakukan dengan
menggunakan formulasi sebagai berikut:
Dimana:
Pt = Harga saham pada saat penutupan
Pt – 1 = Harga saham periode lalu.
74
3.7.2 Variabel Independen
Variabel Independen adalah variable yang mempengaruhi variable
lainnya, yatu variable dependen. Dalam penelitian ini variable
independen yang digunakan adalah sentiment investor.
Sentiment investor merupakan kecenderungan investor melakukan
spekulasi (Lestari, 2016), yang mana diakibartkan oleh factor
psikologis atau keyakinan (positif/optimis atau negative/pesimis) yang
dimiliki investor terutama pada situasi atau kondisi tertentu, misalnya
ketika ada informasi yang akan berpengaruh terhadap kondisi pasar.
Proksi sentiment investor yang digunakan dalam penelitian ini
adalah trading volume. Dalam artikelnya, Baker dan Wurgler (2007)
menyebutkan bahwa ada beberapa hal yang berpotensi menjadi proksi
sentiment investor, salah satunya adalah trading volume. Trading
volume juga pernah digunakan juga sebagai proksi sentiment investor
pada penelitian-penelitian sebelumnya, seperti yang dilakukan oleh
Maulina Agustya dan Faisal (2018), Feren dan Bangun (2019).
Adapun trading volume pada penelitian ini mengikuti apa yang
digunakan pada pebelitian yang dilakukan Faisal (2018), juga Feren
dan Bangun (2019). Perhitungan trading volume dilakukan dengan
menggunakan formulasi sebagai berikut:
75
Trading volume pada penelitian ini adalah trading volume activity
harian selama 30 hari dari saham perusahaan-perusahaan yang terpilih
pada masing-masing sektor usaha yang terdaftar di Bursa Efek
Indonesia pada Maret-April 2019 dan Maret-April 2020.
Selain sentiment investor, dalam penelitian ini akan ditambahkan
pula 3 (tiga) factor yang dikembangkan oleh Eugene Fama dan
Kenneth French dalam three factors asset pricing model, sebuah
model untuk menghitung return saham. Hal ini dilakukan dengan
dasar bahwa ada hal lain yang mempengaruhi return saham, sehingga
dengan ditambahkannya variable selain sentiment investor diharapkan
akan meningkatkan keakuratan penelitian. Adapun tiga factor tersebut
adalah sebagai berikut:
a. Market Premium (Rm – Rf)
Market Premium atau market return/risk merupakan
perbedaan antara return pasar dengan risk-free rate. Adapun
perhitungan dari Market Premium adalah sebagai berikut:
Market Premium = Rata-rata return pasar saham – Risk Free
Rate
Return pasar saham disini adalah return dari Indeks Harga
Saham Gabungan (IHSG) harian selama 30 Hari (Maret – April)
di tahun 2019 dan 2020. Dan Risk Free Rate menggunakan data
historis harian yang dikeluarkan oleh IndONIA Bank Indonesia.
76
b. Size Premium (SMB)
Rasio Size Premium atau small minus big (SMB) adalah
selisih dari return perusahaan small dengan return perusahaan
big. Adapun perhitungan dari Size Premium adalah sebagai
berikut:
(
) (
)
Keterangan :
SH = Return portofolio saham (equal weighted)
perusahaan siza small dengan book to market high
SM = Return portofolio saham (equal weighted)
perusahaan size small dengan book to market medium
SL = Return portofolio saham (equal weighted)
perusahaan size small dengan book to market low
BH = Return portofolio saham (equal weighted)
perusahaan size big dengan book to market high
BM = Return portofolio saham (equal weighted)
perusahaan size big dengan book to market medium
BL = Return portofolio saham (equal weighted)
perusahaan size big dengan book to market low
c. Value Premium (HML)
77
Rasio Value Premium atau high minus low (HML) adalah
selisih dari return saham perusahaan dengan book to market ratio
tinggi dan return saham perusahaan dengan book to market
rendah. Adapun perhitungan dari Value Premium adalah sebagai
berikut:
(
) (
)
Keterangan:
SH = Return portofolio saham (equal weighted)
perusahaan siza small dengan book to market high
SL = Return portofolio saham (equal weighted)
perusahaan size small dengan book to market low
BH = Return portofolio saham (equal weighted)
perusahaan size big dengan book to market high
BL = Return portofolio saham (equal weighted)
perusahaan size big dengan book to market low
Dimana formula book to market ratio adalah sebagai berikut :
Pembentukan portofolio SMB dan HML dilakukan dengan tahapan
sebagai berikut:
78
1. Mengitung size perusahaan, dengan mengestimasi kapitalisasi
pasar dengan cara mengalikan jumlah saham yang beredar dan
harga saham, harga saham yang digunakan adalah harga saham
satu bulan sebelum periode yang digunakan dalam penelitian,
yaitu harga saham pada bulan februari.
2. Dari total perusahaan yang digunakan dalam penelitian ini setiap
sektornya dibagi berdasarkan kapitalisasi pasar sebesar 50%
perusahaan small dan 50% perusahaan big, berdasarkan nilai
tengah (median).
3. Mengumpulkan total ekuitas perusahaan dari laporan keuangan
satu tahun sebelum periode penelitian dalam bentuk rupiah dan
harga saham perusahaan. Data yang digunakan adalah data t-1
(laporan keuangan dan harga saham Desember tahun 2018 dan
Desember tahun 2019).
4. Menghitung book to market dengan membagi book value—yang
merupakan hasil pembagian jumlah ekuitas t-1 dengan jumlah
saham beredar—dengan harga saham t-1.
5. Mengurutkan saham perusahaan berdasarkan nilai book to
market-nya menjadi perusahaan dengan book to market high,
medium, dan low. Masing-masing 30%, 40%, dan 30%.
Setelah membagi perusahaan berdasarkan ukuran dan book to
marketnya, kemudian dilakukanlah peneglompokkan perusahaan-
79
perusahaan tersebut kedalam golongan SH, SM, SL dan BH, BM, BL.
Yang mana:
SH = Return portofolio saham (equal weighted) perusahaan
siza small dengan book to market high
SM = Return portofolio saham (equal weighted) perusahaan
size small dengan book to market medium
SL = Return portofolio saham (equal weighted) perusahaan
size small dengan book to market low
BH = Return portofolio saham (equal weighted) perusahaan
size big dengan book to market high
BM = Return portofolio saham (equal weighted) perusahaan
size big dengan book to market medium
BL = Return portofolio saham (equal weighted) perusahaan
size big dengan book to market low
80
4. BAB 4
TEMUAN PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Objek Penelitian
Penelitian ini dilakukan pada tiap-tiap sektor perusahaan yang terdaftar di
Bursa Efek Indonesia (BEI). Hingga tahun 2020, sektor usaha yang terdaftar
di Bursa Efek Indonesia berjumlah Sembilan sektor. Sektor-sektor tersebut
antara lain adalah:
4.1.1 Pertanian
Sektor Pertanian di Bursa Efek Indonesia dibagi lagi menjadi 4
(empat) sub-sektor, yaitu crops, plantation, animal husbandry, dan
fishery. Berdasarkan pada data statistic bulanan BEI, pada April 2019
terdapat 21 perusahaan yang terdaftar di Sektor Pertanian. Sementara
pada April 2020, terdapat 22 perusahaan yang terdaftar di sektor ini.
Penelitian ini mengambil 8 perusahaan, yang sesuai dengan kriteria
pemilihan sampel.
4.1.2 Pertambangan
Sektor Pertambangan di Bursa Efek Indonesia dibagi lagi menjadi
4 (empat) sub-sektor, yaitu coal mining, crude petroleum & natural
gas production, metal & mineral mining, dan land/stone quarrying.
Berdasarkan pada data statistic bulanan BEI, pada April 2019 terdapat
47 perusahaan yang terdaftar di Sektor Pertambangan. Sementara pada
April 2020, terdapat 49 perusahaan yang terdaftar di sektor ini.
81
Penelitian ini mengambil 10 perusahaan, yang sesuai dengan kriteria
pemilihan sampel.
4.1.3 Industri Dasar dan Kimia
Sektor Industri Dasar dan Kimia di Bursa Efek Indonesia dibagi
lagi menjadi 9 (sembilan) sub-sektor, yaitu cement, ceramics-glass-
porcelain, metal & allied products, chemicals, plastics & packaging,
animal feed, wood industries, pulp & paper, dan others. Berdasarkan
pada data statistic bulanan BEI, pada April 2019 terdapat 71
perusahaan yang terdaftar di Sektor Industri Dasar dan Kimia.
Sementara pada April 2020, terdapat 78 perusahaan yang terdaftar di
sektor ini. Penelitian ini mengambil 10 perusahaan, yang sesuai
dengan kriteria pemilihan sampel.
4.1.4 Aneka Industri
Sektor Aneka Industri di Bursa Efek Indonesia dibagi lagi menjadi
6 (enam) sub-sektor, yaitu machinery & heavy equipment, automotive
& components, textile-garment, footwear, cable, dan electronics.
Berdasarkan pada data statistic bulanan BEI, pada April 2019 terdapat
46 perusahaan yang terdaftar di Sektor Aneka Industri. Sementara pada
April 2020, terdapat 52 perusahaan yang terdaftar di sektor ini.
Penelitian ini mengambil 10 perusahaan, yang sesuai dengan kriteria
pemilihan sampel.
82
4.1.5 Industri Barang Konsumsi
Sektor Industri Barang Konsumsi di Bursa Efek Indonesia dibagi
lagi menjadi 6 (enam) sub-sektor, yaitu food & baverages, tobacco
manufactirers, pharmaceuticals, cosmetics & household, houseware,
dan others. Berdasarkan pada data statistic bulanan BEI, pada April
2019 terdapat 52 perusahaan yang terdaftar di Sektor Industri Barang
Konsumsi. Sementara pada April 2020, terdapat 58 perusahaan yang
terdaftar di sektor ini. Penelitian ini mengambil 10 perusahaan, yang
sesuai dengan kriteria pemilihan sampel.
4.1.6 Properti, Real Estate, dan Konstruksi Bangunan
Sektor Properti, Real Estate, dan Konstruksi Bangunan di Bursa
Efek Indonesia dibagi lagi menjadi 2 (dua) sub-sektor, yaitu property
& real estate, dan building construction. Berdasarkan pada data
statistic bulanan BEI, pada April 2019 terdapat 75 perusahaan yang
terdaftar di Sektor Properti, Real Estate, dan Konstruksi Bangunan.
Sementara pada April 2020, terdapat 91 perusahaan yang terdaftar di
sektor ini. Penelitian ini mengambil 10 perusahaan, yang sesuai
dengan kriteria pemilihan sampel.
4.1.7 Infrastruktur, Utilitas, dan Transportasi
Sektor Infrastruktur, Utilitas, dan Transportasi di Bursa Efek
Indonesia dibagi lagi menjadi 5 (lima) sub-sektor, yaitu energy, toll
road-airport-harbor-and-allied products, telecommunication,
transportation, dan non building construction. Berdasarkan pada data
83
statistic bulanan BEI, pada April 2019 terdapat 73 perusahaan yang
terdaftar di Sektor Infrastruktur, Utilitas, dan Transportasi. Sementara
pada April 2020, terdapat 79 perusahaan yang terdaftar di sektor ini.
Penelitian ini mengambil 10 perusahaan, yang sesuai dengan kriteria
pemilihan sampel.
4.1.8 Keuangan
Sektor Keuangan di Bursa Efek Indonesia dibagi lagi menjadi 5
(lima) sub-sektor, yaitu bank, financial institution, securities company,
insurance, dan others. Berdasarkan pada data statistic bulanan BEI,
pada April 2019 terdapat 91 perusahaan yang terdaftar di Sektor
Keuangan. Sementara pada April 2020, terdapat 93 perusahaan yang
terdaftar di sektor ini. Penelitian ini mengambil 10 perusahaan, yang
sesuai dengan kriteria pemilihan sampel.
4.1.9 Perdagangan, Jasa, dan Investasi
Sektor Perdagangan, Jasa, da n Investasi di Bursa Efek Indonesia
dibagi lagi menjadi 8 (delapan) sub-sektor, yaitu wholesale (durable &
non-durabel goods), retail trade, tourism-restaurant-and-hotel,
advertising-printing-and-media, healthcare, computer & services,
investment company, dan others. Berdasarkan pada data statistic
bulanan BEI, pada April 2019 terdapat 156 perusahaan yang terdaftar
di Sektor Perdagangan, Jasa, dan Investasi. Sementara pada April
2020, terdapat 173 perusahaan yang terdaftar di sektor ini. Penelitian
84
ini mengambil 10 perusahaan, yang sesuai dengan kriteria pemilihan
sampel.
4.2 Temuan Hasil Penelitian
4.2.1 Statistik Deskrptif
Nilai statistic deskriptif dari data masing-masing variabel tiap-tiap
sektor adalah sebagai berikut:
1. Pertanian
Tahun 2019
Tabel 4.1 Statistik Deskriptif Sektor Pertanian Maret – April 2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean -0.000964 0.001418 -0.059143 0.001974 -0.002323
Median 0.000000 0.000275 -0.059093 0.001780 -0.005724
Maximum 0.095694 0.020896 -0.049402 0.028810 0.043520
Minimum -0.062092 1.09E-05 -0.077139 -0.019412 -0.035962
Std. Dev. 0.018268 0.002857 0.006704 0.011427 0.017794
Skewness 1.296280 3.380648 -0.737542 0.143410 0.539002
Kurtosis 9.358786 16.58488 3.169630 2.699551 3.034809
Observations 240 240 240 240 240
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada sektor pertanan adalah 240. Kemudian, return saham
Sektor Pertanian memiliki nilai rata-rata -0.000964, median
0.000000, nilai maksimum 0.095694, nilai minimum -
0.062092, dan standar deviasi 0.018268. Sentimen investor
memiliki nilai rata-rata 0.001418, median 0.000275, nilai
maksimum 0.020896, nilai minimum -0.0000109, dan standar
85
deviasi 0.002857. Market Premium memiliki nilai rata-rata -
0.059143, median -0.059093, nilai maksimum -0.049402, nilai
minimum -0.077139, dan standar deviasi 0.00604. Size
Premium memiliki nilai rata-rata 0.001974, median 0.001780,
nilai maksimum 0.028810, nilai minimum -0.019412, dan
standar deviasi 0.011427. Value Premium memiliki nilai rata-
rata -0.002323, median -0.005724, nilai maksimum 0.043520,
nilai minimum -0.035962, dan standar deviasi 0.017794.
Tahun 2020
Tabel 4.2 Statistik Deskriptif Sektor Pertanian Maret – April 2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean -0.001246 0.001017 -0.048632 0.002953 0.002946
Median 0.000000 0.000457 -0.049237 0.004615 -0.004025
Maximum 0.346154 0.008151 0.058729 0.108862 0.204156
Minimum -0.166667 2.85E-06 -0.111848 -0.167319 -0.055652
Std. Dev. 0.061191 0.001448 0.036298 0.052227 0.043713
Skewness 1.604080 2.494408 0.600238 -0.779165 3.109218
Kurtosis 9.475172 10.17742 3.656421 4.956156 15.32302
Observations 240 240 240 240 240
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada sektor pertanan adalah 240. Kemudian, return saham
Sektor Pertanian memiliki nilai rata-rata -0.001246, median
0.000000, nilai maksimum 0.346154, nilai minimum -
0.166667, dan standar deviasi 0.061191. Sentimen investor
memiliki nilai rata-rata 0.001017, median 0.000457, nilai
maksimum 0.008151, nilai minimum -0.00000285, dan standar
86
deviasi 0.001488. Market Premium memiliki nilai rata-rata -
0.048632, median -0.049237, nilai maksimum 0.058729, nilai
minimum -0.111848, dan standar deviasi 0.036298. Size
Premium memiliki nilai rata-rata 0.002953, median 0.004615,
nilai maksimum 0.108862, nilai minimum -0.167319, dan
standar deviasi 0.052227. Value Premium memiliki nilai rata-
rata -0.002946, median -0.004025, nilai maksimum 0.204156,
nilai minimum -0.055652, dan standar deviasi 0.043713.
2. Pertambangan
Tahun 2019
Tabel 4.3 Statistik Deskriptif Sektor Pertambangan Maret – April
2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean -0.002327 0.001753 -0.059143 -0.002202 0.001301
Median 0.000000 0.001046 -0.059093 -0.001303 0.001982
Maximum 0.076336 0.018467 -0.049402 0.031883 0.037894
Minimum -0.088496 4.40E-07 -0.077139 -0.029279 -0.044660
Std. Dev. 0.021142 0.002335 0.006701 0.014326 0.014925
Skewness 0.050663 2.753661 -0.737542 0.385372 -0.480141
Kurtosis 5.572127 14.64169 3.169630 3.076495 4.749816
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Pertambangan adalah 300. Kemudian, return
saham Sektor Pertambangan memiliki nilai rata-rata -
0.002327, median 0.000000, nilai maksimum 0.076336, nilai
87
minimum -0.088496, dan standar deviasi 0.021142. Sentimen
investor memiliki nilai rata-rata 0.001753, median 0.001046,
nilai maksimum 0.018467, nilai minimum -0.00000044, dan
standar deviasi 0.002335. Market Premium memiliki nilai rata-
rata -0.059143, median -0.059093, nilai maksimum -0.049402,
nilai minimum -0.077139, dan standar deviasi 0.006701. Size
Premium memiliki nilai rata-rata -0.002202, median -
0.001303, nilai maksimum 0.031883, nilai minimum -
0.029279, dan standar deviasi 0.014326. Value Premium
memiliki nilai rata-rata 0.001301, median -0.001962, nilai
maksimum 0.037894, nilai minimum -0.044660, dan standar
deviasi 0.014925.
Tahun 2020
Tabel 4.4 Statistik Deskriptif Sektor Pertambangan Maret – April 2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean 0.006445 0.002366 -0.048632 -0.012711 0.000768
Median -0.003863 0.001365 -0.049237 -0.002680 0.005005
Maximum 2.285714 0.037397 0.058729 0.104516 0.070112
Minimum -0.139896 8.00E-08 -0.111848 -0.260498 -0.111432
Std. Dev. 0.147732 0.003694 0.036282 0.055492 0.047629
Skewness 12.35245 4.882780 0.600238 -2.617164 -0.814874
Kurtosis 190.3111 37.36223 3.656421 14.11989 2.961793
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Pertambangan adalah 300. Kemudian, return
saham Sektor Pertambangan memiliki nilai rata-rata 0.006445,
88
median -0.003863, nilai maksimum 2.285714, nilai minimum -
0.139696, dan standar deviasi 0.147732. Sentimen investor
memiliki nilai rata-rata 0.002366, median 0.001365, nilai
maksimum 0.037397, nilai minimum 0.00000008, dan standar
deviasi 0.003694. Market Premium memiliki nilai rata-rata -
0.048632, median -0.049237, nilai maksimum 0.058729, nilai
minimum -0.111848, dan standar deviasi 0.036282. Size
Premium memiliki nilai rata-rata -0.012711, median -
0.002680, nilai maksimum 0.104516, nilai minimum -
0.260498, dan standar deviasi 0.055492. Value Premium
memiliki nilai rata-rata 0.000768, median 0.005005, nilai
maksimum 0.070112, nilai minimum -0.111432, dan standar
deviasi 0.047629.
3. Industri Dasar dan Kimia
Tahun 2019
Tabel 4.5 Statistik Deskriptif Sektor Industri Dasar dan Kimia Maret –
April 2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean -0.000860 0.000905 -0.059143 -8.82E-05 0.001367
Median 0.000000 0.000502 -0.059093 0.001115 0.001891
Maximum 0.090909 0.012420 -0.049402 0.013535 0.018887
Minimum -0.104895 6.15E-06 -0.077139 -0.020512 -0.027160
Std. Dev. 0.022666 0.001335 0.006701 0.008182 0.009813
Skewness -0.277619 4.043314 -0.737542 -0.519330 -0.459470
Kurtosis 5.382028 26.46025 3.169630 2.749908 3.587520
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
89
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Industri Dasar dan Kimia adalah 300. Kemudian,
return saham sektor dasar dan kimia memiliki nilai rata-rata -
0.000860, median 0.000000, nilai maksimum 0.090909, nilai
minimum -0.104895, dan standar deviasi 0.022666. Sentimen
investor memiliki nilai rata-rata 0.000905, median 0.000502,
nilai maksimum 0.012420, nilai minimum 0.00000615, dan
standar deviasi 0.001335. Market Premium memiliki nilai rata-
rata -0.059143, median -0.059093, nilai maksimum -0.049402,
nilai minimum -0.077139, dan standar deviasi 0.006701. Size
Premium memiliki nilai rata-rata -0.0000882, median
0.001115, nilai maksimum 0.013535, nilai minimum -
0.020512, dan standar deviasi 0.008182. Value Premium
memiliki nilai rata-rata 0.001367, median 0.001891, nilai
maksimum 0.0188887, nilai minimum -0.027160, dan standar
deviasi 0.009813.
Tahun 2020
Tabel 4.6 Statistik Deskriptif Sektor Industri Dasar dan Kimia Maret –
April 2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean 0.001832 0.001141 -0.048632 -0.002226 0.002624
Median 0.000000 0.000486 -0.049237 -0.005800 0.001315
Maximum 0.858333 0.019014 0.058729 0.048661 0.059771
Minimum -0.125000 2.78E-07 -0.111848 -0.116704 -0.040178
Std. Dev. 0.077852 0.001932 0.036282 0.028830 0.017724
Skewness 5.130217 4.259277 0.600238 -1.774237 1.013981
Kurtosis 52.12930 30.71667 3.656421 9.123614 5.779921
90
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Industri Dasar dan Kimia adalah 300. Kemudian,
return saham sektor dasar dan kimia memiliki nilai rata-rata -
0.001832, median 0.000000, nilai maksimum 0.858333, nilai
minimum -0.125000, dan standar deviasi 0.077852. Sentimen
investor memiliki nilai rata-rata 0.001141, median 0.000486,
nilai maksimum 0.019014, nilai minimum 0.000000278, dan
standar deviasi 0.001932. Market Premium memiliki nilai rata-
rata -0.048632, median -0.049237, nilai maksimum 0.058729,
nilai minimum -0.111848, dan standar deviasi 0.036282. Size
Premium memiliki nilai rata-rata -0.002226, median -
0.005800, nilai maksimum 0.048661, nilai minimum -
0.116704, dan standar deviasi 0.028830. Value Premium
memiliki nilai rata-rata 0.002624, median 0.001315, nilai
maksimum 0.059771, nilai minimum -0.040178, dan standar
deviasi 0.017724.
4. Aneka Industri
91
Tahun 2019
Tabel 4.7 Statistik Deskriptif Sektor Aneka Industri Maret – April
2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean -0.002960 0.001620 -0.059143 -0.001100 -0.000919
Median -0.003086 0.000658 -0.059093 -0.006231 -0.000800
Maximum 0.198413 0.038375 -0.049402 0.045780 0.042623
Minimum -0.141129 5.96E-06 -0.077139 -0.037725 -0.043274
Std. Dev. 0.028313 0.004218 0.006701 0.018590 0.021405
Skewness 1.356578 6.130210 -0.737542 0.449459 -0.040470
Kurtosis 15.10817 45.51192 3.169630 3.157414 2.403371
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Aneka Industri adalah 300. Kemudian, return
saham Sektor Aneka Industri memiliki nilai rata-rata -
0.002960, median -0.003086, nilai maksimum 0.198413, nilai
minimum -0.141129, dan standar deviasi 0.028313. Sentimen
investor memiliki nilai rata-rata 0.001620, median 0.000658,
nilai maksimum 0.038375, nilai minimum 0.00000596, dan
standar deviasi 0.004218. Market Premium memiliki nilai rata-
rata -0.059143, median -0.059093, nilai maksimum -0.049402,
nilai minimum -0.077139, dan standar deviasi 0.006710. Size
Premium memiliki nilai rata-rata -0.001100, median -
0.006231, nilai maksimum 0.045780, nilai minimum -
0.037725, dan standar deviasi 0.018590. Value Premium
memiliki nilai rata-rata -0.000919, median -0.000800, nilai
92
maksimum 0.042623, nilai minimum -0.043274, dan standar
deviasi 0.021405.
Tahun 2020
Tabel 4.8 Statistik Deskriptif Sektor Aneka Industri Maret – April
2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean -0.001830 0.000793 -0.048632 0.006235 0.002265
Median -0.005278 0.000429 -0.049237 0.002907 0.000450
Maximum 0.250000 0.012539 0.058729 0.100473 0.086678
Minimum -0.157895 7.22E-08 -0.111848 -0.032114 -0.063785
Std. Dev. 0.060326 0.001362 0.036282 0.028622 0.034975
Skewness 1.002417 4.759794 0.600238 1.468072 0.302603
Kurtosis 5.175394 32.42609 3.656421 5.515302 2.775701
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Aneka Industri adalah 300. Kemudian, return
saham Sektor Aneka Industri memiliki nilai rata-rata -
0.001830, median -0.005278, nilai maksimum 0.250000, nilai
minimum -0.157895, dan standar deviasi 0.060326. Sentimen
investor memiliki nilai rata-rata 0.000793, median 0.000429,
nilai maksimum 0.012539, nilai minimum 0.0000000722, dan
standar deviasi 0.001362. Market Premium memiliki nilai rata-
rata -0.048632, median -0.049237, nilai maksimum 0.058729,
nilai minimum -0.111848, dan standar deviasi 0.036282. Size
Premium memiliki nilai rata-rata 0.006235, median 0.002907,
nilai maksimum 0.100473, nilai minimum -0.028622, dan
93
standar deviasi 0.036282. Value Premium memiliki nilai rata-
rata 0.002265, median 0.000450, nilai maksimum 0.086678,
nilai minimum -0.063785, dan standar deviasi 0.034975.
5. Industri Barang Konsumsi
Tahun 2019
Tabel 4.9 Statistik Deskriptif Sektor Industri Barang Konsumsi Maret
– April 2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean -0.002986 0.001133 -0.059143 -0.001062 -0.000556
Median 0.000000 0.000186 -0.059093 -0.003389 -0.001970
Maximum 0.137681 0.021430 -0.049402 0.020161 0.031958
Minimum -0.174312 3.04E-06 -0.077139 -0.021533 -0.019274
Std. Dev. 0.024217 0.002590 0.006701 0.009525 0.010028
Skewness -0.735138 4.528902 -0.737542 0.383394 1.160048
Kurtosis 15.48068 28.55992 3.169630 2.965191 5.110385
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada sektor industri barang konsumen adalah 300. Kemudian,
return saham sektor industri barang konsumen memiliki nilai
rata-rata -0.002986, median 0.000000, nilai maksimum
0.137681, nilai minimum -0.174312, dan standar deviasi
0.024217. Sentimen investor memiliki nilai rata-rata 0.001133,
median 0.000186, nilai maksimum 0.021430, nilai minimum
0.00000304, dan standar deviasi 0.002590. Market Premium
memiliki nilai rata-rata -0.059143, median -0.059093, nilai
94
maksimum -0.049402, nilai minimum -0.077139, dan standar
deviasi 0.006701. Size Premium memiliki nilai rata-rata -
0.001062, median -0.003389, nilai maksimum 0.020161, nilai
minimum -0.021533, dan standar deviasi 0.009525. Value
Premium memiliki nilai rata-rata -0.000556, median -
0.001970, nilai maksimum 0.031958, nilai minimum -
0.019274, dan standar deviasi 0.010028.
Tahun 2020
Tabel 4.10 Statistik Deskriptif Sektor Industri Barang Konsumsi
Maret – April 2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean 0.003519 0.001170 -0.048632 0.004656 -0.001266
Median 0.000000 0.000494 -0.049237 0.001551 3.28E-05
Maximum 0.250000 0.012844 0.058729 0.059777 0.030494
Minimum -0.152000 3.56E-07 -0.111848 -0.038300 -0.047787
Std. Dev. 0.066202 0.001980 0.036282 0.024706 0.016194
Skewness 1.214360 3.325050 0.600238 0.504950 -0.705449
Kurtosis 5.301188 15.52728 3.656421 2.363120 3.746172
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada sektor industri barang konsumen adalah 300. Kemudian,
return saham sektor industri barang konsumen memiliki nilai
rata-rata 0.003519, median 0.000000, nilai maksimum
0.25000, nilai minimum -0.152000, dan standar deviasi
0.066202. Sentimen investor memiliki nilai rata-rata 0.001170,
median 0.000494, nilai maksimum 0.012844, nilai minimum
95
0.000000356, dan standar deviasi 0.001980. Market Premium
memiliki nilai rata-rata -0.048632, median -0.049237, nilai
maksimum 0.058729, nilai minimum -0.111848, dan standar
deviasi 0.036282. Size Premium memiliki nilai rata-rata
0.004656, median 0.001551, nilai maksimum 0.059777, nilai
minimum -0.038300, dan standar deviasi 0.024706. Value
Premium memiliki nilai rata-rata -0.001266, median
0.0000328, nilai maksimum 0.030494, nilai minimum -
0.047787, dan standar deviasi 0.016194.
6. Properti, Real Estate, dan Konstruksi Bangunan
Tahun 2019
Tabel 4.11 Statistik Deskriptif Sektor Properti, Real Estate, dan
Konstruksi Bangunan Maret – April 2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean 0.002432 0.001614 -0.059143 -0.003728 0.001277
Median 0.000000 0.000701 -0.059093 -0.003998 -0.000425
Maximum 0.091667 0.010806 -0.049402 0.016436 0.035539
Minimum -0.061644 7.53E-06 -0.077139 -0.036611 -0.022523
Std. Dev. 0.022843 0.002058 0.006701 0.013264 0.015707
Skewness 0.658371 1.883420 -0.737542 -0.760687 0.514029
Kurtosis 4.506925 6.262877 3.169630 3.205102 2.383132
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Properti, Real Estate, dan Konstruksi Bangunan
adalah 300. Kemudian, return saham Sektor Properti, Real
96
Estate, dan Konstruksi Bangunan memiliki nilai rata-rata
0.002432, median 0.000000, nilai maksimum 0.091667, nilai
minimum -0.061644, dan standar deviasi 0.022843. Sentimen
investor memiliki nilai rata-rata 0.001614, median 0.000701,
nilai maksimum 0.010806, nilai minimum 0.00000753, dan
standar deviasi 0.002058. Market Premium memiliki nilai rata-
rata -0.059143, median -0.059093, nilai maksimum -0.049402,
nilai minimum -0.0771398, dan standar deviasi 0.06701. Size
Premium memiliki nilai rata-rata -0.003728, median -
0.003998, nilai maksimum 0.016436, nilai minimum -
0.036611, dan standar deviasi 0.013264. Value Premium
memiliki nilai rata-rata 0.001277, median -0.000425, nilai
maksimum 0.035539, nilai minimum -0.922523, dan standar
deviasi 0.015707.
Tahun 2020
Tabel 4.12 Statistik Deskriptif Sektor Properti, Real Estate, dan
Konstruksi Bangunan Maret – April 2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean -0.005927 0.002293 -0.048632 0.002816 0.007640
Median -0.018019 0.000968 -0.049237 0.002155 0.010848
Maximum 0.248555 0.024680 0.058729 0.093293 0.041409
Minimum -0.182143 2.81E-06 -0.111848 -0.038640 -0.024643
Std. Dev. 0.068518 0.003299 0.036282 0.024553 0.019484
Skewness 1.280430 2.974406 0.600238 1.336837 0.086028
Kurtosis 5.517372 15.59007 3.656421 6.983691 1.900021
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
97
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Properti, Real Estate, dan Konstruksi Bangunan
adalah 300. Kemudian, return saham Sektor Properti, Real
Estate, dan Konstruksi Bangunan memiliki nilai rata-rata -
0.005927, median -0.018019, nilai maksimum 0.248555, nilai
minimum -0.182143, dan standar deviasi 0.068518. Sentimen
investor memiliki nilai rata-rata 0.002293, median 0.000968,
nilai maksimum 0.024680, nilai minimum 0.00000281, dan
standar deviasi 0.003299. Market Premium memiliki nilai rata-
rata -0.048632, median -0.049231, nilai maksimum 0.058729,
nilai minimum -0.111848, dan standar deviasi 0.036282. Size
Premium memiliki nilai rata-rata 0.002816, median 0.002155,
nilai maksimum 0.093293, nilai minimum -0.038640, dan
standar deviasi 0.024553. Value Premium memiliki nilai rata-
rata 0.007640, median 0.010848, nilai maksimum 0.041409,
nilai minimum -0.024643, dan standar deviasi 0.019484.
7. Infrastruktur, Utilitas, dan Transportasi
Tahun 2019
Tabel 4.13 Statistik Deskriptif Sektor Infrastruktur, Utilitas, dan
Transportasi Maret – April 2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean -0.000589 0.001767 -0.059143 -0.000964 -0.003341
Median 0.000000 0.000869 -0.059093 -0.000975 -0.006407
98
Maximum 0.127148 0.127148 -0.049402 0.054538 0.061628
Minimum -0.136449 -0.115854 -0.077139 -0.058901 -0.079950
Std. Dev. 0.027083 0.011930 0.006701 0.020379 0.029458
Skewness 0.311432 0.644892 -0.737542 -0.145967 0.013895
Kurtosis 8.942939 74.78772 3.169630 4.981003 3.244118
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Infrastruktur, Utilitas, dan Transportasi adalah
300. Kemudian, return saham Sektor Infrastruktur, Utilitas,
dan Transportasi memiliki nilai rata-rata -0.000589, median
0.000000, nilai maksimum 0.127148, nilai minimum -
0.136449, dan standar deviasi 0.027083. Sentimen investor
memiliki nilai rata-rata 0.001767, median 0.000869, nilai
maksimum 0.127148, nilai minimum -0.115854, dan standar
deviasi 0.011930. Market Premium memiliki nilai rata-rata -
0.059143, median -0.059093, nilai maksimum -0.049402, nilai
minimum -0.077139, dan standar deviasi 0.006701. Size
Premium memiliki nilai rata-rata -0.000964, median -
0.000975, nilai maksimum 0.054538, nilai minimum -
0.058901, dan standar deviasi 0.020379. Value Premium
memiliki nilai rata-rata -0.003341, median -0.006407, nilai
maksimum 0.061628, nilai minimum -0.079950, dan standar
deviasi 0.029458.
99
Tahun 2020
Tabel 4.14 Statistik Deskriptif Sektor infrastruktur, Utilitas, dan
Transportasi Maret – April 2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean -0.006649 0.001950 -0.048632 -0.003558 -0.003918
Median -0.012042 0.001160 -0.049237 1.58E-07 -0.004464
Maximum 0.214876 0.062298 0.058729 0.032084 0.016471
Minimum -0.247826 1.60E-05 -0.111848 -0.034575 -0.024027
Std. Dev. 0.059741 0.004090 0.036282 0.017332 0.010471
Skewness 0.460484 11.15291 0.600238 -0.120022 0.071557
Kurtosis 3.881649 160.0345 3.656421 2.221542 2.026331
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Infrastruktur, Utilitas, dan Transportasi adalah
300. Kemudian, return saham Sektor Infrastruktur, Utilitas,
dan Transportasi memiliki nilai rata-rata -0.006649, median -
0.012042, nilai maksimum 0.214876, nilai minimum -
0.247926, dan standar deviasi 0.059741. Sentimen investor
memiliki nilai rata-rata 0.001950, median 0.001160, nilai
maksimum 0.062298, nilai minimum 0.0000160, dan standar
deviasi 0.004090. Market Premium memiliki nilai rata-rata -
0.048632, median -0.049237, nilai maksimum 0.058729, nilai
minimum -0.111848, dan standar deviasi 0.036282. Size
Premium memiliki nilai rata-rata -0.003558, median
0.000000158, nilai maksimum 0.032084, nilai minimum -
0.034575, dan standar deviasi 0.017332. Value Premium
100
memiliki nilai rata-rata -0.003918, median -0.004464, nilai
maksimum 0.016471, nilai minimum -0.024027, dan standar
deviasi 0.010471.
8. Keuangan
Tahun 2019
Tabel 4.15 Statistik Deskriptif Sektor Keuangan Maret – April 2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean -0.001539 0.000475 -0.059143 0.000824 -0.004301
Median 0.000000 0.000201 -0.059093 0.001619 -0.010391
Maximum 0.083333 0.007861 -0.049402 0.028864 0.047446
Minimum -0.070093 4.76E-07 -0.077139 -0.025997 -0.037016
Std. Dev. 0.018195 0.000845 0.006701 0.014257 0.021074
Skewness 0.457285 4.862741 -0.737542 -0.079840 0.952471
Kurtosis 6.326527 34.57912 3.169630 2.110193 3.503474
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada sektor Keuangan adalah 300. Kemudian, return saham
Sektor Keuangan memiliki nilai rata-rata -0.001539, median
0.000000, nilai maksimum 0.083333, nilai minimum -
0.070093, dan standar deviasi 0.018195. Sentimen investor
memiliki nilai rata-rata 0.000475, median 0.000201, nilai
maksimum 0.007861, nilai minimum 0.000000476, dan
standar deviasi 0.000845. Market Premium memiliki nilai rata-
rata -0.059143, median -0.059093, nilai maksimum -0.049402,
nilai minimum -0.077139, dan standar deviasi 0.006701. Size
101
Premium memiliki nilai rata-rata 0.000825, median 0.001619,
nilai maksimum 0.028864, nilai minimum -0.0525997, dan
standar deviasi 0.014257. Value Premium memiliki nilai rata-
rata -0.004301, median -0.010391, nilai maksimum 0.047446,
nilai minimum -0.037016, dan standar deviasi 0.021074.
Tahun 2020
Tabel 4.16 Statistik Deskriptif Sektor Keuangan Maret – April 2020
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean -0.007165 0.000581 -0.048632 0.002677 0.003010
Median -0.008000 0.000109 -0.049237 0.003055 -0.004097
Maximum 0.341772 0.006238 0.058729 0.082415 0.167886
Minimum -0.144000 2.23E-08 -0.111848 -0.127623 -0.093451
Std. Dev. 0.060165 0.001012 0.036282 0.038101 0.049922
Skewness 1.712465 2.695966 0.600238 -0.855055 1.038984
Kurtosis 8.710401 11.21711 3.656421 5.853655 5.226201
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada sektor Keuangan adalah 300. Kemudian, return saham
Sektor Keuangan memiliki nilai rata-rata -0.007165, median
0.008000, nilai maksimum 0.341772, nilai minimum -
0.144000, dan standar deviasi 0.060165. Sentimen investor
memiliki nilai rata-rata 0.000581, median 0.000109, nilai
maksimum 0.006236, nilai minimum 0.0000000223, dan
standar deviasi 0.001012. Market Premium memiliki nilai rata-
rata -0.048632, median -0.049237, nilai maksimum 0.058729,
nilai minimum -0.111848, dan standar deviasi 0.036282. Size
102
Premium memiliki nilai rata-rata 0.002677, median 0.003055,
nilai maksimum 0.082415, nilai minimum -0.127623, dan
standar deviasi 0.038101. Value Premium memiliki nilai rata-
rata 0.003010, median -0.004097, nilai maksimum 0.167886,
nilai minimum -0.093451, dan standar deviasi 0.049922.
9. Perdagangan, Jasa, dan Investasi
Tahun 2019
Tabel 4.17 Statistik Deskriptif Sektor Perdagangan, Jasa, dan Investasi
Maret – April 2019
Sample: 3/01/2019 4/15/2019 RETURN SENT MP SMB HML Mean 0.001851 0.001391 -0.059143 0.001825 0.000401
Median 0.000000 0.000944 -0.059093 -0.000717 0.001489
Maximum 0.108696 0.015442 -0.049402 0.023893 0.023591
Minimum -0.104294 1.66E-07 -0.077139 -0.015581 -0.033128
Std. Dev. 0.024951 0.001819 0.006701 0.010518 0.011511
Skewness 0.386808 3.108719 -0.737542 0.335115 -0.469477
Kurtosis 7.731096 18.54175 3.169630 2.009382 3.958117
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Perdagangan, Jasa, dan Investasi adalah 300.
Kemudian, return saham Sektor Perdagangan, Jasa, dan
Investasi memiliki nilai rata-rata 0.001851, median 0.000000,
nilai maksimum 0.108696, nilai minimum -0.104294, dan
standar deviasi 0.024951. Sentimen investor memiliki nilai
rata-rata 0.001391, median 0.000944, nilai maksimum
103
0.015442, nilai minimum 0.000000166, dan standar deviasi
0.001819. Market Premium memiliki nilai rata-rata -0.059143,
median -0.059093, nilai maksimum -0.049402, nilai minimum
-0.077139, dan standar deviasi 0.006701. Size Premium
memiliki nilai rata-rata 0.001825, median -0.000717, nilai
maksimum 0.023893, nilai minimum -0.015581, dan standar
deviasi 0.010518. Value Premium memiliki nilai rata-rata
0.000401, median 0.001489, nilai maksimum 0.023591, nilai
minimum -0.033128, dan standar deviasi 0.011511.
Tahun 2020
Tabel 4.18 Statistik Deskriptif Sektor Perdagangan, Jasa, dan Investasi
Maret – April 2019
Sample: 3/02/2020 4/14/2020 RETURN SENT MP SMB HML Mean -0.008524 0.000612 -0.048632 -0.000770 -0.001626
Median -0.009167 0.000263 -0.049237 0.001577 -0.000318
Maximum 0.274074 0.007931 0.058729 0.048572 0.044481
Minimum -0.128834 4.33E-08 -0.111848 -0.061118 -0.060322
Std. Dev. 0.058036 0.001013 0.036282 0.019024 0.019063
Skewness 1.541361 4.025392 0.600238 -0.365248 -0.454627
Kurtosis 7.000729 24.49043 3.656421 5.487906 5.036142
Observations 300 300 300 300 300
Sumber: Data diolah (2021)
Dari tabel di atas, dapat diketahui bahwa jumlah observasi
pada Sektor Perdagangan, Jasa, dan Investasi adalah 300.
Kemudian, return saham Sektor Perdagangan, Jasa, dan
Investasi memiliki nilai rata-rata -0.008524, median -0.009167,
nilai maksimum 0.274074, nilai minimum -0.128834, dan
104
standar deviasi 0.058036. Sentimen investor memiliki nilai
rata-rata 0.000612, median 0.000263, nilai maksimum
0.007931, nilai minimum 0.0000000433, dan standar deviasi
0.001013. Market Premium memiliki nilai rata-rata -0.048632,
median -0.049237, nilai maksimum 0.058729, nilai minimum -
0.111848, dan standar deviasi 0.036282. Size Premium
memiliki nilai rata-rata -0.000770, median 0.001577, nilai
maksimum 0.048572, nilai minimum -0.061118, dan standar
deviasi 0.019024. Value Premium memiliki nilai rata-rata -
0.001626, median -0.000318, nilai maksimum 0.044481, nilai
minimum -0.060322, dan standar deviasi 0.019063.
4.2.2 Analisis Regresi
Analisis regresi yang dilakukan dalam penelitian ini adalah analisi
data panel yang dilakukan dengan variabel dependen berupa return
(imbal hasil) saham dan variabel independen utama berupa sentiment
investor. Adapun variabel independen pendukung yang digunakan
berupa fama French three factor model yaitu Market Premium, Size
Premium, dan Value Premium. Pertama, dilakukan estimasi CEM,
FEM, dan REM. Kemudian, dilanjutkan dengan uji pemilihan model,
yaitu Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier. Adapun
regresi data panel yang dilakukan pada tiap-tiap sektor adalah sebagai
berikut:
105
a. Pertanian
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 8 perusahaan dari
Sektor Pertanian selama 30 hari di Maret - April 2019 dengan
total 240 observasi adalah sebagai berikut.
Tabel 4.19 Regresi Sektor Pertanian Maret – April 2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.037869 0.010137 3.735787 0.0002
SENT 1.005564 0.392693 2.560691 0.0111
MP 0.672627 0.171127 3.930572 0.0001
SMB -0.136784 0.104384 -1.310394 0.1913
HML 0.089762 0.066048 1.359039 0.1754
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.037185 0.010096 3.683269 0.0003
SENT 2.154778 0.574729 3.749207 0.0002
MP 0.688559 0.170476 4.039036 0.0001
SMB -0.145340 0.103973 -1.397859 0.1635
HML 0.083789 0.065795 1.273494 0.2041
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.037869 0.010092 3.752252 0.0002
SENT 1.005564 0.390969 2.571976 0.0107
MP 0.672627 0.170376 3.947895 0.0001
SMB -0.136784 0.103926 -1.316169 0.1894
HML 0.089762 0.065758 1.365029 0.1735
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
106
Uji Chow
Gambar 4.1 Uji Chow Sektor Peranian Maret – April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.2 Uji Lagrange Multiplier Sektor Pertanian Maret –
April 2019
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
107
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 8 perusahaan dari
Sektor Pertanian selama 30 hari di Maret - April 2020 dengan
total 240 observasi adalah sebagai berikut.
Tabel 4.20 Regresi Sektor Pertanian Maret – April 2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.024859 0.007983 3.114027 0.0021
SENT 4.043984 2.060599 1.962528 0.0509
MP 0.623168 0.145239 4.290635 0.0000
SMB -0.323092 0.101658 -3.178217 0.0017
HML 0.354351 0.084619 4.187609 0.0000
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.021917 0.008363 2.620729 0.0094
SENT 6.388414 2.809216 2.274091 0.0239
MP 0.611472 0.146140 4.184149 0.0000
SMB -0.328644 0.102173 -3.216562 0.0015
HML 0.356605 0.084984 4.196139 0.0000
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.024859 0.008016 3.101363 0.0022
SENT 4.043984 2.069014 1.954547 0.0518
MP 0.623168 0.145832 4.273186 0.0000
SMB -0.323092 0.102073 -3.165292 0.0018
HML 0.354351 0.084965 4.170578 0.0000
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
108
Uji Chow
Gambar 4.3 Uji Chow Sektor Pertanian Maret – April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.4 Uji Lagrange Multiplier Sektor Pertanian Maret – April
2020
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
109
b. Pertambangan (Mining)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Pertambangan selama 30 hari di Maret - April 2019
dengan total 300 observasi adalah sebagai berikut.
Tabel 4.21 Regresi Sektor Pertambangan Maret – April
2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.032387 0.010789 3.001747 0.0029
SENT 1.110206 0.494649 2.244435 0.0255
MP 0.627183 0.180100 3.482408 0.0006
SMB -0.022595 0.081849 -0.276055 0.7827
HML 0.294752 0.082127 3.588983 0.0004
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.031005 0.010965 2.827612 0.0050
SENT 1.765184 0.785819 2.246299 0.0254
MP 0.623122 0.181819 3.427148 0.0007
SMB -0.017295 0.082758 -0.208984 0.8346
HML 0.298816 0.082978 3.601126 0.0004
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.032387 0.010890 2.974006 0.0032
SENT 1.110206 0.499263 2.223693 0.0269
MP 0.627183 0.181780 3.450225 0.0006
SMB -0.022595 0.082612 -0.273504 0.7847
HML 0.294752 0.082893 3.555815 0.0004
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
110
Uji Chow
Gambar 4.5 Uji Chow Sektor Pertambangan Maret – April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.6 Uji Lagrange Multplier Sektor Pertambangan Maret –
April 2019
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
111
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Pertambangan selama 30 hari (Maret – April) di Maret -
April 2020 dengan total 300 observasi adalah sebagai berikut.
Tabel 4.22 Regresi Sektor Pertambangan Maret – April
2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.016713 0.017063 0.979473 0.3281
SENT 4.763792 2.174128 2.191128 0.0292
MP 0.601095 0.269778 2.228111 0.0266
SMB -0.636788 0.143730 -4.430443 0.0000
HML -0.520207 0.202229 -2.572367 0.0106 FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.007927 0.018088 0.438207 0.6616
SENT 7.352297 2.825306 2.602301 0.0097
MP 0.549539 0.271361 2.025124 0.0438
SMB -0.649271 0.143555 -4.522797 0.0000
HML -0.525227 0.201639 -2.604793 0.0097 REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.016236 0.017246 0.941455 0.3472
SENT 4.904213 2.208174 2.220936 0.0271
MP 0.598298 0.269081 2.223488 0.0269
SMB -0.637465 0.143303 -4.448363 0.0000
HML -0.520479 0.201610 -2.581618 0.0103
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
112
Uji Chow
Gambar 4.7 Uji Chow Sektor Pertambangan Maret – April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.8 Lagrange Multiplier Sektor Pertambangan Maret –
April 2020
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
113
c. Industri Dasar dan Kimia (Basic Industry and Chemical)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Industri Dasar dan Kimia selama 30 hari (Maret –
April) di Maret - April 2019 dengan total 300 observasi adalah
sebagai berikut.
Tabel 4.23 Regresi Sektor Industri Dasar dan Kimia Maret
– April 2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.044592 0.011890 3.750380 0.0002
SENT 3.630430 0.919494 3.948292 0.0001
SMB -0.363684 0.241989 -1.502895 0.1339
MP 0.824660 0.198316 4.158308 0.0000
HML 0.001471 0.193453 0.007606 0.9939
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.043081 0.011823 3.643755 0.0003
SENT 5.792549 1.313433 4.410235 0.0000
SMB -0.353435 0.240301 -1.470802 0.1424
MP 0.831666 0.196923 4.223311 0.0000
HML -0.022062 0.192345 -0.114699 0.9088
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.044590 0.011805 3.777167 0.0002
SENT 3.633048 0.913513 3.977008 0.0001
SMB -0.363672 0.240259 -1.513662 0.1312
MP 0.824669 0.196899 4.188286 0.0000
HML 0.001443 0.192071 0.007512 0.9940
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
114
Uji Chow
Gambar 4.9 Uji Chow Sektor Industri Dasar dan Kimia Maret –
April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.10 Uji Lagrange Multiplier Sektor Industri Dasar dan
Kimia Maret – April 2019
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
115
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Industri Dasar dan Kimia selama 30 hari (Maret –
April) di Maret - April 2020 dengan total 300 observasi adalah
sebagai berikut.
Tabel 4.24 Regresi Sektor Industri Dasar dan Kimia Maret
– April 2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.035045 0.007390 4.742562 0.0000
SENT 5.042138 2.101949 2.398792 0.0171
MP 0.866538 0.114123 7.592997 0.0000
SMB -0.580068 0.156661 -3.702703 0.0003
HML 0.718363 0.258501 2.778959 0.0058
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.029553 0.007837 3.771113 0.0002
SENT 8.883156 2.791134 3.182633 0.0016
MP 0.842581 0.114591 7.352950 0.0000
SMB -0.572874 0.156551 -3.659351 0.0003
HML 0.703488 0.258355 2.722956 0.0069
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.035045 0.007383 4.747046 0.0000
SENT 5.042138 2.099963 2.401060 0.0170
MP 0.866538 0.114016 7.600176 0.0000
SMB -0.580068 0.156513 -3.706203 0.0003
HML 0.718363 0.258256 2.781587 0.0058
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
116
Uji Chow
Gambar 4.11 Uji Chow Sektor Industri Dasar dan Kimia Maret –
April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.12 Regresi Sektor Industri Dasar dan Kimia Maret – April
2020
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
117
d. Aneka Industri (Miscellaneous Industry)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Aneka Industri selama 30 hari (Maret – April) di Maret
- April 2019 dengan total 300 observasi adalah sebagai berikut.
Tabel 4.25 Regresi Sektor Aneka Industri Maret – April
2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.054996 0.014050 3.914174 0.0001
SENT 1.732914 0.363169 4.771653 0.0000
MP 1.020221 0.236105 4.321051 0.0000
SMB 0.217137 0.087756 2.474310 0.0139
HML 0.200462 0.078235 2.562290 0.0109
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.054974 0.014031 3.918178 0.0001
SENT 2.198896 0.442733 4.966636 0.0000
MP 1.032802 0.235871 4.378674 0.0000
SMB 0.209075 0.087743 2.382817 0.0178
HML 0.198355 0.078133 2.538678 0.0117
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.054996 0.014031 3.919709 0.0001
SENT 1.732914 0.362656 4.778401 0.0000
MP 1.020221 0.235771 4.327162 0.0000
SMB 0.217137 0.087632 2.477809 0.0138
HML 0.200462 0.078125 2.565913 0.0108
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
118
Uji Chow
Gambar 4.13 Uji Chow Sektor Aneka Industri Maret – April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.14 Uji Lagrange Mulplier Sektor Aneka Industri Maret –
April 2019
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
119
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Aneka Industri selama 30 hari (Maret – April) di Maret
- April 2020 dengan total 300 observasi adalah sebagai berikut.
Tabel 4.26 Regresi Sektor Aneka Industri Maret – April
2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.044867 0.005096 8.804471 0.0000
SENT 0.178666 1.804158 0.099030 0.9212
MP 0.997338 0.080134 12.44584 0.0000
SMB 0.183112 0.095559 1.916213 0.0563
HML 0.230585 0.084587 2.726004 0.0068 FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.042890 0.005337 8.036732 0.0000
SENT 2.233722 2.366405 0.943931 0.3460
MP 0.990779 0.080869 12.25160 0.0000
SMB 0.188061 0.096332 1.952207 0.0519
HML 0.229688 0.085213 2.695452 0.0074 REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.044867 0.005134 8.740086 0.0000
SENT 0.178666 1.817448 0.098306 0.9218
MP 0.997338 0.080725 12.35482 0.0000
SMB 0.183112 0.096263 1.902200 0.0581
HML 0.230585 0.085210 2.706070 0.0072
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
120
Uji Chow
Gambar 4.15 Uji Chow Sektor Aneka Industri Maret – April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.16 Uji Lagrange Multiplier Sektor Aneka Industri Maret –
April 2020
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
121
e. Industri Barang Konsumsi (Consumer Goods Industry)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Industri Barang Konsumsi selama 30 hari (Maret –
April) di Maret - April 2019 dengan total 300 observasi adalah
sebagai berikut.
Tabel 4.27 Regresi Sektor Industri Barang Konsumsi
Maret – April 2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.039110 0.016200 2.414245 0.0164
SENT 0.840808 0.531781 1.581115 0.1149
MP 0.724687 0.270604 2.678032 0.0078
SMB 0.133543 0.272390 0.490266 0.6243
HML 0.084588 0.246719 0.342849 0.7320
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.035229 0.016159 2.180099 0.0301
SENT 2.612750 0.760088 3.437432 0.0007
MP 0.693809 0.269356 2.575812 0.0105
SMB 0.078829 0.271487 0.290359 0.7718
HML 0.104678 0.245506 0.426378 0.6702
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.039110 0.016115 2.426951 0.0158
SENT 0.840808 0.528997 1.589436 0.1130
MP 0.724687 0.269188 2.692126 0.0075
SMB 0.133543 0.270964 0.492846 0.6225
HML 0.084588 0.245428 0.344654 0.7306
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
122
Uji Chow
Gambar 4.17 Uji Chow Sektor Industri Barang Konsumsi Maret –
April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.18 Uji Lagrange Multiplier Sektor Industri Barang
Konsumsi Maret – April 2019
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
123
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Industri Barang Konsumsi selama 30 hari (Maret –
April) di Maret - April 2020 dengan total 300 observasi adalah
sebagai berikut.
Tabel 4.28 Regresi Sektor Industri Barang Konsumsi
Maret – April 2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.040033 0.005999 6.673477 0.0000
SENT 10.07703 1.501428 6.711630 0.0000
MP 1.016763 0.093260 10.90252 0.0000
SMB 0.316733 0.131999 2.399509 0.0170
HML 0.263356 0.227201 1.159131 0.2473
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.037072 0.006341 5.846243 0.0000
SENT 12.16111 2.060342 5.902468 0.0000
MP 1.004849 0.093912 10.69988 0.0000
SMB 0.307229 0.132590 2.317130 0.0212
HML 0.273858 0.228062 1.200806 0.2308
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.040033 0.006019 6.651496 0.0000
SENT 10.07703 1.506390 6.689523 0.0000
MP 1.016763 0.093568 10.86661 0.0000
SMB 0.316733 0.132435 2.391606 0.0174
HML 0.263356 0.227952 1.155313 0.2489
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
124
Uji Chow
Gambar 4.19 Uji Chow Sektor Industri Barang Konsumsi Maret –
April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.20 Uji Lagrange Multiplier Sektor Industri Barang
Konsumsi Maret – April 2020
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
125
f. Properti, Real Estate, dan Konstruksi Bangunan (Property,
Real Estate, and Building Construction)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
sektor property, real estate, dan konstrusi bangunan selama 30
hari (Maret – April) di Maret - April 2019 dengan total 300
observasi adalah sebagai berikut.
Tabel 4.29 Regresi Sektor Properti, Real Estate, dan
Konstruksi Bangunan Maret – April 2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.051757 0.011326 4.569594 0.0000
SENT 2.420506 0.554417 4.365857 0.0000
MP 0.919013 0.187768 4.894401 0.0000
SMB -0.198137 0.103778 -1.909232 0.0572
HML 0.300153 0.082980 3.617190 0.0004
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.047681 0.010848 4.395364 0.0000
SENT 5.964177 0.873232 6.830006 0.0000
MP 0.943998 0.179417 5.261473 0.0000
SMB -0.171204 0.099266 -1.724694 0.0857
HML 0.248718 0.079898 3.112957 0.0020
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.051221 0.010845 4.723186 0.0000
SENT 2.886545 0.586377 4.922678 0.0000
MP 0.922299 0.179359 5.142191 0.0000
SMB -0.194595 0.099144 -1.962744 0.0506
HML 0.293388 0.079344 3.697692 0.0003
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
126
Uji Chow
Gambar 4.21 Uji Chow Sektor Properti, Real Estate, dan Konstruksi
Bangunan Maret – April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model FEM lebih baik daripada CEM (prob < .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara FEM dengan
REM
Uji Hausman
Gambar 4.22 Uji Hausman Sektor Properti, Real Estate, dan
Konstruksi Bangunan Maret – April 2019
Dari uji tersebut terlihat bahwa tidak keluar hasil yang
seharusnya, maka pemilihan model dilakukan berdasarkan
teori pemilihan model apabila T>N maka model terbaik adalan
FEM (Nachrowi dan Usman, 2006).
127
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
sektor property, real estate, dan konstrusi bangunan selama 30
hari (Maret – April) di Maret - April 2020 dengan total 300
observasi adalah sebagai berikut.
Tabel 4.30 Regresi Sektor Properti, Real Estate, dan
Konstruksi Bangunan Maret – April 2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.047313 0.006266 7.551221 0.0000
SENT 2.228170 0.905746 2.460039 0.0145
MP 1.154923 0.112590 10.25778 0.0000
SMB -0.056638 0.129370 -0.437801 0.6619
HML -0.264857 0.205840 -1.286715 0.1992
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.038939 0.006850 5.684190 0.0000
SENT 4.615474 1.211806 3.808757 0.0002
MP 1.098440 0.113629 9.666873 0.0000
SMB -0.017807 0.129365 -0.137650 0.8906
HML -0.259147 0.204771 -1.265546 0.2067
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.047313 0.006233 7.590987 0.0000
SENT 2.228170 0.901001 2.472994 0.0140
MP 1.154923 0.112000 10.31180 0.0000
SMB -0.056638 0.128692 -0.440106 0.6602
HML -0.264857 0.204762 -1.293491 0.1969
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
128
Uji Chow
Gambar 4.23 Uji Chow Sektor Properti, Real Estate, dan Konstruksi
Bangunan Maret – April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.24 Uji Lagrange Multiplier Sektor Properti, Real Estate,
dan Konstruksi Bangunan Maret – April 2020
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
129
g. Infastruktur, Utilitas, dan Transportasi (Infrastructure, Utility,
and Transportation)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
sektor infrastruktur, Utilitas, dan ransportasi selama 30 hari di
Maret - April 2019 dengan total 300 observasi adalah sebagai
berikut.
Tabel 4.31 Regresi Sektor Infrastruktur, Utilitas, dan
Transportasi Maret – April 2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.041650 0.014415 2.889279 0.0041
SENT 0.974946 0.116397 8.376035 0.0000
MP 0.735393 0.243209 3.023714 0.0027
SMB 0.018874 0.084616 0.223060 0.8236
HML 0.134669 0.056331 2.390659 0.0174
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.041393 0.014322 2.890140 0.0041
SENT 1.048109 0.119427 8.776133 0.0000
MP 0.733033 0.241632 3.033673 0.0026
SMB 0.020813 0.084071 0.247563 0.8047
HML 0.137714 0.055980 2.460079 0.0145
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.041650 0.014322 2.908150 0.0039
SENT 0.974946 0.115642 8.430745 0.0000
MP 0.735393 0.241630 3.043463 0.0025
SMB 0.018874 0.084067 0.224517 0.8225
HML 0.134669 0.055966 2.406274 0.0167
Sumber: Data diolah (2021)
130
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
Uji Chow
Gambar 4.25 Uji Chow Sektor Infastruktur, Utilitas, dan
Transportasi Maret – April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.26 Uji Lagrange Multiplier Sektor Infastruktur, Utilitas,
dan Transportasi Maret – April 2019
131
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
sektor infrastruktur, Utilitas, dan ransportasi selama 30 hari di
Maret - April 2020 dengan total 300 observasi adalah sebagai
berikut.
Tabel 4.32 Regresi Sektor Infastruktur, Utilitas, dan
Transportasi Maret – April 2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.053934 0.005028 10.72771 0.0000
SENT 1.279453 0.568640 2.250021 0.0252
MP 1.257961 0.073963 17.00787 0.0000
SMB -0.238952 0.161182 -1.482499 0.1393
HML 0.702274 0.281340 2.496173 0.0131
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.053133 0.005065 10.49080 0.0000
SENT 1.545613 0.624260 2.475913 0.0139
MP 1.253222 0.073741 16.99495 0.0000
SMB -0.244404 0.160461 -1.523133 0.1288
HML 0.694224 0.280038 2.479038 0.0138
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.053747 0.005206 10.32311 0.0000
SENT 1.341727 0.579990 2.313364 0.0214
MP 1.256852 0.073626 17.07072 0.0000
SMB -0.240227 0.160392 -1.497755 0.1353
HML 0.700391 0.279951 2.501836 0.0129
Sumber: Data diolah (2021)
132
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
Uji Chow
Gambar 4.27 Uji Chow Sektor Infastruktur, Utilitas, dan
Transportasi Maret – April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.28 Uji Lagrange Multiplier Sektor Infastruktur, Utilitas,
dan Transportasi Maret – April 2020
133
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
h. Keuangan (Finance)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Keuangan selama 30 hari (Maret – April) di Maret -
April 2020 dengan total 300 observasi adalah sebagai berikut.
Tabel 4.33 Regresi Sektor Keuangan Maret – April 2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.034395 0.009265 3.712290 0.0002
SENT 0.528310 1.201271 0.439792 0.6604
MP 0.604351 0.155713 3.881190 0.0001
SMB -0.224973 0.087884 -2.559868 0.0110
HML 0.059697 0.058397 1.022260 0.3075
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.033514 0.009306 3.601125 0.0004
SENT 2.130639 1.445375 1.474108 0.1416
MP 0.602314 0.156237 3.855138 0.0001
SMB -0.215640 0.088301 -2.442118 0.0152
HML 0.061735 0.058601 1.053481 0.2930
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.034395 0.009296 3.699922 0.0003
SENT 0.528310 1.205287 0.438327 0.6615
MP 0.604351 0.156233 3.868259 0.0001
SMB -0.224973 0.088178 -2.551340 0.0112
HML 0.059697 0.058593 1.018854 0.3091
Sumber: Data diolah (2021)
134
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
Uji Chow
Gambar 4.29 Uji Chow Sektor Keuangan Maret – April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.30 Uji Lagrange Multiplier Sektor Keuangan Maret –
April 2019
135
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Keuangan selama 30 hari (Maret – April) di Maret -
April 2020 dengan total 300 observasi adalah sebagai berikut.
Tabel 4.34 Regresi Sektor Keuangan Maret – April 2020
CEM Variable Coefficient Std. Error t-Statistic Prob.
C 0.028697 0.005687 5.045694 0.0000
SENT 7.436518 2.810711 2.645778 0.0086
MP 0.849198 0.088430 9.603009 0.0000
SMB 0.223861 0.104388 2.144509 0.0328
HML 0.172217 0.086912 1.981509 0.0485
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.023223 0.006111 3.800451 0.0002
SENT 14.85968 4.134361 3.594192 0.0004
MP 0.824461 0.089000 9.263623 0.0000
SMB 0.217873 0.104409 2.086718 0.0378
HML 0.164109 0.086969 1.886980 0.0602
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.028697 0.005687 5.046042 0.0000
SENT 7.436518 2.810517 2.645961 0.0086
MP 0.849198 0.088424 9.603671 0.0000
SMB 0.223861 0.104381 2.144657 0.0328
HML 0.172217 0.086906 1.981646 0.0484
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
136
Uji Chow
Gambar 4.31 Uji Chow Sektor Keuangan Maret – April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.32 Uji Lagrange Multiplier Sektor Keuangan Maret –
April 2020
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
137
i. Perdagangan, Jasa, dan Investasi (Trade, Service, and
Investment)
Maret - April 2019
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Perdagangan, Jasa, dan Investasi selama 30 hari (Maret
– April) di Maret - April 2020 dengan total 300 observasi
adalah sebagai berikut.
Tabel 4.35 Regresi Sektor Perdagangan, Jasa, dan
Investasi Maret – April 2019
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.027229 0.005244 5.192139 0.0000
SENT 6.678241 2.830687 2.359230 0.0190
MP 0.822130 0.079397 10.35471 0.0000
SMB 0.078405 0.162605 0.482177 0.6300
HML -0.124825 0.161887 -0.771059 0.4413
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.023022 0.005403 4.260653 0.0000
SENT 12.18396 3.595705 3.388476 0.0008
MP 0.804678 0.077675 10.35957 0.0000
SMB 0.080666 0.158375 0.509335 0.6109
HML -0.118488 0.157695 -0.751376 0.4530
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.025321 0.006191 4.090259 0.0001
SENT 9.175237 3.165032 2.898940 0.0040
MP 0.814215 0.077486 10.50785 0.0000
SMB 0.079430 0.158373 0.501538 0.6164
HML -0.121951 0.157683 -0.773395 0.4399
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
138
Uji Chow
Gambar 4.33 Uji Chow Sektor Perdagangan, Jasa, dan Investasi
Maret – April 2019
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model CEM lebih baik daripada FEM (prob > .05).
Kemudian, dilakukan uji Lagrange Multiplier untuk
menentukan model mana yang lebih baik antara CEM dengan
REM.
Uji Lagrange Multiplier
Gambar 4.34 Uji Lagrange Multiplier Sektor Perdagangan, Jasa, dan
Investasi Maret – April 2019
Dari uji tersebut dapat diketahui bahwa model yang terpilih
adalah model CEM (prob. Breusch-Pagan Cross Section >
.05).
139
Maret - April 2020
Estimasi CEM, FEM, dan REM pada 10 perusahaan dari
Sektor Perdagangan, Jasa, dan Investasi selama 30 hari (Maret
– April) di Maret - April 2020 dengan total 300 observasi
adalah sebagai berikut.
Tabel 4.36 Regresi Sektor Perdagangan, Jasa, dan
Investasi Maret – April 2020
CEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.027229 0.005244 5.192139 0.0000
SENT 6.678241 2.830687 2.359230 0.0190
MP 0.822130 0.079397 10.35471 0.0000
SMB 0.078405 0.162605 0.482177 0.6300
HML -0.124825 0.161887 -0.771059 0.4413
FEM
Variable Coefficient Std. Error t-Statistic Prob. C 0.023022 0.005403 4.260653 0.0000
SENT 12.18396 3.595705 3.388476 0.0008
MP 0.804678 0.077675 10.35957 0.0000
SMB 0.080666 0.158375 0.509335 0.6109
HML -0.118488 0.157695 -0.751376 0.4530
REM
Variable Coefficient Std. Error t-Statistic Prob. C 0.025321 0.006191 4.090259 0.0001
SENT 9.175237 3.165032 2.898940 0.0040
MP 0.814215 0.077486 10.50785 0.0000
SMB 0.079430 0.158373 0.501538 0.6164
HML -0.121951 0.157683 -0.773395 0.4399
Sumber: Data diolah (2021)
Setelah dilakukan estimasi CEM, FEM, dan REM seperti di
atas, maka kemudian dilanjutkan dengan uji pemilihan model
sebagai berikut.
140
Uji Chow
Gambar 4.35 Uji Chow Sektor Perdagangan, Jasa, dan Investasi
Maret – April 2020
Dari uji Chow yang dilakukan di atas, maka dapat diketahui
bahwa model FEM lebih baik daripada CEM (prob < .05).
Kemudian, dilakukan uji Hausman untuk menentukan model
mana yang lebih baik antara FEM dengan REM.
Uji Hausman
Gambar 4.36 Uji Hausman Sektor Perdagangan, Jasa, dan Investasi
Maret – April 2020
Dari uji tersebut terlihat bahwa tidak keluar hasil yang
seharusnya, maka pemilihan model dilakukan berdasarkan
teori pemilihan model apabila T>N maka model terbaik adalan
FEM (Nachrowi dan Usman, 2006).
141
4.2.3 Uji Asumsi Klasik dan Struktur Varian Kovarian
Setelah didapat model terpilih, kemudian dilakukan uji asumsi
klasik normalitas dan multikolinearitas. Kemudian, terhadap
persamaan dilakukan uji struktur varian dank ovarian untuk
mengetahui apakah struktur varian dan kovarian homokedastik,
heterokedastik, dan/atau heterokedastik dengan korelasi sehingga
nantinya dapat diketahui estimator apa yang lebih baik untuk
mengestimasi persamaan yang diteliti.
a. Normalitas
Uji normaltas pada penelitian ini dilakukan dengan
menggunakan Jarque-Bera. Dilakukan dengan membandingkan
nilai Jarque-Bera dan Chi Square (X2)df(2) atau bisa juga dengan
melihat nilai probabilitasnya. Apabila nilai probabilitas Jarque-
Bera < 0,05, maka Ho ditolak yang artinya data tidak berdistirbusi
normal (Gujarati, 2009 : 132).
Berikut adalah grafik hasil uji normalitas pada tiap-tipa
sektor usaha yang terdaftar di Bursa Efek Indonesia (BEI) pada
Maret – April 2019 dan 2020.
142
1) Pertanian
Maret - April 2019
Gambar 4.37 Uji Normalitas Sektor Pertanian Maret – April 2019
Maret - April 2020
Gambar 4.38 Uji Normalitas Sektor Pertanian Maret – April 2020
143
2) Pertambangan
Maret - April 2019
Gambar 4.39 Uji Normalitas Sektor Pertambangan Maret – April
2019
Maret - April 2020
Gambar 4.40 Uji Normalitas Sektor Pertambangan Maret – April
2019
144
3) Industri Dasar dan Kimia
Maret - April 2019
Gambar 4.41 Uji Normalitas Sektor Industri Dasar dan Kimia
Maret – April 2019
Maret - April 2020
Gambar 4.42 Uji Normalitas Sektor Industri Dasar dan Kimia
Maret – April 2020
145
4) Aneka Industri
Maret - April 2019
Gambar 4.43 Uji Normalitas Sektor Aneka Industri Maret –
April 2019
Maret - April 2020
Gambar 4.44 Uji Normalitas Sektor Aneka Industri Maret –
April 2020
146
5) Industri Barang Konsumsi
Maret - April 2019
Gambar 4.45 Uji Normalitas Sektor Industri Barang Konsumsi
Maret – April 2019
Maret - April 2020
Gambar 4.46 Uji Normalitas Sektor Industri Barang Konsumsi
Maret – April 2020
147
6) Properti, Real Estate, dan Konstruksi Bangunan
Maret - April 2019
Gambar 4.47 Uji Normalitas Sektor Properti, Real Estate, dan
Konstruksi Bangunan Maret – April 2019
Maret - April 2020
Gambar 4.48 Uji Normalitas Sektor Properti, Real Estate, dan
Konstruksi Bangunan Maret – April 2020
148
7) Infrastruktur, Utilitas, dan Transportasi
Maret - April 2019
Gambar 4.49 Uji Normalitas Sektor Infastruktur, Utilitas, dan
Transportasi Maret – April 2019
Maret - April 2020
Gambar 4.50 Uji Normalitas Sektor Infastruktur, Utilitas, dan
Transportasi Maret – April 2020
149
8) Keuangan
Maret - April 2019
Gambar 4.51 Uji Normalitas Sektor Keuangan Maret – April
2019
Maret - April 2020
Gambar 4.52 Uji Normalitas Sektor Keuangan Maret – April
2019
150
9) Perdagangan, Jasa, dan Investasi
Maret - April 2019
Gambar 4.53 Uji Normalitas Sektor Perdagangan, Jasa, dan
Investasi Maret – April 2019
Maret - April 2020
Gambar 4.54 Uji Normalitas Sektor Perdagangan, Jasa, dan
Investasi Maret – April 2019
Dari hasil uji normalitas yang dilakukan dengan
menggunakan Jarque-Bera,dapat diketahui bahwa hampir seluruh
data yang diambil di tiap-tiap sektor tidak terdistribusi secara
normal. Dilihat dari nilai propabilitasnya yang berada dibawah
0,05 (Ho ditolak). Kecuali untuk Sektor Properti, Real Estate, dan
151
Konstruksi Bangunan yang lolos uji normalitas dengan probabilitas
sebesar 0.272796 > 0.05.
Beberapa upaya telah dilakukan demi membuat data
berdstribusi normal, seperti pembuangan outlier dan transformasi
data. Dengan upaya yang telah dilakukan, hasil yang diberikan
tetap sama, yaitu data tidak terdistribusi dengan normal. Namun
seperti yang diketahui, penelitian ini memiliki jumlah observasi
yang besar, yaitu 240 observasi untuk Sektor Pertanian dan 300
observasi untuk tiap-tiap sektor lainnya. Dalam data yang
berjumlah besar, normalitas tidaklah krusial (Gujarati, 2009 : 99).
Hal ini berdasarkan pada Teorema Limit Sentral. Gio dan Irawan
(2016 : 106) mengutip dari Mann dan Lake, mengatakan bahwa
apabila data set berukuran besar maka distribusi akan mendekati
normal, tidak peduli apakah data itu diambil dari populasi yang
berdistribusi normal atau tidak. Dikatakan bahwa observasi dapat
dianggap berukuran besar jika jumlahnya lebih dari atau sama
dengan 30 ( n ≥ 30). Berdasarkan Teorema Limit Sentral ini, maka
hasil uji normalitas dengan Jarque-Bera dapat diabaikan.
Penerapan teori statistic ini, Teorema Limit Sentral, juga
sudah pernah diterapkan pada beberapa penelitian lain seperti pada
penelitian yang dilakukan oleh Setyawati dan Hudayati (2019) dan
Merthadiyanti dan Yasa (2019).
152
b. Multikolinearitas
Uji multikolinearitas pada penelitian ini dilakukan dengan
melihat nilai korelasi antar variabel independen. Apabila korelasi
tersebut bernilai ≥ 8.0, maka dapat dikatakan terdapat gejala
multikolineartis (Gujarati, 2009 : 338). Adapun hasil uji
multikolinearitas tiap-tiap sektor adalah sebagai berikut:
1) Pertanian
Maret - April 2019
Tabel 4.37 Multikolinearitas Sektor Pertanian Maret –
April 2019
SENT MP SMB HML SENT 1.000000 -0.034945 0.026884 0.019883
MP -0.034945 1.000000 -0.204717 0.113706
SMB 0.026884 -0.204717 1.000000 -0.295044
HML 0.019883 0.113706 -0.295044 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Pertanian di
Maret - April 2019 menunjukkan tidak ada masalah
multikolinearitas. Ditunjukkan dengan nilai korelasi antar
variabel independen yang nilainya < 0.8.
Maret - April 2020
Tabel 4.38 Multikolinearitas Sektor Pertanian Maret –
April 2020
SENT MP SMB HML SENT 1.000000 0.056909 -0.012764 0.016147
MP 0.056909 1.000000 -0.730164 0.199650
SMB -0.012764 -0.730164 1.000000 0.236504
HML 0.016147 0.199650 0.236504 1.000000
Sumber: Data diolah (2021)
153
Hasil uji multikolinearitas pada Sektor Pertanian di
Maret - April 2020 menunjukkan tidak ada masalah
multikolinearitas. Ditunjukkan dengan nilai korelasi antar
variabel independen yang nilainya < 0.8.
2) Pertambangan
Maret - April 2019
Tabel 4.39 Multikolinearitas Sektor Pertambangan
Maret – April 2019
SENT MP SMB HML SENT 1.000000 0.006987 -0.043119 -0.025896
MP 0.006987 1.000000 -0.016573 0.293365
SMB -0.043119 -0.016573 1.000000 -0.172120
HML -0.025896 0.293365 -0.172120 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor
Pertambangan di Maret - April 2019 menunjukkan tidak
ada masalah multikolinearitas. Ditunjukkan dengan nilai
korelasi antar variabel independen yang nilainya < 0.8.
Maret - April 2020
Tabel 4.40 Multikolinearitas Sektor Pertambangan
Maret – April 2020
SENT MP SMB HML SENT 1.000000 0.175129 0.054645 -0.088480
MP 0.175129 1.000000 -0.086858 -0.568160
SMB 0.054645 -0.086858 1.000000 -0.032253
HML -0.088480 -0.568160 -0.032253 1.000000
Sumber: Data diolah (2021)
154
Hasil uji multikolinearitas pada Sektor
Pertambangan di Maret - April 2020 menunjukkan tidak
ada masalah multikolinearitas. Ditunjukkan dengan nilai
korelasi antar variabel independen yang nilainya < 0.8.
3) Industri Dasar dan Kimia
Maret - April 2019
Tabel 4.41 Multikolinearitas Sektor Industri Dasar dan
Kimia Maret – April 2019
SENT MP SMB HML SENT 1.000000 -0.011425 0.035032 0.059179
MP -0.011425 1.000000 -0.291209 -0.045302
SMB 0.035032 -0.291209 1.000000 0.741878
HML 0.059179 -0.045302 0.741878 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Industri
Dasar dan Kimia di Maret - April 2019 menunjukkan tidak
ada masalah multikolinearitas. Ditunjukkan dengan nilai
korelasi antar variabel independen yang nilainya < 0.8.
Maret - April 2020
Tabel 4.42 Multikolinearitas Sektor Industri Dasar dan
Kimia Maret – April 2020
SENT MP SMB HML SENT 1.000000 0.110724 -0.010490 0.003604
MP 0.110724 1.000000 0.015668 -0.167579
SMB -0.010490 0.015668 1.000000 0.439778
HML 0.003604 -0.167579 0.439778 1.000000
Sumber: Data diolah (2021)
155
Hasil uji multikolinearitas pada Sektor Industri
Dasar dan Kimia di Maret - April 2020 menunjukkan tidak
ada masalah multikolinearitas. Ditunjukkan dengan nilai
korelasi antar variabel independen yang nilainya < 0.8.
4) Aneka Industri
Maret - April 2019
Tabel 4.43 Multikolinearitas Sektor Aneka Industri
Maret – April 2019
SENT MP SMB HML SENT 1.000000 -0.040415 0.063596 0.007695
MP -0.040415 1.000000 0.110332 -0.258602
SMB 0.063596 0.110332 1.000000 -0.345385
HML 0.007695 -0.258602 -0.345385 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Aneka
Industri di Maret - April 2019 menunjukkan tidak ada
masalah multikolinearitas. Ditunjukkan dengan nilai
korelasi antar variabel independen yang nilainya < 0.8.
Maret - April 2020
Tabel 4.44 Multikolinearitas Sektor Aneka Industri
Maret – April 2020
SENT MP SMB HML SENT 1.000000 0.072429 -0.015288 0.033917
MP 0.072429 1.000000 0.361867 0.508592
SMB -0.015288 0.361867 1.000000 0.406066
HML 0.033917 0.508592 0.406066 1.000000
Sumber: Data diolah (2021)
156
Hasil uji multikolinearitas pada Sektor Aneka
Industri di Maret - April 2020 menunjukkan tidak ada
masalah multikolinearitas. Ditunjukkan dengan nilai
korelasi antar variabel independen yang nilainya < 0.8.
5) Industri Barang Konsumsi
Maret - April 2019
Tabel 4.45 Multikolinearitas Sektor Industri Barang
Konsumsi Maret – April 2019
SENT MP SMB HML SENT 1.000000 0.001000 0.066986 0.044926
MP 0.001000 1.000000 -0.329730 0.151349
SMB 0.066986 -0.329730 1.000000 0.722140
HML 0.044926 0.151349 0.722140 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Industri
Barang Konsumsi di Maret - April 2019 menunjukkan
tidak ada masalah multikolinearitas. Ditunjukkan dengan
nilai korelasi antar variabel independen yang nilainya <
0.8.
Maret - April 2020
Tabel 4.46 Multikolinearitas Sektor Industri Barang
Konsumsi Maret – April 2020
SENT MP SMB HML SENT 1.000000 0.117595 0.027333 -0.067461
MP 0.117595 1.000000 -0.118898 -0.476124
SMB 0.027333 -0.118898 1.000000 0.415092
HML -0.067461 -0.476124 0.415092 1.000000
Sumber: Data diolah (2021)
157
Hasil uji multikolinearitas pada Sektor Industri
Barang Konsumsi di Maret - April 2020 menunjukkan
tidak ada masalah multikolinearitas. Ditunjukkan dengan
nilai korelasi antar variabel independen yang nilainya <
0.8.
6) Properti, Real Estate, dan Konstruksi Bangunan
Maret - April 2019
Tabel 4.47 Multikolinearitas Sektor Properti, Real
Estate, dan Konstruksi Bangunan Maret – April 2019
SENT MP SMB HML SENT 1.000000 0.029824 -0.092528 0.127790
MP 0.029824 1.000000 -0.428664 0.286938
SMB -0.092528 -0.428664 1.000000 -0.481947
HML 0.127790 0.286938 -0.481947 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Properti,
Real Estate, dan Konstruksi Bangunan di Maret - April
2019 menunjukkan tidak ada masalah multikolinearitas.
Ditunjukkan dengan nilai korelasi antar variabel
independen yang nilainya < 0.8.
Maret - April 2020
Tabel 4.48 Multikolinearitas Sektor Properti, Real
Estate, dan Konstruksi Bangunan Maret – April 2020
SENT MP SMB HML SENT 1.000000 0.247643 -0.077296 -0.200341
MP 0.247643 1.000000 0.177885 -0.632752
158
SMB -0.077296 0.177885 1.000000 0.177950
HML -0.200341 -0.632752 0.177950 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Properti,
Real Estate, dan Konstruksi Bangunan di Maret - April
2020 menunjukkan tidak ada masalah multikolinearitas.
Ditunjukkan dengan nilai korelasi antar variabel
independen yang nilainya < 0.8.
7) Infrastruktur, Utilitas, dan Transportasi
Maret – April 2019
Tabel 4.49 Multikolinearitas Sektor Infrastruktur,
Utilitas, dan Transportasi Maret – April 2019
SENT MP SMB HML SENT 1.000000 0.010865 -0.091783 -0.116291
MP 0.010865 1.000000 -0.356663 0.227634
SMB -0.091783 -0.356663 1.000000 0.389849
HML -0.116291 0.227634 0.389849 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Infrastruktur,
Utilitas, dan Transportasi di Maret - April 2019
menunjukkan tidak ada masalah multikolinearitas.
Ditunjukkan dengan nilai korelasi antar variabel
independen yang nilainya < 0.8.
159
Maret - April 2020
Tabel 4.50 Multikolinearitas Sektor Infrastruktur,
Utilitas, dan Transportasi Maret – April 2020
SENT MP SMB HML SENT 1.000000 0.087382 0.069020 0.048877
MP 0.087382 1.000000 -0.382111 -0.482897
SMB 0.069020 -0.382111 1.000000 0.549582
HML 0.048877 -0.482897 0.549582 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Infrastruktur,
Utilitas, dan Transportasi di Maret - April 2020
menunjukkan tidak ada masalah multikolinearitas.
Ditunjukkan dengan nilai korelasi antar variabel
independen yang nilainya < 0.8.
8) Keuangan
Maret - April 2019
Tabel 4.51 Multikolinearitas Sektor Keuangan Maret –
April 2019
SENT MP SMB HML SENT 1.000000 -0.008681 -0.078975 0.022804
MP -0.008681 1.000000 0.177458 0.041921
SMB -0.078975 0.177458 1.000000 -0.550680
HML 0.022804 0.041921 -0.550680 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Keuangan di
Maret - April 2019 menunjukkan tidak ada masalah
160
multikolinearitas. Ditunjukkan dengan nilai korelasi antar
variabel independen yang nilainya < 0.8.
Maret - April 2020
Tabel 4.52 Multikolinearitas Sektor Keuangan Maret –
April 2020
SENT MP SMB HML SENT 1.000000 0.138160 -0.020504 0.082516
MP 0.138160 1.000000 -0.117900 0.413223
SMB -0.020504 -0.117900 1.000000 -0.682749
HML 0.082516 0.413223 -0.682749 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor Keuangan di
Maret - April 2020 menunjukkan tidak ada masalah
multikolinearitas. Ditunjukkan dengan nilai korelasi antar
variabel independen yang nilainya < 0.8.
9) Perdagangan, Jasa, dan Investasi
Maret - April 2019
Tabel 4.53 Multikolinearitas Sektor Perdagangan, Jasa,
dan Investasi Maret – April 2019
SENT MP SMB HML SENT 1.000000 0.043830 0.062678 -0.023071
MP 0.043830 1.000000 0.163682 0.063359
SMB 0.062678 0.163682 1.000000 0.663162
HML -0.023071 0.063359 0.663162 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor
Perdagangan, Jasa, dan Investasi di Maret - April 2019
161
menunjukkan tidak ada masalah multikolinearitas.
Ditunjukkan dengan nilai korelasi antar variabel
independen yang nilainya < 0.8.
Maret - April 2020
Tabel 4.54 Multikolinearitas Sektor Perdagangan, Jasa,
dan Investasi Maret – April 2020
SENT MP SMB HML SENT 1.000000 0.113498 -0.024737 -0.021257
MP 0.113498 1.000000 -0.077411 0.029371
SMB -0.024737 -0.077411 1.000000 0.380202
HML -0.021257 0.029371 0.380202 1.000000
Sumber: Data diolah (2021)
Hasil uji multikolinearitas pada Sektor
Perdagangan, Jasa, dan Investasi di Maret - April 2020
menunjukkan tidak ada masalah multikolinearitas.
Ditunjukkan dengan nilai korelasi antar variabel
independen yang nilainya < 0.8.
c. Uji Struktur Varian dan Kovarian
Pengujian struktur varian kovarian dilakukan dengan
menggunakan uji LM untuk mengetahui apakah struktur
homokedastik atau heteroskedastik. Kemudian, jika diketahui
bahwa struktur heterokedastik dilanjutkan dengan melakukan uji
λLM, untuk mengetahui struktur heteroskedastik tanpa korelasi
atau heteroskedastik dengan korelasi. Jika struktur heteroskedastik
tanpa korelasi maka estimator yang lebih baik adalah dengan
162
menggunakan struktur heteroskedastik dengan menambahkan
prosedur weighting : cross section weight. Dan apabila struktur
heteroskedastik dengan korela, maka estimator yang lebih baik
adalah dengan menggunakan struktur heteroskedastik dan terdapat
korelasi dengan menambahkan prosedur weighting: cross section
SUR (Mahyus, 2016 : 255 – 257). Pengujian ini dilakukan secara
manual menggunakan Microsoft Excel.
Uji LM dilakukan dengan membandingkan nilai LM
dengan nilai Chi Square (X2)df (n-1, prob=95%). Apabila nilai LM < Chi
Square (X2)df (n-1, prob=95%) maka struktur homokedastik, dan apabila
Apabila nilai LM > Chi Square (X2)df (n-1, prob=95%), maka struktur
heteroskedastik. Perhitungan nilai LM adalah sebagai berikut.
∑(
)
Kemudian, apabila setelah melakukan uji LM ternyata
struktur bersifat heteroskedastik (Ho ditolak), maka dilakukan
dengan melakukan uji λLM. Uji λLM dilakukan dengan
membandingkan nilai λLM dengan Chi Square (X2)df (n(n-1)/2,
prob=95%). Apabila nilai λLM < Chi Square (X2)df (n(n-1)/2, prob=95%),
maka tidak terdapat korelasi, dan apabila nilai λLM < Chi Square
(X2)df (n(n-1)/2, prob=95%), maka terdapat korelasi (Ho ditolak).
Adapun hasil pengujian struktur varian dan kovarian pada
tiap-tiap sektor adalah sebagai berikut:
163
Tabel 4.55 Hasil Uji Varian Kovarian LM dan λLM
SEKTOR TAHUN HASIL
LM λLM
AGRI
2019 119.0036 228.6416
2020 119.0026 44.0978
MINING
2019 149.0023 139.1257
2020 149.0098 203.9942
BASIC
2019 149.0029 18.3178
2020 149.0029 -41.9487
MISC
2019 149.0029 45.3224
2020 149.0021 98.7246
CGI
2019 149.0030 -13.8970
2020 146.6978 77.8808
PROPERTY
2019 149.0024 72.8448
2020 149.0022 207.3942
INFRASTRUCTURE
2019 149.0026 78.1983
2020 149.0091 157.1399
FINANCE
2019 149.0020 42.8424
2020 149.0019 131.8351
TRADE
2019 149.0033 67.1440
2020 149.0018 134.6504
KETERANGAN:
AGRI : Pertanian
164
MINING : Pertambangan
BASIC : Industri Dasar Dan Kimia
MISC : Aneka Industri
CGI : Industri Barang Konsumsi
PROPERTY : Properti, Real Estate, Dan Konstruksi Bangunan
INFRASTRUCTURE : Infrastruktur, Utilitas, Dan Transportasi
FINANCE : Keuangan
TRADE : Perdagangan, Jasa, Dan Investasi
Sumber: Data diolah (2021)
Dari hasil pengujian LM dan λLM tersebut, maka dapat
dibuat interpretasi sebagai berikut:
1) Pertanian
Pada Sektor Pertanian, nilai Chi Square (X2)df (n-1, prob=95%)
adalah sebesar 14.067 dan Chi Square (X2)df (n(n-1)/2, prob=95%)
adalah sebesar 41.337. Pada tabel di atas dapat diketahui
bahwa pengujian uji varian dan kovarian di Maret – April
tahun 2019 dan 2020 menghasilkan LM > Chi Square (X2)df (n-
1, prob=95%) dan λLM > Chi Square (X2)df (n(n-1)/2, prob=95%). Maka
dapat disimpulkan bahwa struktur heterokedastik dan terdapat
korelasi. Jika hal ini terjadi maka dapat estimator terbaik
adalah dengan menggunakan struktur heteroskedastik dan
terdapat korelasi, menggunakan prosedur weight: cross section
SUR pada model yang terpilih, yaitu CEM (Lampiran 1 dan 2).
165
2) Pertambangan
Pada Sektor Pertambangan, nilai Chi Square (X2)df (n-1,
prob=95%) adalah sebesar 16.919 dan Chi Square (X2)df (n(n-1)/2,
prob=95%) adalah sebesar 61.656. Pada tabel di atas dapat
diketahui bahwa pengujian uji varian dan kovarian di Maret –
April tahun 2019 dan 2020 menghasilkan LM > Chi Square
(X2)df (n-1, prob=95%) dan λLM > Chi Square (X2)df (n(n-1)/2,
prob=95%). Maka dapat disimpulkan bahwa struktur
heterokedastik dan terdapat korelasi. Jika hal ini terjadi maka
dapat estimator terbaik adalah dengan menggunakan struktur
heteroskedastik dan terdapat korelasi, menggunakan prosedur
weight: cross section SUR pada model yang terpilih, yaitu
CEM (Lampiran 3 dan 4).
3) Industri Dasar dan Kimia
Pada Sektor Dasar dan Kimia, nilai Chi Square (X2)df (n-1,
prob=95%) adalah sebesar 16.919 dan Chi Square (X2)df (n(n-1)/2,
prob=95%) adalah sebesar 61.656. Pada tabel di atas dapat
diketahui bahwa pengujian uji varian dan kovarian di Maret –
April tahun 2019 dan 2020 menghasilkan LM > Chi Square
(X2)df (n-1, prob=95%) dan λLM < Chi Square (X2)df (n(n-1)/2,
prob=95%). Maka dapat disimpulkan bahwa struktur
166
heterokedastik dan tidak terdapat korelasi. Jika hal ini terjadi
maka dapat estimator terbaik adalah dengan menggunakan
struktur heteroskedastik dan terdapat korelasi, menggunakan
prosedur weight: cross section weight pada model yang
terpilih, yaitu CEM Lampiran 5 dan 6).
4) Aneka Industri
Pada Sektor Aneka Industri, nilai Chi Square (X2)df (n-1,
prob=95%) adalah sebesar 16.919 dan Chi Square (X2)df (n(n-1)/2,
prob=95%) adalah sebesar 61.656. Pada tabel di atas dapat
diketahui bahwa pengujian uji varian dan kovarian di Maret –
April 2019 menghasilkan LM > Chi Square (X2)df (n-1, prob=95%)
dan λLM < Chi Square (X2)df (n(n-1)/2, prob=95%). Maka dapat
disimpulkan bahwa struktur heterokedastik dan tidak terdapat
korelasi. Jika hal ini terjadi maka dapat estimator terbaik
adalah dengan menggunakan struktur heteroskedastik dan
terdapat korelasi, menggunakan prosedur weight: cross section
weight pada model yang terpilih, yaitu CEM (Lampiran 7).
Sementara pada Maret – April 2020 menghasilkan LM > Chi
Square (X2)df (n-1, prob=95%) dan λLM > Chi Square (X2)df (n(n-1)/2,
prob=95%). Yang mana hal ini menandakan struktur
heteroskedastisitas dan terdapat korelasi, maka digunakan
167
estimator terbaik dengan prosedur weight: cross section SUR
pada model yang terpilih, yaitu CEM (Lampiran 8).
5) Industri Barang Konsumsi
Pada Sektor Industri Barang Konsumsi, nilai Chi Square
(X2)df (n-1, prob=95%) adalah sebesar 16.919 dan Chi Square (X2)df
(n(n-1)/2, prob=95%) adalah sebesar 61.656. Pada tabel di atas dapat
diketahui bahwa pengujian uji varian dan kovarian di Maret –
April 2019 menghasilkan LM > Chi Square (X2)df (n-1, prob=95%)
dan λLM < Chi Square (X2)df (n(n-1)/2, prob=95%). Maka dapat
disimpulkan bahwa struktur heterokedastik dan tidak terdapat
korelasi. Jika hal ini terjadi maka dapat estimator terbaik adalah
dengan menggunakan struktur heteroskedastik dan terdapat
korelasi, menggunakan prosedur weight: cross section weight
pada model yang terpilih, yaitu CEM. Sementara pada Maret –
April 2020 menghasilkan LM > Chi Square (X2)df (n-1, prob=95%)
dan λLM > Chi Square (X2)df (n(n-1)/2, prob=95%). Yang mana hal
ini menandakan struktur heteroskedastisitas dan terdapat
korelasi, maka digunakan estimator terbaik dengan prosedur
weight: cross section SUR pada model yang terpilih, yaitu CEM
(Lampiran 9 dan 10).
6) Properti, Real Estate, dan Konstruksi Bangunan
168
Pada Sektor Properti, Real Estate, dan Konstruksi
Bangunan, nilai Chi Square (X2)df (n-1, prob=95%) adalah sebesar
16.919 dan Chi Square (X2)df (n(n-1)/2, prob=95%) adalah sebesar
61.656. Pada tabel di atas dapat diketahui bahwa pengujian uji
varian dan kovarian di Maret – April tahun 2019 dan 2020
menghasilkan LM > Chi Square (X2)df (n-1, prob=95%) dan λLM >
Chi Square (X2)df (n(n-1)/2, prob=95%). Maka dapat disimpulkan
bahwa struktur heterokedastik dan terdapat korelasi. Jika hal ini
terjadi maka dapat estimator terbaik adalah dengan
menggunakan struktur heteroskedastik dan terdapat korelasi,
menggunakan prosedur weight: cross section SUR pada model
yang terpilih, yaitu FEM untuk Maret – April 2019 (Lampiran
11) dan CEM untuk Maret – April 2020 (Lampiran 12).
7) Infrastruktur, Utilitas, dan Transportasi
Pada Sektor Infratruktur, Utilitas dan Transpirtasi nilai Chi
Square (X2)df (n-1, prob=95%) adalah sebesar 16.919 dan Chi Square
(X2)df (n(n-1)/2, prob=95%) adalah sebesar 61.656. Pada tabel di atas
dapat diketahui bahwa pengujian uji varian dan kovarian di
Maret – April tahun 2019 dan 2020 menghasilkan LM > Chi
Square (X2)df (n-1, prob=95%) dan λLM > Chi Square (X2)df (n(n-1)/2,
prob=95%). Maka dapat disimpulkan bahwa struktur
169
heterokedastik dan terdapat korelasi. Jika hal ini terjadi maka
dapat estimator terbaik adalah dengan menggunakan struktur
heteroskedastik dan terdapat korelasi, menggunakan prosedur
weight: cross section SUR pada model yang terpilih, yaitu CEM
(Lampiran 13 dan 14).
8) Keuangan
Pada Sektor Keuangan, nilai Chi Square (X2)df (n-1, prob=95%)
adalah sebesar 16.919 dan Chi Square (X2)df (n(n-1)/2, prob=95%)
adalah sebesar 61.656. Pada tabel di atas dapat diketahui bahwa
pengujian uji varian dan kovarian di Maret – April 2019
menghasilkan LM > Chi Square (X2)df (n-1, prob=95%) dan λLM <
Chi Square (X2)df (n(n-1)/2, prob=95%). Maka dapat disimpulkan
bahwa struktur heterokedastik dan tidak terdapat korelasi. Jika
hal ini terjadi maka dapat estimator terbaik adalah dengan
menggunakan struktur heteroskedastik dan terdapat korelasi,
menggunakan prosedur weight: cross section weight pada
model yang terpilih, yaitu CEM (Lampiran 15). Sementara pada
Maret – April 2020 menghasilkan LM > Chi Square (X2)df (n-1,
prob=95%) dan λLM > Chi Square (X2)df (n(n-1)/2, prob=95%). Yang
mana hal ini menandakan struktur heteroskedastisitas dan
terdapat korelasi, maka digunakan estimator terbaik dengan
170
prosedur weight: cross section SUR pada model yang terpilih,
yaitu CEM (Lampiran 16).
9) Perdagangan, Jasa, dan Investasi
Pada Sektor Perdagangan, Jasa, dan Investasi nilai Chi
Square (X2)df (n-1, prob=95%) adalah sebesar 16.919 dan Chi Square
(X2)df (n(n-1)/2, prob=95%) adalah sebesar 61.656. Pada tabel di atas
dapat diketahui bahwa pengujian uji varian dan kovarian di
Maret – April tahun 2019 dan 2020 menghasilkan LM > Chi
Square (X2)df (n-1, prob=95%) dan λLM > Chi Square (X2)df (n(n-1)/2,
prob=95%). Maka dapat disimpulkan bahwa struktur
heterokedastik dan terdapat korelasi. Jika hal ini terjadi maka
dapat estimator terbaik adalah dengan menggunakan struktur
heteroskedastik dan terdapat korelasi, menggunakan prosedur
weight: cross section SUR pada model yang terpilih, yaitu CEM
untuk Maret – April 2019 (Lampiran 17) dan FEM untuk Maret
– April 2020 (Lampiran 18).
4.2.4 Pengujian Hipotesis
Hipotesis diuji dengan menggunakan uji F untuk melihat pengaruh
variabel independen secara bersama-sama terhadap variabel dependen.
Kemudian dengan uji t, untuk melihat pengaruh individual dari
variabel independen terhadap variabel dependen. Lalu melihat
adjusted R2, untuk mengetahui seberapa besar pengaruh variabel
171
independen pada penelitian ini dapat menjelaskan variabel dependen
yang ada.
Adapun rangkuman dari analisis regresi data panel yang telah
dilakukan adalah sebagai berikut:
172
Tabel 4.56 Hasil Output Regresi Data Panel Estimator Terbaik Maret – April 2019
RANGKUMAN HASIL OUTPUT ANALISIS REGRESI DATA PANEL MARET – APRIL 2019
Ri – Rf SEKTOR Prob t-Statistic Prob F-
Statistic Adj. R2
C SENT MP SMB HML
AGRI 0.024408
(0.0018) +
1.064675*SENT
(0.0010) +
0.459074*MP
(0.0005) -
0.13157 *SMB
(0.0993) +
0.103259*HML
(0.0411) 0.000001 0.118147
MINING 0.022506
(0.0159) +
1.191435*SENT
(0.0049) +
0.464486*MP
(0.0030) -
0.01971*SMB
(0.7801) +
0.319593*HML
(0.0000) 0.000000 0.131249
BASIC 0.038905
(0.0000) +
2.862993*SENT
(0.0000) +
0.711500*MP
(0.0000) -
0.11022*SMB
(0.5299) +
0.014073*HML
(0.9200) 0.000000 0.148341
MISC 0.050540
(0.0000) +
0.922336*SENT
(0.0012) +
0.909506*MP
(0.0000) -
0.00038*SMB
(0.9950) +
0.120877*HML
(0.0236) 0.000000 0.105994
CGI 0.029313
(0.0039) +
0.450023*SENT
(0.4773) +
0.526063*MP
(0.0020) -
0.13157*SMB
(0.4390) +
0.140556*HML
(0.3620) 0.000087 0.064788
PROPERTY 0.040631
(0.0001) +
4.748999*SENT
(0.0000) +
0.795918*MP
(0.0000) -
0.24412*SMB
(0.0078) +
0.234251*HML
(0.0014) 0.000000 0.342598
INFRASTRUCTURE 0.024909
(0.0000) +
0.982195*SENT
(0.0000) +
0.436801*MP
(0.0000) -
0.01731*SMB
(0.6264) +
0.517916*HML
(0.0000) 0.000000 0.853454
FINANCE 0.032461
(0.0000) +
0.143819*SENT
(0.9110) +
0562719*MP
(0.0000) -
0.08592*SMB
(0.2308) +
0.052018*HML
(0.2757) 0.000072 0.066057
TRADE 0.018103
(0.0452) +
1.167823*SENT
(0.0498) +
0.319262*MP
(0.0335) +
0.314325*SMB
(0.0147) -
-0.16800*HML
(0.1467) 0.001335 0.045680
KETERANGAN:
AGRI : Pertanian
MINING : Pertambangan
BASIC : Industri Dasar Dan Kimia
MISC : Aneka Industri
CGI : Industri Barang Konsumsi
173
PROPERTY : Properti, Real Estate, Dan Konstruksi Bangunan
INFRASTRUCTURE : Infrastruktur, Utilitas, Dan Transportasi
FINANCE : Keuangan
TRADE : Perdagangan, Jasa, Dan Investasi
Sumber: Data diolah (2021)
174
Tabel 4.57 Hasil Output Regresi Data Panel Estimator Terbaik Maret – April 2020
RANGKUMAN HASIL OUTPUT ANALISIS REGRESI DATA PANEL MARET – APRIL 2020
Ri – Rf SEKTOR Prob t-Statistic Prob F-
Statistic Adj. R2
C SENT MP SMB HML
AGRI
0.016877
(0.0003)
+ 3.788813*SENT
(0.0181) +
0.442379*MP
(0.0000) -
0.44056*SMB
(0.0000) +
0.435914*HML
(0.0000) 0.000000 0.700976
MINING
0.023988
(0.0008)
+ 3.483932*SENT
(0.0000) +
0.693462*MP
(0.0000) -
0.57941*SMB
(0.0000) -
0.56540*HML
(0.0000) 0.000000 0.515031
BASIC
0.035302
(0.0000)
+ 4.558932*SENT
(0.0019) +
0.870436*MP
(0.0000) -
0.13359*SMB
(0.1842) +
0.352165*HML
(0.0341) 0.000000 0.346495
MISC
0.044812
(0.0000)
+ 0.431126*SENT
(0.7020) +
1.018348*MP
(0.0000) +
0.186258*SMB
(0.0065) +
0.220125*HML
(0.0003) 0.000000 0.674591
CGI
0.042141
(0.0000)
+ 10.00818*SENT
(0.0000) +
1.010202*MP
(0.0000) +
0.335471*SMB
(0.0000) +
0.259820*HML
(0.0340) 0.000000 0.667779
PROPERTY
0.035743
(0.0000)
+ 1.720303*SENT
(0.0173) +
0.893173*MP
(0.0000) +
0.116782*SMB
(0.3389) -
0.63306*HML
(0.0013) 0.000000 0.463286
INFRASTRUCTURE
0.054599
(0.0000)
+ 0.830882*SENT
(0.1603) +
1.245758*MP
(0.0000) -
0.24893*SMB
(0.0511) +
0.706192*HML
(0.0016) 0.000000 0.660455
FINANCE
0.031584
(0.0000)
+ 2.646316*SENT
(0.2775) +
0.859965*MP
(0.0000) +
0.241157*SMB
(0.0098) +
0.187562*HML
(0.0157) 0.000000 0.391333
TRADE
0.027094
(0.0000)
+ 11.02193*SENT
(0.0000) +
0.874125*MP
(0.0000) +
0.066055*SMB
(0.5664) -
0.12218*HML
(0.2867) 0.000000 0.511161
KETERANGAN:
AGRI : Pertanian
MINING : Pertambangan
175
BASIC : Industri Dasar Dan Kimia
MISC : Aneka Industri
CGI : Industri Barang Konsumsi
PROPERTY : Properti, Real Estate, Dan Konstruksi Bangunan
INFRASTRUCTURE : Infrastruktur, Utilitas, Dan Transportasi
FINANCE : Keuangan
TRADE : Perdagangan, Jasa, Dan Investasi
Sumber : Data diolah (2021)
176
a. Uji Signifikansi Simultan (Uji F)
Uji signifikansi simultan (uji F) dilakukan untuk
mengetahui bagaimana pengaruh variabel independen terhadap
variabel dependen secara simultan atau bersama-sama. Apabila
nilai Prob F-Statisic lebih kecil daripada nilai α(0.05), maka dapat
dikatakan bahwa terdapat pengaruh secara simultan yang
signifikan (Sentimen Investor (SENT), Market Premium (MP),
Size Premium (SMB), dan Value Premium (HML)) terhadap
terhadap variabel dependen (Return Saham).. Namun, apabila nilai
Prob F-Statistic lebih besar daripada nilai α(0.05), maka dapat
dikatakan tidak terdapat pengaruh simultan yang signifikan dari
variabel independen (Sentimen Investor (SENT), Market Premium
(MP), Size Premium (SMB), dan Value Premium (HML)) terhadap
terhadap variabel dependen (Return Saham).
Berdasarkan pada tabel 4.56 dan tabel 4.57, berikut adalah
hasil interpretasi uji simultan untuk tiap-tiap sektornya:
Tabel 4.58 Interpretasi Hasil Uji Simultan (Uji F)
INTERPRETASI UJI SIMULTAN (UJI F)
SEKTOR Nilai Prob F-Statistic
Maret – April 2019 Maret – April 2020
PERTANIAN
Nilai Prob F-Statistic sebesar
0.000001< α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen pada
Nilai Prob F-Statistic sebesar
0.000001 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen pada
177
perusahaan Sektor Pertanian
(AGRI).
perusahaan Sektor Pertanian
(AGRI).
PERTAMBANGAN
Nlai Prob F-Statistic sebesar
0.000000. < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Pertambangan
(MINING).
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Pertambangan (MINING).
INDUSTRI DASAR
DAN KIMIA
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Industri Dasar dan Kimia
(BASIC).
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Industri Dasar dan Kimia
(BASIC).
ANEKA INDUSTRI
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Aneka Industri (MISC).
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Aneka Industri (MISC).
INDUSTRI BARANG
KONSUMSI
Nilai Prob F-Statistic sebesar
0.000087 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Industri Barang
Konsumsi (CGI).
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Industri Barang Konsumsi
(CGI).
PROPERTI, REAL Nilai Prob F-Statistic sebesar Nilai Prob F-Statistic sebesar
178
ESTATE, DAN
KONSTRUKSI
BANGUNAN
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Properti, Real Estate, dan
Konstruksi Bangunan
(PROPERTY).
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Properti, Real Estate, dan
Konstruksi Bangunan
(PROPERTY).
INFRASTRUKTUR,
UTILITAS, DAN
TRANSPORTASI
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Infrastruktur, Utilitas,
dan Transportasi
(INFRASTRUCTURE).
Nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Infrastruktur, Utilitas, dan
Transportasi
(INFRASTRUCTURE).
KEUANGAN
Nilai Prob F-Statistic sebesar
0.000072 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Keuangan (FINANCE).
nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
Sektor Keuangan (FINANCE).
PERDAGANGAN,
JASA, DAN
INVESTASI
nilai Prob F-Statistic sebesar
0.001335 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
sektor perdagangan, jasa, dan
invesatsi (TRADE).
2020 nilai Prob F-Statistic sebesar
0.000000 < α(0.05). Sehingga
artinya secara simultan terdapat
pengaruh yang signifikan dari
variabel independen terhadap
variabel dependen perusahaan
sektor perdagangan, jasa, dan
invesatsi (TRADE).
179
b. Uji Signifikansi Parameter Individual (Uji t)
Uji signifikansi parameter individual (Uji t) ini dilakukan
untuk melihat pengaruh dari masing-masing variabel independen
(Sentimen Investor (SENT), Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML)) terhadap variabel dependen
(Return Saham) secara terpisah. Apabila nilai prob t-statistic lebih
kecil dari α(0.05), maka dapat dikatakan variabel independen
tersebut memiliki pengaruh yang signifikan terhadap variabel
dependen. Dan sebaliknya jika nilai prob t-statistic lebih besar dari
α(0.05), maka dapat dikatakan variabel independen tersebut tidak
memiliki pengaruh yang signifikan terhadap variabel dependen.
Berdasarkan hasil regresi data panel pada tabel 4.56 dan
4.57, maka dapat diinterpretasikan sebagai berikut:
Tabel 4.59 Interpretasi Hasil Ujia Parsial (Uji t) Maret – April 2019
INTERPRETASI HASIL UJI PARSIAL (UJI T) MARET – APRIL 2019
SEKTOR
Nilai Prob t-Statistik (Berpengaruh Signifkan atau Tidak
Signifikan Terhadap Return Saham)
Sentimen
Investor
(SENT)
MP SMB HML
PERTANIAN (AGRI)
0.0010 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0005 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0993 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0411 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
PERTAMBANGAN
(MINING)
0.0049 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0030 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.7801 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
INDUSTRI DASAR
DAN KIMIA (BASIC)
0.0000 < 0.05
(Berpengaruh
Signifikan
0.0000 < 0.05
(Berpengaruh
Signifikan
0.5299 > 0.05
(TIDAK
Berpengaruh
0.9200 > 0.05
(TIDAK
Berpengaruh
180
Terhadap
Return Saham)
Terhadap
Return Saham)
Signifikan
Terhadap
Return Saham)
Signifikan
Terhadap
Return Saham)
ANEKA INDUSTRI
(MISC)
0.0012 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.9950 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0236 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
INDUSTRI BARANG
KONSUMSI (CGI)
0.4773 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0020 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.4390 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.3629 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
PROPERTI, REAL
ESTATE, DAN
KONSTRUKSI
BANGUNAN
(PROPERTY)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0078 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0014 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
INFRASTRUKTUR,
UTILITAS, DAN
TRANSPPORTASI
(INFRASTRUCTURE)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.6264 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
KEUANGAN
(FINANCE)
0.9110 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.2308 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.2757 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
PERDAGANGAN,
JASA, DAN
INVESTASI (TRADE)
0.0498 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0335 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0147 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.1467 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
Tabel 4.60 Interpretasi Hasil Uji Parsial (Uji t) Maret – April 2020
HASIL INTERPRETASI UJI PARSIAL (UJI T) MARET – APRIL 2020
SEKTOR
Nilai Prob t-Statistik (Berpengaruh Signifkan atau Tidak Signifikan
Terhadap Return Saham)
Sentimen
Investor
(SENT)
MP SMB HML
PERTANIAN
(AGRI)
0.0181 < 0.05
(Berpengaruh
0.0000 < 0.05
(Berpengaruh
0.0000 < 0.05
(Berpengaruh
0.0000 < 0.05
(Berpengaruh
181
Signifikan
Terhadap
Return Saham)
Signifikan
Terhadap
Return Saham)
Signifikan
Terhadap
Return Saham)
Signifikan
Terhadap
Return Saham)
PERTAMBANGAN
(MINING)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
INDUSTRI DASAR
DAN KIMIA
(BASIC)
0.0019 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.1842 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0341 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
ANEKA INDUSTRI
(MISC)
0.0702 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0065 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0003 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
INDUSTRI
BARANG
KONSUMSI (CGI)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0340 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
PROPERTI, REAL
ESTATE, DAN
KONSTRUKSI
BANGUNAN
(PROPERTY)
0.0173 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.3389 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0013 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
INFRASTRUKTUR,
UTILITAS, DAN
TRANSPORTASI
(INFASTRUCTURE)
0.1603 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0511 < 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0016 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
KEUANGAN
(FINANCE)
0.2775 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0098 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0157 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
PERDAGANGAN,
JASA, DAN
INVESTASI
(TRADE)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.0000 < 0.05
(Berpengaruh
Signifikan
Terhadap
Return Saham)
0.5664 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
0.2867 > 0.05
(TIDAK
Berpengaruh
Signifikan
Terhadap
Return Saham)
182
c. Koefisien Determinasi (Adjusted R2)
Koefisian determinasi (Adjusted R2) dilakukan untuk
melihat sejauh mana variabel independen (Sentiment Investor
(SENT), Market Premium (MP), Size Premium (SMB), dan Value
Premium (HML) dapat menjelaskan variabel dependen (return
saham).
Sesuai dengan hasil yang ditunjukkan pada tabel 4.56 dan
4.57, maka dapat diinterpretasikan bahwa:
Tabel 4.61 Interpretasi Koefisien Determinasi (Adjusted R2)
INTERPRETASI KOEFISIEN DETERMINASI (ADJUSTED R2)
SEKTOR MARET – APRIL 2019 MARET – APRIL 2020
PERTANIAN (AGRI)
di Sektor Pertanian (AGRI)
pada Maret – April 2019,
variabel independen Sentiment
investor (SENT), Market
Premium (MP), Size Premium
(SMB), dan Value Premium
(HML) dapat menjelaskan
return saham sebesar 11,82%
(0.118174). Sedangkan sisanya
88.18% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
Di Sektor Pertanian (AGRI)
pada Maret – April 2020,
variabel independen sentiment
investor (SENT), Market
Premium (MP), Size Premium
(SMB), dan Value Premium
(HML) dapat menjelaskan
return saham sebesar 70,10%
(0.700976). Sedangkan sisanya
29.90% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
PERTAMBANGAN
(MINING)
Di Sektor Pertambangan
(MINING) pada Maret – April
2019, variabel independen
sentiment investor (SENT),
Market Premium (MP), Size
Premium (SMB), dan Value
Premium (HML) dapat
menjelaskan return saham
sebesar 13.12% (0.131249).
Sedangkan sisanya 86.88%
dijelaskan atau dipengaruhi
oleh variabel-variabel lain,
yang mana variabel tersebut
Di Sektor Pertambangan
(MINING) pada Maret – April
2020, variabel independen
sentiment investor (SENT),
Market Premium (MP), Size
Premium (SMB), dan Value
Premium (HML) dapat
menjelaskan return saham
sebesar 51.50% (0.515031).
Sedangkan sisanya 48.50%
dijelaskan atau dipengaruhi
oleh variabel-variabel lain,
yang mana variabel tersebut
183
tidak diteliti dalam penelitian
ini.
tidak diteliti dalam penelitian
ini.
INDUSTRI DASAR DAN
KIMIA (BASIC)
Di Sektor Industri Dasar dan
Kimia (BASIC) pada Maret –
April 2019, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 14.83%
(0.148341). Sedangkan sisanya
85.17% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
Di Sektor Industri Dasar dan
Kimia (BASIC) pada Maret –
April 2020, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 34.65%
(0.346495). Sedangkan sisanya
65.35% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
ANEKA INDUSTRI (MISC)
Di Sektor Aneka Industri
(MISC) pada Maret – April
2019 , variabel independen
sentiment investor (SENT),
Market Premium (MP), Size
Premium (SMB), dan Value
Premium (HML) dapat
menjelaskan return saham
sebesar 10.59% (0.105994).
Sedangkan sisanya 89.41%
dijelaskan atau dipengaruhi
oleh variabel-variabel lain,
yang mana variabel tersebut
tidak diteliti dalam penelitian
ini.
Di Sektor Aneka Industri
(MISC) pada Maret – April
2020, variabel independen
sentiment investor (SENT),
Market Premium (MP), Size
Premium (SMB), dan Value
Premium (HML) dapat
menjelaskan return saham
sebesar 67.46% (0.674591).
Sedangkan sisanya 32.54%
dijelaskan atau dipengaruhi
oleh variabel-variabel lain,
yang mana variabel tersebut
tidak diteliti dalam penelitian
ini.
INDUSTRI BARANG
KONSUMSI (CGI)
Di Sektor Industri Barang
Konsumsi (CGI) pada Maret –
April 2019, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 6.48%
(0.064788). Sedangkan sisanya
93.52% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
Di Sektor Industri Barang
Konsumsi (CGI) pada Maret –
April 2020, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 66.78%
(0.667779). Sedangkan sisanya
33.22% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
PROPERTI, REAL Di Sektor Properti, Real Di Sektor Properti, Real
184
ESTATE, DAN
KONSTRUKSI
BANGUNAN (PROPERTY)
Estate, dan Konstruksi
Bangunan (PROPERTY) pada
Maret – April 2019, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 34.26%
(0.342598). Sedangkan sisanya
65.74% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
Estate, dan Konstruksi
Bangunan (PROPERTY) pada
Maret – April 2020, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 46.33%
(0.463286). Sedangkan sisanya
53.67% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
INFASTRUKTUR,
UTILITAS, DAN
TRANSPORTASI
(INFRASTRUCTURE)
Di Sektor Infrastruktur,
Utilitas, dan Transportasi
(INFRASTRUCTURE) pada
Maret – April 2019, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 85.34%
(0.853454). Sedangkan sisanya
14.66% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
di Sektor Infrastruktur,
Utilitas, dan Transportasi
(INFRASTRUCTURE) pada
Maret – April 2020, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 66.04%
(0.660455). Sedangkan sisanya
33.96% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
KEUANGAN (FINANCE)
Di Sektor Keuangan
(FINANCE) pada Maret –
April 2019, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 6.60%
(0.066057). Sedangkan sisanya
93.4% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
Di Sektor Keuangan
(FINANCE) pada Maret –
April 2020, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 39.13%
(0.391333). Sedangkan sisanya
60.87% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
PERDAGANGAN, JASA,
DAN INVESTASI (TRADE)
Di Sektor perdagangan, jasa,
dan investasi (TRADE) pada
Di Sektor perdagangan, jasa,
dan investasi (TRADE) pada
185
Maret – April 2019, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 4.57%
(0.045680). Sedangkan sisanya
95.43% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
Maret – April 2020, variabel
independen sentiment investor
(SENT), Market Premium
(MP), Size Premium (SMB),
dan Value Premium (HML)
dapat menjelaskan return
saham sebesar 51.12%
(0.511161). Sedangkan sisanya
48.88% dijelaskan atau
dipengaruhi oleh variabel-
variabel lain, yang mana
variabel tersebut tidak diteliti
dalam penelitian ini.
4.3 Pembahasan
Penelitian ini meneliti mengenai pengaruh sentiment investor pada masa
pandemic COVID-19 pada tahun 2020, dengan mengambil periode waktu 02
Maret – 14 April 2020 (30 hari) saat pandemic COVID-19 baru masuk ke
Indonesia terhadap return saham tiap-tiap sektor yang terdaftar di Bursa Efek
Indonesia (BEI). Yang mana periode waktu ketika COVID-19 terjadi tersebut
dibandingkan dengan Maret – April 2019—sebelum terjadinya COVID-19,
agar dapat dilihat sebesar apa perbedaan pengaruh sentiment investor pada
saham-saham di Indonesia di saat sebelum pandemic dan setelah adanya
pandemic COVID-19 di Indonesia.
Analisis regresi data panel dalam penelitian ini dilakukan dengan meneliti
pengaruh variabel independen utama yaitu sentiment investor dan variabel
independen pendukung Market Premium, Size Premium, dan Value Premium
terhadap variabel dependen return saham perusahaan. Seperti yang sudah
dijelaskan, keputusan penggunaan variabel independen pendukung tersebut
186
adalah untuk meningkatkan keakuratan model, dengan mempertimbangkan
bahwa ada factor-faktor lain yang juga mempengaruhi return saham. Namun,
dalam pembahasan ini yang akan dibahas adalah pengaruh variaben
independen utama, yaitu sentiment investor terhadap variabel dependen return
saham, sebagaimana hal ini adalah topic utama dalam penelitian ini. Berikut
pembahasan hasil penelitian pada tiap-tiap sektornya.
4.3.1 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor
Pertanian Pada Masa Pandemi COVID-19
Penelitian terhadap Sektor Pertanian dilakukan pada 8 perusahaan
yang memenuhi kriteria pemilihan sampel. Regresi data panel pada
Sektor Pertanian di Maret – April 2019 menghasilkan persamaan
sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_AGRI = 0.024408 + 1.064675*SENT + 0.459074*MP –
0.13157*SMB + 0.103259*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.024408 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.024408. Nilai β1 = 1.064675 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Pertanian. Yang mana apabila
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
187
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 1.064675 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
Regresi data panel pada Sektor Pertanian di Maret – April 2020
menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_AGRI = 0.016877 + 3.788813*SENT + 0.442379*MP –
0.44056*SMB + 0.435914*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.016877 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.016877. Nilai β1 = 3.788813 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Pertanian. Yang mana apabila
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 3.788813 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) maupun saat pandemi
COVID-19 (Maret – April 2020), sama-sama berpengaruh secara
signifikan terhadap return saham perusahaan di Sektor Pertanian.
Akan tetapi, pengaruh sentiment investor pada masa pandemi COVID-
188
19 terhadap return saham Sektor Pertanian lebih tinggi dibandingkan
pada saat sebelum pandemic COVID-19 di Indonesia. Dilihat dari nilai
koefisiennya 3.78813*SENT > 1.064675*SENT.
Dengan ini hipotesis dapat diterima, bahwa pada Sektor Pertanian
sentiment investor berpengaruh signifikan terhadap return saham di
masa pandemic COVID-19.
4.3.2 Pengaruh Sentimen Investor Terhadap Return Saham di
Pertambangan Pada Masa Pandemi COVID-19
Penelitian terhadap Sektor Pertambangan dilakukan pada 10
perusahaan yang memenuhi kriteria pemilihan sampel. Regresi data
panel pada Sektor Pertambangan di Maret – April 2019 menghasilkan
persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_MINING = 0.022506 + 1.191435*SENT + 0.464486*MP –
0.01971*SMB + 0.319593*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.0225068 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.022506. Nilai β1 = 1.191435 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Pertambangan. Yang mana apabila
189
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 1.191435 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
Regresi data panel pada Sektor Pertambangan di Maret – April
2020 menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_MINING = 0.023988 + 3.483932*SENT + 0.693462*MP –
0.57941*SMB – 0.56540*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.016877 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.016877. Nilai β1 = 3.788813 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Pertambangan. Yang mana apabila
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 3.788813 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) maupun saat pandemi
COVID-19 (Maret – April 2020), sama-sama berpengaruh secara
signifikan terhadap return saham perusahaan di Sektor Pertambangan.
190
Akan tetapi, pengaruh sentiment investor pada masa pandemi COVID-
19 terhadap return saham Sektor Pertambangan lebih tinggi
dibandingkan pada saat sebelum pandemic COVID-19 di Indonesia.
Dilihat dari nilai koefisiennya 3.483932*SENT > 1.191435*SENT.
Dengan ini hipotesis dapat diterima, bahwa pada Sektor
Pertambangan sentiment investor berpengaruh signifikan terhadap
return saham di masa pandemic COVID-19.
4.3.3 Pengaruh Sentimen Investor terhadap Return Saham di Sektor
Industri Dasar dan Kimia Pada Masa Pandemi COVID-19
Penelitian terhadap Sektor Industri Dasar dan Kimia dilakukan
pada 10 perusahaan yang memenuhi kriteria pemilihan sampel.
Regresi data panel pada Sektor Industri Dasar dan Kimia di Maret –
April 2019 menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_BASIC = 0.038905 + 2.862993*SENT + 0711500*MP –
0.11022*SMB + 0.014073*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.038905 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.038905. Nilai β1 = 2.862993 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
191
dependen return saham di Sektor Industri Dasar dan Kimia. Yang
mana apabila sentiment investor mengalami kenaikan atau penurunan
sebesar 1, maka return saham akan ikut mengalami kenaikan atau
penurunan sebesar 2.862993 dengan Market Premium (MP), Size
Premium (SMB), dan Value Premium (HML) dianggap konstan.
Regresi data panel pada Sektor Industri Dasar dan Kimia di Maret
– April 2020 menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_BASIC= 0.035302+ 4.558932*SENT + 0.870436*MP –
0.13359*SMB + 0.352165*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.035302 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.035302. Nilai β1 = 4.558932 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Industri Dasar dan Kimia. Yang
mana apabila sentiment investor mengalami kenaikan atau penurunan
sebesar 1, maka return saham akan ikut mengalami kenaikan atau
penurunan sebesar 4.558932 dengan Market Premium (MP), Size
Premium (SMB), dan Value Premium (HML) dianggap konstan.
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) maupun saat pandemic
COVID-19 (Maret – April 2020), sama-sama berpengaruh secara
192
signifikan terhadap return saham perusahaan di Sektor Industri Dasar
dan Kimia. Akan tetapi, pengaruh sentiment investor pada masa
pandemi COVID-19 terhadap return saham Sektor Industri Dasar dan
Kimia lebih tinggi dibandingkan pada saat sebelum pandemic COVID-
19 di Indonesia. Dilihat dari nilai koefisiennya 4.558932*SENT >
2.862993*SENT.
Dengan ini hipotesis dapat diterima, bahwa pada Sektor Industri
Dasar dan Kimia sentiment investor berpengaruh signifikan terhadap
return saham di masa pandemic COVID-19.
4.3.4 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor
Aneka Industri Pada Masa Pandemi COVID-19
Penelitian terhadap Sektor Aneka Industri dilakukan pada 10
perusahaan yang memenuhi kriteria pemilihan sampel. Regresi data
panel pada Sektor Aneka Industri di Maret – April 2019 menghasilkan
persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_MISC = 0.050540+ 0.922336*SENT + 0.909506*MP –
0.00038*SMB + 0.120877*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.050540 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
193
0.050540. Nilai β1 = 0.922336 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Aneka Industri. Yang mana apabila
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 0.922336 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
Regresi data panel pada Sektor Aneka Industri di Maret – April
2020 menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_MISC= 0.044812 + 0.431126*SENT + 1.018348*MP +
0.186258*SMB + 0.220125*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.044812 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.044812. Nilai β1 = 0.431126 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Aneka Industri. Yang mana apabila
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 0.431126 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
194
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor pada sebelum (Maret – April 2019) berpengaruh signifikan
terhadap return saham di Sektor Aneka Industri. Sementara pada saat
masa pandemi COVID-19 (Maret – April 2020), sentiment investor
tidak berpengaruh secara signifikan terhadap return saham perusahaan
di Sektor Aneka Industri.
Dengan ini hipotesis dapat ditolak, karena pada Sektor Aneka
Industri sentiment investor tidak berpengaruh signifikan terhadap
return saham di masa pandemic COVID-19.
4.3.5 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor
Industri Barang Konsumsi Pada Masa Pandemi COVID-19
Penelitian terhadap Sektor Industri Barang Konsumsi dilakukan
pada 10 perusahaan yang memenuhi kriteria pemilihan sampel.
Regresi data panel pada Sektor Industri Barang Konsumsi di Maret –
April 2019 menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_CGI = 0.029313+ 0.450023*SENT + 0.526063*MP –
0.13157*SMB + 0.140556*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.0225068 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
195
0.029313. Nilai β1 = 0.450023 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Industri Barang Konsumsi. Yang
mana apabila sentiment investor mengalami kenaikan atau penurunan
sebesar 1, maka return saham akan ikut mengalami kenaikan atau
penurunan sebesar 0.450023 dengan Market Premium (MP), Size
Premium (SMB), dan Value Premium (HML) dianggap konstan.
Regresi data panel pada Sektor Industri Barang Konsumsi di Maret
– April 2020 menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_CGI = 0.042141+ 10.00818*SENT + 1.010202*MP +
0.335471*SMB + 0.259820*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.042141 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.042141. Nilai β1 = 10.00818 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Industri Barang Konsumsi. Yang
mana apabila sentiment investor mengalami kenaikan atau penurunan
sebesar 1, maka return saham akan ikut mengalami kenaikan atau
penurunan sebesar 10.00818 dengan Market Premium (MP), Size
Premium (SMB), dan Value Premium (HML) dianggap konstan.
196
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) maupun saat pandemi
COVID-19 (Maret – April 2020), sama-sama berpengaruh secara
signifikan terhadap return saham perusahaan di Sektor Industri Barang
Konsumsi. Akan tetapi, pengaruh sentiment investor pada masa
pandemi COVID-19 terhadap return saham Sektor Industri Barang
Konsumsi jauh lebih tinggi dibandingkan pada saat sebelum pandemic
COVID-19 di Indonesia. Dilihat dari nilai koefisiennya
10.00818*SENT > 0.450023*SENT.
Dengan ini hipotesis dapat diterima, bahwa pada Sektor Industri
Barang Konsumsi sentiment investor berpengaruh signifikan terhadap
return saham di masa pandemic COVID-19.
4.3.6 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor
Properti, Real Estate, dan Konstruksi Bangunan Pada Masa Pandemi
COVID-19
Penelitian terhadap Sektor Properti, Real Estate, dan Konstruksi
Bangunan dilakukan pada 10 perusahaan yang memenuhi kriteria
pemilihan sampel. Regresi data panel pada Sektor Properti, Real
Estate, dan Konstruksi Bangunan di Maret – April 2019 menghasilkan
persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
197
Ri,t–Rf_PROPERTY = 0.040631+ 4.748999*SENT + 0.795918*MP
– 0.24412*SMB + 0.234251*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.040631 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.040631. Nilai β1 = 4.748999 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Properti, Real Estate, dan Konstruksi
Bangunan. Yang mana apabila sentiment investor mengalami kenaikan
atau penurunan sebesar 1, maka return saham akan ikut mengalami
kenaikan atau penurunan sebesar 4.748999 dengan Market Premium
(MP), Size Premium (SMB), dan Value Premium (HML) dianggap
konstan.
Regresi data panel pada Sektor Properti, Real Estate, dan
Konstruksi Bangunan di Maret – April 2020 menghasilkan persamaan
sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_PROPERTY = 0.035743+ 1.720303*SENT + 0.893173*MP
+ 0.116782*SMB – 0.63306*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.035743 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.035743. Nilai β1 = 1.720303 berarti bahwa sentiment investor
198
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Properti, Real Estate, dan Konstruksi
Bangunan. Yang mana apabila sentiment investor mengalami kenaikan
atau penurunan sebesar 1, maka return saham akan ikut mengalami
kenaikan atau penurunan sebesar 1.720303 dengan Market Premium
(MP), Size Premium (SMB), dan Value Premium (HML) dianggap
konstan.
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) maupun saat pandemi
COVID-19 (Maret – April 2020), sama-sama berpengaruh secara
signifikan terhadap return saham perusahaan di Sektor Properti, Real
Estate, dan Konstruksi Bangunan. Akan tetapi, pengaruh sentiment
investor pada masa pandemi COVID-19 terhadap return saham Sektor
Properti, Real Estate, dan Konstruksi Bangunan ternyata lebih rendah
dibandingkan pada saat sebelum pandemic COVID-19 di Indonesia.
Dilihat dari nilai koefisiennya 1.720303*SENT < 4.748999*SENT.
Dengan ini hipotesis dapat diterima, bahwa pada Sektor Properti,
Real Estate, dan Konstruksi Bangunan sentiment investor berpengaruh
signifikan terhadap return saham di masa pandemic COVID-19.
Walaupun pengaruhnya lebih rendah dibandingkan sebelum pandemic
COVID-19.
199
4.3.7 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor
Infrastruktur, Utilitas, dan Transportasi Pada Masa COVID-19
Penelitian terhadap Sektor Infrastruktur, Utilitas, dan Transportasi
dilakukan pada 10 perusahaan yang memenuhi kriteria pemilihan
sampel. Regresi data panel pada Sektor Infrastruktur, Utilitas, dan
Transportasi di Maret – April 2019 menghasilkan persamaan sebagai
berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_INFRASTRUCTURE = 0.024909 + 0.982195*SENT +
0.436801*MP – 0.01731*SMB + 0.517916*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.024909 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.024949. Nilai β1 = 0.982195 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Infrastruktur, Utilitas, dan
Transportasi. Yang mana apabila sentiment investor mengalami
kenaikan atau penurunan sebesar 1, maka return saham akan ikut
mengalami kenaikan atau penurunan sebesar 0.982195 dengan Market
Premium (MP), Size Premium (SMB), dan Value Premium (HML)
dianggap konstan.
200
Regresi data panel pada Sektor Infrastruktur, Utilitas, dan
Transportasi di Maret – April 2020 menghasilkan persamaan sebagai
berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_INFRATSRUCTURE = 0.054599 + 0.830882*SENT +
1.245758 *MP – 0.24893*SMB + 0.706192*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.054599 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.054599. Nilai β1 = 0.830882 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Infrastruktur, Utilitas, dan
Transportasi. Yang mana apabila sentiment investor mengalami
kenaikan atau penurunan sebesar 1, maka return saham akan ikut
mengalami kenaikan atau penurunan sebesar 0.830822 dengan Market
Premium (MP), Size Premium (SMB), dan Value Premium (HML)
dianggap konstan.
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) sentiment investor
(SENT) memiliki pengaruh secara signifikan pada return saham di
Sektor Infrastruktur, Utilitas, dan Transportasi. Namun, pada saat
pandemi COVID-19 (Maret – April 2020) sentiment investor (SENT)
201
tidak berpengaruh secara signifikan terhadap return saham perusahaan
di Sektor Infrastruktur, Utilitas, dan Transportasi.
Dengan ini hipotesis dapat ditolak, karena pada Sektor
Infrastruktur, Utilitas, dan Transportasi sentiment investor tidak
berpengaruh signifikan terhadap return saham di masa pandemic
COVID-19.
4.3.8 Pengaruh Sentimen Investor Terhadap Return Saham di Sektor
Keuangan Pada Masa Pandemi COVID-19
Penelitian terhadap Sektor Keuangan dilakukan pada 10
perusahaan yang memenuhi kriteria pemilihan sampel. Regresi data
panel pada Sektor Keuangan di Maret – April 2019 menghasilkan
persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_FINANCE = 0.032461 + 0.143819*SENT + 0.562719*MP –
0.08592*SMB + 0.052018*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.032461 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.032461. Nilai β1 = 0.143819 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Keuangan. Yang mana apabila
202
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 0.143819 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
Regresi data panel pada Sektor Keuangan di Maret – April 2020
menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_FINANCE = 0.031584 + 2.646316*SENT + 0.859965*MP +
0.241157*SMB + 0.187562*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.031584 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.031584. Nilai β1 = 2.646316 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Keuangan. Yang mana apabila
sentiment investor mengalami kenaikan atau penurunan sebesar 1,
maka return saham akan ikut mengalami kenaikan atau penurunan
sebesar 0.830822 dengan Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML) dianggap konstan.
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) maupun pada saat
pandemi COVID-19 (Maret – April 2020) sentiment investor (SENT)
203
tidak berpengaruh secara signifikan terhadap return saham perusahaan
di Sektor Keuangan.
Dengan ini hipotesis dapat ditolak, karena pada Sektor Keuangan
sentiment investor tidak berpengaruh signifikan terhadap return saham
di masa pandemic COVID-19.
4.3.9 Pengaruh Sentimen Incestor Terhadap Return Saham di Sektor
Perdagangan, Jasa, dan Investasi Pada Masa Pandemi COVID-19
Penelitian terhadap Sektor Perdagangan, Jasa, dan Investasi
dilakukan pada 10 perusahaan yang memenuhi kriteria pemilihan
sampel. Regresi data panel pada Sektor Perdagangan, Jasa, dan
Investasi di Maret – April 2019 menghasilkan persamaan sebagai
berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_TRADE = 0.018103 + 1.167823*SENT + 0.319262*MP +
0.314325*SMB – 0.16800*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.018103 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.018103. Nilai β1 = 1.167823 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Perdagangan, Jasa, dan Investasi.
204
Yang mana apabila sentiment investor mengalami kenaikan atau
penurunan sebesar 1, maka return saham akan ikut mengalami
kenaikan atau penurunan sebesar 1.167823 dengan Market Premium
(MP), Size Premium (SMB), dan Value Premium (HML) dianggap
konstan.
Regresi data panel pada Sektor Perdagangan, Jasa, dan Investasi di
Maret – April 2020 menghasilkan persamaan sebagai berikut:
Ri,t – Rf = α + β1Sentt-1 + β2(Rm – Rf)t + β3SMBi,t + β4HMLi,t + εi,t
Ri,t–Rf_TRADE = 0.027094 + 11.02193*SENT + 0.874125*MP +
0.066055*SMB – 0.12218*HML
Dari persamaan tersebut dapat diinterpretasikan bahwa nilai α =
0.027094 menunjukkan apabila semua variabel independen bernilai
atau sama dengan nol (0), maka variabel dependennya bernilai sebesar
0.027094. Nilai β1 = 11.02193 berarti bahwa sentiment investor
(SENT) memiliki pengaruh yang sifatnya searah dengan variabel
dependen return saham di Sektor Perdagangan, Jasa, dan Investasi.
Yang mana apabila sentiment investor mengalami kenaikan atau
penurunan sebesar 1, maka return saham akan ikut mengalami
kenaikan atau penurunan sebesar 11.02193 dengan Market Premium
(MP), Size Premium (SMB), dan Value Premium (HML) dianggap
konstan.
Dari hasil analisis regresi juga diketahui bahwa pengaruh sentiment
investor, baik sebelum (Maret – April 2019) maupun pada saat
205
pandemi COVID-19 (Maret – April 2020) sentiment investor (SENT)
sama-sama berpengaruh secara signifikan terhadap return saham
perusahaan di Sektor Perdagangan, Jasa, dan Investasi. Akan tetapi,
pengaruh sentiment investor (SENT) pada masa pandemic COVID-19
jauh lebih besar diabndingkan saat sebelum pandemic di Indonesia.
Hal ini dapat dilihat dari nilai koefisisen sentiment investor
11.02193*SENT > 1.167823*SENT.
Dengan ini hipotesis dapat diterima, bahwa pada Sektor
Perdagangan, Jasa, dan Investasi sentiment investor berpengaruh
signifikan terhadap return saham di masa pandemic COVID-19.
Dari pembahasan ini diketahui bahwa pada beberapa sektor, sentiment
investor memiliki pengaruh yang positif atau searah dan signifikan. Hasil ini
sesuai dengan hasil dari penelitian yang dilakukan oleh Yang, Ryu, Ryu (2017) ;
serta Feren dan Nuraini Bangun (2019).
206
5. BAB 5
5.1 Kesimpulan
Penelitian ini bertujuan untuk mengetahui bagaimana pengaruh
sentiment investor pada masa pandemic COVID-19 terhadap return saham
sektoral yang terdaftar di Bursa Efek Indonesia (BEI). Penelitian ini
dilakukan pada 9 (Sembilan) sektor industri, dengan mengambil 8
perusahaan pada Sektor Pertanian dan masing-masing 10 perusahaan pada
tiap-tiap Sektor Pertambangan, Sektor Industri Dasar dan Kimia, Sektor
Aneka Industri, sektor industri barang konsumen, sektor property-real
eastate-konstruksi bangunan, sektor infrastruktur-utilitas-transportasi,
Sektor Keuangan, dan sektor perdagangan-jasa-investasi. Analisis regresi
menggunakan regresi data panel menggunakan software E-views 10
dengan jumlah observasi 240 observasi untuk Sektor Pertanian dan 300
observasi untuk masing-masing 8 sektor lainnya.
Penelitian ini juga membandingkan hasil sebelum masa pandemic
(Maret – april 2019) dan saat pandemic (Maret – April 2020), untuk
melihat bagaimana perbedaan pengaruh dari sentiment investor itu sendiri.
Penelitian ini juga menggunakan variabel independen pendukung berupa
fama-french three factor model (Market Premium (MP), Size Premium
(SMB), dan Value Premium (HML)) dengan tujuan untuk meningkatkan
keakuratan model dalam mengestimasi.
207
Adapun hasil dari penelitian ini menunjukkan bahwa dengan
menggunakan trading volume activity sebagai proksi untuk sentiment
investor, sentiment investor berpengaruh positif terhadap return saham,
baik sebelum maupun saat pandemic COVID-19 di semua sektor.
Penelitian menunjukkan bahwa baik di masa pandemic COVID-19
ataupun sebelum pandemic COVID-19, sentiment investor memiliki
pengaruh signifikan terhadap return saham. Namun, pengaruhnya ini lebih
besar dibandingkan dengan saat sebelum pandemic. Hal ini terjadi pada
Sektor Pertanian, Sektor Pertambangan, Sektor Industri Dasar dan Kimia,
dan sektor perdagangan-jasa-investasi.
Pada beberapa sektor, sentiment investor memiliki pengaruh yang
signifikan, baik di masa pandemic COVID-19 maupun sebelum pandemic
COVID-19. Namun, pengaruh tersebut lebih rendah dibandingkan dengan
pada saat sebelum pandemic. Hal ini terjadi pada Sektor Properti, Real
Estate, dan Konstruksi Bangunan.
Pada sektor industri Barang Konsumen, sentiment investor tidak
memiliki pengaruh yang signifikan pada saat sebelum pandemic COVID-
19. Namun, sentiment investor memiliki pengaruh yang signifikan dan
besar pada masa pandemic COVID-19.
Pada Sektor Infrastruktur, Utilitas, dan Transportasi sentiment
investor di masa pandemi COVID-19 justru tidak memiliki pengaruh yang
signifikan terhadap return saham. Hal ini juga berlaku pada Sektor Aneka
Industri.
208
Dari penelitian ini juga diketahui bahwa Sektor Keuangan, baik
sebelum maupun saat pandemic COVID-19 sentiment investor tidak
memiliki pengaruh yang signifikan terhadap return saham.
5.2 Saran
Berdasarkan keseluruhan penelitian dan pembahasan yang telah
dilakukan, penulis mengemukakan beberapa saran sebagai berikut:
1. Bagi peneliti lain yang ingin melakukan penelitian dengan topic yang
sama di masa mendatang, disarankan untuk menggunakan jumlah
sampel atau observasi yang lebih besar agar penelitian yang dilakukan
bisa lebih mewakili keadaan yang sesungguhnya. Perusahaan yang
diteliti dalam penelitian ini berjumlah antara 8 dan 10 perusahaan di
tiap sektornya, dipenelitian selanjutnya dapat menggunakan lebih
banyak perusahaan. Penelitian selanjutnya juga dapat memperpanjang
periode waktu yang digunakan penelitian.
2. Hendaknya mengubah proksi sentiment investor yang digunakan
dalam penelitian selanjutnya. Sehingga dapat dilihat apakah terdapat
perbedaan hasil jika menggunakan proksi sentiment investor yang
berbeda.
1
DAFTAR PUSTAKA
Agustya dan Faisal. 2018. ―Sentimen Investor Dan Ekspektasi Pertumbuhan Laba
Jangka Panjang Pada Industri Non Keuangan di Indonesia‖.
Jurnal Ilmiah Mahasiswa Ekonomi Manajemen Universitas
Syiah Kuala, Vol 3(1)
Ary, William W. 2019. ―Sentimen Investor dan Three-Factor Asset Pricing Model
(Studi Empirik di Bursa Efek Indonesia)‖. Jurnal Manajemen
dan Keuangan, Vol.8(2): 221 – 237.
Bagun, Nurainun, Feren, Linda Santioso, Henryanto Wijaya. 2020. ―Pengaruh
Interest Rate, Investor Sentiment, Financial Distress Terhadap
Stock Return‖. Jurnal Bina Akuntansi, Vol.7(1): 80 – 106
Baker, Malcolm, dan Jeffrey Wurgler. 2007. ―Investor Sentiment in The Stock
Market‖. Jounal of Economic Perpective, Vol.21(2): 129 – 151.
Baker, Malcolm, dan Jeffrey Wurgler. 2006. ―Investor Sentiment and The Cross-
Section of Stock Returns‖. The Journal of Finance, Vol. 61(4):
1645 – 1680.
Bareksa. 2020. ―IHSG Februari 2020 Longsor, Begini Knerja Empat Jenis
Reksadana‖. 02 Maret 2020
(https://www.bareksa.com/berita/id/text/2020/03/02/ihsg-
februari-2020-longsor-begini-kinerja-empat-jenis-
reksadana/24451/news)
Batubara, Mustopa M. 2011. ―Metode Penelitian Sosial Ekonomi‖. Universitas
Muhammadiyah Palembang: Palembang.
Birgham dan Houston. 2018. ―Fundamental of Financial Management 15th
Edition‖. Cancage: Boston, USA.
Burghardt, Matthias. 2011. ―Retail Investor Sentiment and Behavior‖. Gabler
Verlag, Springer Fachmedien Wiesbaden GmbH 2011. DOI:
10.1007/978-3-8349-6170-9
Bursa Efek Indonesia (BEI). ―Saham‖. (https://www.idx.co.id/produk/saham/)
______________________. ―Pengantar Pasar Modal‖.
(https://www.idx.co.id/investor/pengantar-pasar-modal/)
2
Bodie, ZVI, Alex Kane, dan Alan J. Marcus. 2009. ―Investment Eighth Edition‖.
Mc Graw Hill: New York.
Dilla, Salsa, L.K. Sari, N.A. Achsani. 2020. ―Estimating The Effect of The
COVID-19 Outbreak Events On The Indonesian Sectoral Stock
Return‖. Jurnal Aplikasi Manajemen dan Bisnis, Vol.6 No.3;
662 – 668. DOI: 10.17388/jabm.6.3.662
Ekananda, Mahyus. 2016. ―Analisis Ekonometrika Data Panel Edisi 2‖. Mitra
Wacana Media: Jakarta.
Fadhillah, Faisal. 2017. ―Pengaruh Non-Linear Sentimen Investor terhadap
Return pada Perusahaan Manufaktur di Bursa Efek Indonesia
Tahun 2014 – 2015‖. Jurnal Ilmiah Mahasiswa Ekonomi
Manajemen, Vol. 2(3): 246 – 259.
Fama, Eugene F. dan K. R. French. 1992. ―Common Risk Factors in The Returns
on Stocks and Bonds‖. Journal of Financial Economics, Vol.33;
3 – 56.
Fama, Eugene. F dan K.R. French. 1992. ―The Cross-Section of Expected Stock
Return‖. The Journal of Finance, Vol.XLVII(2): 427 – 465.
Gio, Prana Ugiana dan Dasapta Erwin Irawan. 2016. ―Belajar Statistika dengan R
(Disertai beberapa contoh perhitungan manual)‖. USU Press:
Medan.
Gugus Tugas Percepatan Penanganan COVID-19. 2020. ―Peta Sebaran COVID-
19 di Indonesia‖. (https://covid19.go.id/peta-sebaran)
Gujarati, Damodar. 2007. ―Dasar-Dasar Ekonometrika Edisi Ketiga‖. Penerbit
Erlangga: Jakarta.
Gujarati, Damodar dan Porter. 2009. ―Basic Econometrics 5th
Edition‖. Mc Graw
Hill: New York.
HaiYue Liu, A. Manzoor, Cang Yu Wang, Lei Zhang, and Z. Manzoor. 2020.
―The COVID-19 Outbreak and Affected Countris Stock Markets
Respin‖. International Journal of Environmental Research dan
Pblic Health. DOI: 10.3390/ijerph17082800
Handoko, Wina MW dan Supramono. 2017. ―Sentimen Investor Terhadap
Peristiwa Teorisme Berbasis Fundamental Perusahaan (Studi
3
pada Peristiwa Serangan Bom Sarinah 14 Januari 2016)‖. Jurnal
Akuntansi dan Keuangan, Vol.19(2): 122 – 132
Hardianto dan Suherman. 2009. ―Pengujian Fama-French Three-Factor Model di
Indonesia‖. Jurnal Keuangan dan Perbankan, Vol.13(2): 198 –
208. SK. No. 167/DIKTI/Kep/2007
Herlianto, Didit. 2013. ―Manajemen Investasi Plus Jurus Mendeteksi Investasi
Bodong‖. Gosyen Publishing: Yogyakarta.
Hu, Changsheng dan Yongfeng Wang. 2013. ―Noise Trading and Stock Return:
Evidence from China‖. China Finance Review International
Vo.1(3) : 301 – 315. DOI: 10.1108/CFRI-02-2012-0017
Indonesia.go.id. 2020. ―Kasus COVID-19 Pertama, Masyarakat Jangan Panik‖. 2
Maret 2020 (https://indonesia.go.id/narasi/indonesia-dalam-
angka/ekonomi/kasus-covid-19-pertama-masyarakat-jangan-
panik)
Kencana, Anggia P.P. 2019. ―Analisis Hubungan Antara Sentimen Investor dan
Imbal Hasil Pasar Saham dengan Pendekatan Aliran Dana Reksa
dan Analisis Vector Autoregressive (VAR)‖. Jurnal Ilmiah
Ekonomi Bisnis, Vol.24(3): 204 – 2014
Kompas. 2020. ―WHO Umumkan Wabah Virsu Corona Berstatus Darurat Global,
Apa Artinya?‖. 31 Januari 2020
(https://sains.kompas.com/read/2020/01/31/113000623/who-
umumkan-wabah-virus-corona-berstatus-darurat-global-apa-
artinya?page=all)
_______. 2020. ―Rangkaian Peristiwa Pertama COVID-19‖. 18 April 2020
(https://bebas.kompas.id/baca/riset/2020/04/18/rangkaian-
peristiwa-pertama-covid-19/)
Lestari, Diyan. 2016. ―Investor Sentiment, Ekonomi Makro, dan Stock Market
Performance‖. SEMNAS FEKON 2016.
Lorraine Rupande, Muguto, Muzindutsi. 2019. ―Investor Sentiment and Stock
Return Volatility: Evidence from The Johannesburg Stock
Exchange‖. Cogent Economics and Finance, Vol.7.
Maulina, Rosyida dan N.F. Nuzula. 2018. ―Does Investor Sentiment Affect Large-
Ca and Small-Cap Stock Return? (Study on Companies Lised in
4
Indonesia Stock Market Period 2012 – 2016). Jurnal
Administrasi Bisnis (JAB) Vol.58 (1): 51 – 60.
Merthadiyanti, Luh Ade Wahyu dan Gerianta W. Yasa. 2019. ―Analisis Tarding
Volume Activity dan Bis-Ask Spread Setelah Stick Split‖. E-
Jurnal Akuntansi Universitas Udayana, Vol.21: 311 – 335.
DOI:http://doi.org/1024843/EJA.2019.v27.i01.p12
Mudjiyono. 2012. ―Investasi dalam Saham dan Obligasi dan Meminimalisasi
Risiko Sekuritas Pada Pasar Modal Indonesia‖. Jurnal STIE
Semarang, Vo.4(2). ISSN: 2252-7826.
Muklis, Faiza. 216. ―Perkembangan dan Tantangan Pasar Modal Indonesia‖. Al-
Masraf (Jurnal Lembaga Keuangan dan Perbankan) Vol.1(1): 65
– 75.
Nachrowi, Djalal dan Hardius Usman. 2006. ―Pendekatan Populer dan Praktis
Ekonometrika untuk Analisis Ekonomi dan Keuangan‖. Badan
Penerbit Universitas Indonesia: Jakarta.
Oprea, Dragos S. dan L. Brad. 2014. ―Investor Sentimen and Stock Returns:
Evidence from Romania‖. International Journal of Academic
Research in Accounting, Finance and Management Sciences,
Vol.4(2): 23 – 29. DOI: 10.6007/IJARAFMS/v4-i2/764
Otoritas Jasa Keuangan. 2016. ―Seri Literasi Keuangan untuk Tingkat Perguruan
Tinggi: Pasar Modal‖. OJK: Jakarta.
Pandjaitan, Dorothy R. H. dan Aripin Ahmad. 2017. ―Buku Ajar Metode
Penelitian Untuk Bisnis‖. Aura Publishing: Bandar Lampung.
Pitriyanti, Kadek M., Komang Dharmawan, dan G. K. Gandhiadi. 2015.
―Perbandingan Capital Asset Pricing Model (CAPM) dan Three
Factors Model Fama dan French (TFMFF) Dalam Mengestimai
Return Saham‖. E-Jurnal Matematika, Vol.4(4): 181 – 187.
ISSN: 2303-1751
Qing He, Junyi Liu, Sizhu Wang, dan Jishuang Yu. 2020. ―The Impact of
COVID-19 on Stock Market‖. Economic and Political Studies.
DOI: 10.1080/20954816.2020.1757570
Rahmah, Mas. 2019. ―Hukum Pasar Modal‖. Kencana: Jakarta.
5
Rinaldi, Sony F. dan Bagya Mujianto. 2017. ―Metodologi Penelitian dan
Statistik‖. Kementrian Kesehatan Republik Indonesia, Pusat
Pendidikan Sumber Daya Manusia Kesehatan, Badan
Pengembangan dan Pemberdayaan Sumber Daya Manusia
Kesehatan.
Ryu, D., D. Ryu, H.J. Yang. 2019. ―Investor Sentimen, Market Competition, and
Financial Crisis: Evidence from The Korean Stock Market‖.
Emerging Markets Finance and Trade. DOI:
10.1080/1540496X.2019.1675152
Sekaran, Uma dan R. Bougie. 2016. ―Research Methods for Business: A Skill-
Building Approach‖. John Wiley & Sons Ltd.: Chichester, West
Sussex, United Kingdom.
Setyawati, Vivi Yuly dan Ataina Hudayati. 2019. ―Pengaruh Komite Remunerasi
dan Peraturan Otoritas Jasa Keuangan Terhadap Kinerja
Perusahaan‖. Proceeding of National Conference on Accunting
and Finance Vol.1 :22 – 33. DOI: 10.20885/ncaf.vol1.art3
Shiller, Robert J. 2003. ―From Efficient Markets Theory to Behavioral Finance‖.
Journal of Economic Perpectives, Vol.17(1): 83 – 104.
Sidik, Syahrizal. CNBC Indonesia. 2020. ―Nih, Sejumlah Sentimen Negatif yang
Bikin IHSG Jebol 2,63%‖. 27 Februari 2020
(https://www.cnbcindonesia.com/market/20200227120756-17-
140815/nih-sejumlah-sentimen-negatif-yang-bikin-ihsg-jebol-
263)
Sitorus, Yosephine M. dan Yuliana. 2018. ―Penerapan Regresi Data PANEL Pada
Analisis Pengaruh Infrastruktur Terhadap Produktivitas
Ekonomi Provinsi-Provinsi di Luar Pulau Jawa Tahun 2010-
2014‖. Jurnal Media Statistika Vol.11(1): 1 – 15. DOI:
10.14710/medstat.11.1.1-15
Sudirman. 2015. ―Pasar Modal dan Manajemen Portofolio‖. Sultan Amai Press:
Gorontalo.
Sugianto, Danang. Detik Finance. 2020. ―Perjalanan IHSG Sejak RI Positif Virus
Corona‖. 10 April 2020 (https://finance.detik.com/bursa-dan-
valas/d-4972595/perjalanan-ihsg-sejak-ri-positif-virus-corona)
6
Suryana. 2010. ―Buku Ajar Perkuliahan Metodologi Penelitian: Model Praktis
Penelitian Kuantitatif dan Kualitatif‖. Universitas Pendidikan
Indonesia.
Srihardianti, Mariska, M. Mustafid, dan A. Prahutama. 2016. ―Metode Regresi
Data Panel Untuk Peramalan Konsumsi Energi di Indonesia‖.
Jurnal Gaussian Vol.5(3): 475 – 485. DOI:
https://doi.org/10/14710/j.gauss.v5i3.14703
Tempo. 2020. ―WHO Beri Status Pandemi untuk COVID-19, Apa Artinya?‖. 13
Maret 2020 (https://gaya.tempo.co/read/1319075/who-beri-
status-pandemi-untuk-covid-19-apa-artinya)
Tjolleng, Amir dan T. Manurung. 2013. ―Analisis Portofolio dalam Investasi
Saham Pada Pasar Modal‖. D’Cartesian: Jurnal Matematika dan
Aplikasi Vol.2(2): 33 – 40.
DOI: https://doi.org/10.35799/dc.2.2.2013.3434
Wahidmurni. 2017. ―Pemaparan Metode Penelitian Kuantitaif‖. Jurnal Fakultas
Ilmu Tarbiyah dan Keguruan UIN Maulana Malik Ibrahim
Malang.
Wahyuni, Asri N. dan Suryakusuma. 2018. ―Analisis Likuiditas, Solvabilitas, dan
Aktivitas Perusahaan terhadap Profitabilitas pada Perusahaan
Manufaktur‖. Jurnal Manajemen Vol.15(1): 1 – 17. DOI:
http://doi.org/10.25170/jm.v15i1.95
Wardiyah, Mia L. 2017. ―Manajemen Pasar Uang dan Pasar Modal‖. CV Pustaka
Setia: Bandung.
Widarjono, Agus. 2013. ―Ekonometrika: Pengantar dan aplikasinya‖. Ekonesia:
Jakarta.
Widhiarti R.P, Aggraeni, dan Pasaribu. 2018. ―Analysis of Investor Sentiment
Impact in Indonesia Composite Stock Price Index Return
Volatility‖. Indonesian Journal of Business and
Entrepreneurship, Vol.4(3): 239 – 248.
World Health Organization (WHO). 2020. ―Coronavirus Disease (COVID-19)
Pandemic‖. (https://www.who.int/emergencies/diseases/novel-
coronavirus-2019)
World Health Organization (WHO). 2020. ―Rolling Updates on Coronavirus
Disease (COVID-19)‖.
7
(https://www.who.int/emergencies/diseases/novel-coronavirus-
2019/events-as-they-happen)
World Health Organization (WHO). 2020. ―WHO Coronavirus Disease (COVID-
19) Dashboard‖. (https://covid19.who.int/)
Yafiz, Muhammad. 2008. ―Saham dan Pasar Modal Syariah: Konsep, Sejarah, dan
Perkembangannya‖. MIQOT, Vol.32(2).
Yang, H.J, D. Ryu, D. Ryu.2017. ―Investor Sentiment, Asset Returns, and Firm
Characteristic: Evdenve from Korean Stock Market‖. Investment
Analysts Journal, Vol.46(2): 132 – 147. DOI:
10.1080/10293523.2016.1277850
1
LAMPIRAN
Lampiran 1
Model Estimator Terbaik Sektor Pertanian Maret – April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/06/21 Time: 02:59
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 8
Total panel (balanced) observations: 240
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.024408 0.007716 3.163107 0.0018
SENT 1.064675 0.318993 3.337613 0.0010
MP 0.459074 0.130463 3.518798 0.0005
SMB -0.131574 0.079500 -1.655012 0.0993
HML 0.103259 0.050268 2.054189 0.0411 Weighted Statistics R-squared 0.132906 Mean dependent var -0.067455
Adjusted R-squared 0.118147 S.D. dependent var 1.074342
S.E. of regression 1.002703 Sum squared resid 236.2720
F-statistic 9.005019 Durbin-Watson stat 1.951668
Prob(F-statistic) 0.000001 Unweighted Statistics R-squared 0.107630 Mean dependent var -0.000964
Sum squared resid 0.071172 Durbin-Watson stat 1.705142
Lampiran 2
Model Estimator Terbaik Sektor Pertanian Maret – April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/06/21 Time: 03:24
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 8
Total panel (balanced) observations: 240
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.016877 0.004583 3.682232 0.0003
2
SENT 3.788813 1.591090 2.381269 0.0181
MP 0.442379 0.083069 5.325455 0.0000
SMB -0.440560 0.058127 -7.579254 0.0000
HML 0.435914 0.048443 8.998537 0.0000 Weighted Statistics R-squared 0.705980 Mean dependent var -0.015712
Adjusted R-squared 0.700976 S.D. dependent var 1.828539
S.E. of regression 0.999303 Sum squared resid 234.6724
F-statistic 141.0666 Durbin-Watson stat 1.866786
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.440483 Mean dependent var -0.001246
Sum squared resid 0.500713 Durbin-Watson stat 1.728770
Lampiran 3
Model Estimator Terbaik Sektor Pertambangan Maret – April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/10/21 Time: 04:06
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.022506 0.009278 2.425640 0.0159
SENT 1.191435 0.420339 2.834464 0.0049
MP 0.464486 0.155246 2.991936 0.0030
SMB -0.019711 0.070531 -0.279460 0.7801
HML 0.319593 0.070760 4.516558 0.0000 Weighted Statistics R-squared 0.142871 Mean dependent var -0.098238
Adjusted R-squared 0.131249 S.D. dependent var 1.085688
S.E. of regression 1.006503 Sum squared resid 298.8493
F-statistic 12.29307 Durbin-Watson stat 2.289098
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.120218 Mean dependent var -0.002327
Sum squared resid 0.117578 Durbin-Watson stat 2.280621
3
Lampiran 4
Model Estimator Terbaik Sektor Pertambangan Maret – April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/10/21 Time: 04:15
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.023988 0.007113 3.372299 0.0008
SENT 3.483932 0.652526 5.339149 0.0000
MP 0.693462 0.117972 5.878178 0.0000
SMB -0.579407 0.063085 -9.184602 0.0000
HML -0.565403 0.088944 -6.356874 0.0000 Weighted Statistics R-squared 0.521519 Mean dependent var 0.029513
Adjusted R-squared 0.515031 S.D. dependent var 1.435616
S.E. of regression 0.998016 Sum squared resid 293.8308
F-statistic 80.38357 Durbin-Watson stat 1.937210
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.157423 Mean dependent var 0.006445
Sum squared resid 5.498321 Durbin-Watson stat 1.166300
Lampiran 5
Model Estimator Terbaik Sektor Industri Dasar dan Kimia Maret – April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section weights)
Date: 04/11/21 Time: 05:26
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.038905 0.008604 4.521682 0.0000
SENT 2.862993 0.577477 4.957762 0.0000
MP 0.711500 0.143637 4.953449 0.0000
SMB -0.110220 0.175239 -0.628971 0.5299
4
HML 0.014073 0.140044 0.100492 0.9200 Weighted Statistics R-squared 0.159734 Mean dependent var -0.000526
Adjusted R-squared 0.148341 S.D. dependent var 0.022596
S.E. of regression 0.020857 Sum squared resid 0.128330
F-statistic 14.01986 Durbin-Watson stat 2.117714
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.123852 Mean dependent var -0.000860
Sum squared resid 0.134590 Durbin-Watson stat 2.102009
Lampiran 6
Model Estimator Terbaik Sektor Industri Dasar dan Kimia Maret – April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section weights)
Date: 04/11/21 Time: 05:34
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.035302 0.004767 7.404762 0.0000
SENT 4.558932 1.453202 3.137162 0.0019
MP 0.870436 0.073026 11.91948 0.0000
SMB -0.133597 0.100375 -1.330973 0.1842
HML 0.352165 0.165423 2.128880 0.0341 Weighted Statistics R-squared 0.355238 Mean dependent var -0.000179
Adjusted R-squared 0.346495 S.D. dependent var 0.083343
S.E. of regression 0.067370 Sum squared resid 1.338910
F-statistic 40.63325 Durbin-Watson stat 1.833040
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.184395 Mean dependent var 0.001832
Sum squared resid 1.478052 Durbin-Watson stat 1.555845
5
Lampiran 7
Model Estimator Terbaik Sektor Aneka Industri Maret – April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section weights)
Date: 04/09/21 Time: 05:27
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.050540 0.009565 5.284083 0.0000
SENT 0.922336 0.282138 3.269097 0.0012
MP 0.909506 0.161239 5.640720 0.0000
SMB -0.000375 0.059384 -0.006315 0.9950
HML 0.120877 0.053109 2.276000 0.0236 Weighted Statistics R-squared 0.117954 Mean dependent var -0.003382
Adjusted R-squared 0.105994 S.D. dependent var 0.026818
S.E. of regression 0.025396 Sum squared resid 0.190262
F-statistic 9.862450 Durbin-Watson stat 2.207142
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.105346 Mean dependent var -0.002960
Sum squared resid 0.214431 Durbin-Watson stat 2.257009
Lampiran 8
Model Estimator Terbaik Sektor Aneka Industri Maret – April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/09/21 Time: 05:44
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.044812 0.003484 12.86125 0.0000
SENT 0.431126 1.125724 0.382976 0.7020
MP 1.018348 0.056965 17.87687 0.0000
SMB 0.186258 0.067952 2.741015 0.0065
6
HML 0.220125 0.060188 3.657298 0.0003 Weighted Statistics R-squared 0.678945 Mean dependent var -0.052669
Adjusted R-squared 0.674591 S.D. dependent var 1.768030
S.E. of regression 1.007573 Sum squared resid 299.4851
F-statistic 155.9613 Durbin-Watson stat 2.112821
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.513951 Mean dependent var -0.001830
Sum squared resid 0.528887 Durbin-Watson stat 2.125642
Lampiran 9
Model Estimator Terbaik Sektor Industri Barang Konsumsi Maret – April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section weights)
Date: 04/11/21 Time: 05:06
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.029313 0.010087 2.905993 0.0039
SENT 0.450023 0.632391 0.711622 0.4773
MP 0.526063 0.168574 3.120664 0.0020
SMB -0.131569 0.169786 -0.774912 0.4390
HML 0.140556 0.153939 0.913065 0.3620 Weighted Statistics R-squared 0.077299 Mean dependent var -0.002965
Adjusted R-squared 0.064788 S.D. dependent var 0.024031
S.E. of regression 0.023301 Sum squared resid 0.160165
F-statistic 6.178390 Durbin-Watson stat 2.144209
Prob(F-statistic) 0.000087 Unweighted Statistics R-squared 0.036771 Mean dependent var -0.002986
Sum squared resid 0.168898 Durbin-Watson stat 2.124425
7
Lampiran 10
Model Estimator Terbaik Sektor Industri Barang Konsumsi Maret – April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/11/21 Time: 05:13
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.042141 0.003643 11.56781 0.0000
SENT 10.00818 1.643557 6.089342 0.0000
MP 1.010202 0.051041 19.79213 0.0000
SMB 0.335471 0.071562 4.687814 0.0000
HML 0.259820 0.121967 2.130245 0.0340 Weighted Statistics R-squared 0.672224 Mean dependent var 0.156282
Adjusted R-squared 0.667779 S.D. dependent var 1.740845
S.E. of regression 1.004201 Sum squared resid 297.4837
F-statistic 151.2510 Durbin-Watson stat 1.932362
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.413395 Mean dependent var 0.003519
Sum squared resid 0.768704 Durbin-Watson stat 1.778016
Lampiran 11
Model Estimator Terbaik Sektor Properti, Real Estate, dan Konstruksi Bangunan Maret –
April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/09/21 Time: 04:20
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.040631 0.009938 4.088495 0.0001
SENT 4.748999 0.682454 6.958714 0.0000
MP 0.795918 0.164270 4.845189 0.0000
8
SMB -0.244121 0.091114 -2.679303 0.0078
HML 0.234251 0.072586 3.227236 0.0014 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared 0.371180 Mean dependent var 0.134306
Adjusted R-squared 0.342598 S.D. dependent var 1.255106
S.E. of regression 1.017030 Sum squared resid 295.8239
F-statistic 12.98619 Durbin-Watson stat 2.288428
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.354342 Mean dependent var 0.002432
Sum squared resid 0.100732 Durbin-Watson stat 2.338704
Lampiran 12
Model Estimator Terbaik Sektor Properti, Real Estate, dan Konstruksi Bangunan Maret –
April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/09/21 Time: 04:31
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.035743 0.005664 6.310054 0.0000
SENT 1.720303 0.718386 2.394679 0.0173
MP 0.893173 0.106039 8.423075 0.0000
SMB 0.116782 0.121909 0.957947 0.3389
HML -0.633065 0.194359 -3.257194 0.0013 Weighted Statistics R-squared 0.470466 Mean dependent var -0.166061
Adjusted R-squared 0.463286 S.D. dependent var 1.359153
S.E. of regression 0.994199 Sum squared resid 291.5872
F-statistic 65.52331 Durbin-Watson stat 2.015857
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.469151 Mean dependent var -0.005927
9
Sum squared resid 0.745170 Durbin-Watson stat 1.986197
Lampiran 13
Model Estimator Terbaik Sektor Infrastruktur, Utilitas, dan Tarnsportasi Maret – April
2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/11/21 Time: 04:12
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.024909 0.006042 4.122902 0.0000
SENT 0.982195 0.024566 39.98205 0.0000
MP 0.436801 0.101987 4.282929 0.0000
SMB -0.017306 0.035508 -0.487379 0.6264
HML 0.157916 0.024116 6.548230 0.0000 Weighted Statistics R-squared 0.855415 Mean dependent var -0.118762
Adjusted R-squared 0.853454 S.D. dependent var 2.589292
S.E. of regression 0.989547 Sum squared resid 288.8650
F-statistic 436.3300 Durbin-Watson stat 2.080377
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.231981 Mean dependent var -0.000589
Sum squared resid 0.168431 Durbin-Watson stat 2.065958
Lampiran 14
Model Estimator Terbaik Sektor Infrastruktur, Utilitas, dan Tarnsportasi Maret – April
2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/11/21 Time: 04:18
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
10
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.054599 0.004152 13.14870 0.0000
SENT 0.830882 0.590223 1.407742 0.1603
MP 1.245758 0.059157 21.05842 0.0000
SMB -0.248932 0.127117 -1.958286 0.0511
HML 0.706192 0.222175 3.178533 0.0016 Weighted Statistics R-squared 0.664997 Mean dependent var -0.153141
Adjusted R-squared 0.660455 S.D. dependent var 1.732952
S.E. of regression 1.007134 Sum squared resid 299.2242
F-statistic 146.3975 Durbin-Watson stat 1.878431
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.562414 Mean dependent var -0.006649
Sum squared resid 0.466959 Durbin-Watson stat 1.689578
Lampiran 15
Model Estimator Terbaik Sektor Keuangan Maret – April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section weights)
Date: 04/16/21 Time: 14:57
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.032461 0.007543 4.303483 0.0000
SENT 0.143819 1.285369 0.111889 0.9110
MP 0.562719 0.126923 4.433562 0.0000
SMB -0.085919 0.071553 -1.200781 0.2308
HML 0.052018 0.047629 1.092164 0.2757 Weighted Statistics R-squared 0.078551 Mean dependent var -0.001471
Adjusted R-squared 0.066057 S.D. dependent var 0.017889
S.E. of regression 0.017301 Sum squared resid 0.088302
F-statistic 6.287010 Durbin-Watson stat 2.213336
Prob(F-statistic) 0.000072 Unweighted Statistics
11
R-squared 0.073422 Mean dependent var -0.001539
Sum squared resid 0.091714 Durbin-Watson stat 2.280436
Lampiran 16
Model Estimator Terbaik Sektor Keuangan Maret – April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/11/21 Time: 05:43
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.031584 0.004998 6.319320 0.0000
SENT 2.646316 2.432246 1.088013 0.2775
MP 0.859965 0.078631 10.93671 0.0000
SMB 0.241157 0.092724 2.600810 0.0098
HML 0.187562 0.077165 2.430677 0.0157 Weighted Statistics R-squared 0.399476 Mean dependent var -0.135232
Adjusted R-squared 0.391333 S.D. dependent var 1.289239
S.E. of regression 1.001794 Sum squared resid 296.0595
F-statistic 49.05943 Durbin-Watson stat 2.083645
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.347605 Mean dependent var -0.007165
Sum squared resid 0.706115 Durbin-Watson stat 2.159257
Lampiran 17
Model Estimator Terbaik Sektor Perdagangan, Jasa, dan Investasi Maret – April 2019
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/08/21 Time: 03:53
Sample: 3/01/2019 4/15/2019
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix
12
Variable Coefficient Std. Error t-Statistic Prob. C 0.018103 0.009000 2.011522 0.0452
SENT 1.167823 0.592770 1.970112 0.0498
MP 0.319262 0.149502 2.135503 0.0335
SMB 0.314325 0.128119 2.453391 0.0147
HML -0.168001 0.115461 -1.455044 0.1467 Weighted Statistics R-squared 0.058446 Mean dependent var 0.083780
Adjusted R-squared 0.045680 S.D. dependent var 1.031655
S.E. of regression 1.007014 Sum squared resid 299.1529
F-statistic 4.577995 Durbin-Watson stat 2.097590
Prob(F-statistic) 0.001335 Unweighted Statistics R-squared 0.034857 Mean dependent var 0.001851
Sum squared resid 0.179653 Durbin-Watson stat 2.096622
Lampiran 18
Model Estimator Terbaik Sektor Perdagangan, Jasa, dan Investasi Maret – April 2020
Dependent Variable: RETURN
Method: Panel EGLS (Cross-section SUR)
Date: 04/09/21 Time: 04:10
Sample: 3/02/2020 4/14/2020
Periods included: 30
Cross-sections included: 10
Total panel (balanced) observations: 300
Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 0.027094 0.003872 6.997925 0.0000
SENT 11.02193 2.293184 4.806388 0.0000
MP 0.874125 0.056684 15.42094 0.0000
SMB 0.066055 0.115081 0.573985 0.5664
HML -0.122180 0.114471 -1.067338 0.2867 Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared 0.532415 Mean dependent var -0.322466
Adjusted R-squared 0.511161 S.D. dependent var 1.476158
S.E. of regression 1.021383 Sum squared resid 298.3620
F-statistic 25.05028 Durbin-Watson stat 2.009153
13
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.344748 Mean dependent var -0.008524
Sum squared resid 0.659894 Durbin-Watson stat 1.917289
Lampiran 19
Data Mentah (Raw Data)
Data Mentah Sektor Pertanian 2019
COMPANY Date RETURN SENT MP SMB HML
AALI
1-Mar-19 0.0100806 0.0001775 -0.0494024 0.0011213 0.0054647
4-Mar-19 0.0239521 0.0002746 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 -0.0155945 0.0001117 -0.0660975 0.0089345 -0.0068622
6-Mar-19 -0.0059406 0.0001153 -0.0557360 0.0139454 0.0114219
8-Mar-19 -0.0039841 0.0001232 -0.0706656 -0.0115018 0.0155017
11-Mar-19 -0.0040000 0.0001436 -0.0614839 0.0074446 -0.0122626
12-Mar-19 -0.0140562 0.0003245 -0.0607920 0.0076160 0.0051332
13-Mar-19 0.0264766 0.0000258 -0.0547518 -0.0027026 0.0078716
14-Mar-19 -0.0079365 0.0001160 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 0.0000000 0.0000955 -0.0502988 0.0187412 0.0016789
18-Mar-19 -0.0160000 0.0002230 -0.0510009 0.0024117 -0.0134036
19-Mar-19 -0.0081301 0.0001635 -0.0628017 0.0073386 -0.0103408
20-Mar-19 -0.0081967 0.0002303 -0.0580126 -0.0074645 0.0124845
21-Mar-19 -0.0289256 0.0010880 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0021277 0.0004588 -0.0548936 0.0011475 -0.0043012
25-Mar-19 -0.0276008 0.0006102 -0.0771391 0.0171701 -0.0106947
26-Mar-19 -0.0131004 0.0004744 -0.0506206 0.0062171 -0.0226309
27-Mar-19 0.0000000 0.0003010 -0.0631603 0.0288096 -0.0130429
28-Mar-19 0.0022124 0.0001632 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0088300 0.0001916 -0.0612632 -0.0194117 0.0248698
1-Apr-19 0.0044543 0.0003167 -0.0606803 -0.0046397 0.0229004
2-Apr-19 0.0554324 0.0005123 -0.0553067 -0.0154929 0.0435204
4-Apr-19 0.0420168 0.0011491 -0.0559383 -0.0032839 0.0301728
5-Apr-19 0.0000000 0.0006244 -0.0621013 0.0043087 -0.0359623
8-Apr-19 -0.0080645 0.0002295 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0060976 0.0002409 -0.0514914 -0.0065684 -0.0062360
14
10-Apr-19 -0.0080808 0.0000843 -0.0620326 0.0041368 -0.0167622
11-Apr-19 0.0000000 0.0001400 -0.0721636 0.0006144 -0.0182666
12-Apr-19 0.0020367 0.0001591 -0.0610006 0.0053108 -0.0121544
15-Apr-19 0.0000000 0.0001966 -0.0542418 -0.0097425 -0.0001198
BISI
1-Mar-19 0.0071429 0.0000728 -0.0494024 0.0011213 0.0054647
4-Mar-19 0.0178571 0.0000330 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 0.0035088 0.0001061 -0.0660975 0.0089345 -0.0068622
6-Mar-19 0.0104895 0.0001530 -0.0557360 0.0139454 0.0114219
8-Mar-19 -0.0276817 0.0000384 -0.0706656 -0.0115018 0.0155017
11-Mar-19 0.0106762 0.0000421 -0.0614839 0.0074446 -0.0122626
12-Mar-19 -0.0035211 0.0000203 -0.0607920 0.0076160 0.0051332
13-Mar-19 0.0070671 0.0001612 -0.0547518 -0.0027026 0.0078716
14-Mar-19 -0.0035088 0.0000188 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 0.0140845 0.0006757 -0.0502988 0.0187412 0.0016789
18-Mar-19 0.0000000 0.0001004 -0.0510009 0.0024117 -0.0134036
19-Mar-19 0.0000000 0.0003829 -0.0628017 0.0073386 -0.0103408
20-Mar-19 -0.0277778 0.0005524 -0.0580126 -0.0074645 0.0124845
21-Mar-19 0.0071429 0.0000329 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0141844 0.0000511 -0.0548936 0.0011475 -0.0043012
25-Mar-19 -0.0034965 0.0000953 -0.0771391 0.0171701 -0.0106947
26-Mar-19 0.0280702 0.0002639 -0.0506206 0.0062171 -0.0226309
27-Mar-19 0.0477816 0.0004047 -0.0631603 0.0288096 -0.0130429
28-Mar-19 -0.0032573 0.0002533 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0620915 0.0001864 -0.0612632 -0.0194117 0.0248698
1-Apr-19 -0.0313589 0.0003182 -0.0606803 -0.0046397 0.0229004
2-Apr-19 -0.0035971 0.0000827 -0.0553067 -0.0154929 0.0435204
4-Apr-19 0.0072202 0.0000583 -0.0559383 -0.0032839 0.0301728
5-Apr-19 0.0250896 0.0001488 -0.0621013 0.0043087 -0.0359623
8-Apr-19 0.0000000 0.0000327 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0034965 0.0000548 -0.0514914 -0.0065684 -0.0062360
10-Apr-19 0.0034843 0.0000723 -0.0620326 0.0041368 -0.0167622
11-Apr-19 0.0069444 0.0000710 -0.0721636 0.0006144 -0.0182666
12-Apr-19 0.0000000 0.0000407 -0.0610006 0.0053108 -0.0121544
15-Apr-19 -0.0172414 0.0000109 -0.0542418 -0.0097425 -0.0001198
SIMP
1-Mar-19 0.0000000 0.0001912 -0.0494024 0.0011213 0.0054647
4-Mar-19 -0.0084034 0.0001515 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 0.0000000 0.0001925 -0.0660975 0.0089345 -0.0068622
6-Mar-19 0.0000000 0.0001558 -0.0557360 0.0139454 0.0114219
8-Mar-19 0.0000000 0.0002471 -0.0706656 -0.0115018 0.0155017
11-Mar-19 -0.0084746 0.0000573 -0.0614839 0.0074446 -0.0122626
12-Mar-19 -0.0042735 0.0000642 -0.0607920 0.0076160 0.0051332
15
13-Mar-19 0.0042918 0.0000630 -0.0547518 -0.0027026 0.0078716
14-Mar-19 -0.0042735 0.0000468 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 -0.0042918 0.0000659 -0.0502988 0.0187412 0.0016789
18-Mar-19 -0.0043103 0.0000873 -0.0510009 0.0024117 -0.0134036
19-Mar-19 -0.0129870 0.0002474 -0.0628017 0.0073386 -0.0103408
20-Mar-19 -0.0043860 0.0001143 -0.0580126 -0.0074645 0.0124845
21-Mar-19 -0.0044053 0.0002025 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0088496 0.0000513 -0.0548936 0.0011475 -0.0043012
25-Mar-19 -0.0219298 0.0002385 -0.0771391 0.0171701 -0.0106947
26-Mar-19 -0.0044843 0.0000877 -0.0506206 0.0062171 -0.0226309
27-Mar-19 0.0000000 0.0000496 -0.0631603 0.0288096 -0.0130429
28-Mar-19 -0.0045045 0.0000645 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0045249 0.0000799 -0.0612632 -0.0194117 0.0248698
1-Apr-19 -0.0045455 0.0001332 -0.0606803 -0.0046397 0.0229004
2-Apr-19 0.0273973 0.0002799 -0.0553067 -0.0154929 0.0435204
4-Apr-19 0.0088889 0.0003648 -0.0559383 -0.0032839 0.0301728
5-Apr-19 -0.0088106 0.0002691 -0.0621013 0.0043087 -0.0359623
8-Apr-19 -0.0177778 0.0001190 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0045249 0.0001452 -0.0514914 -0.0065684 -0.0062360
10-Apr-19 -0.0135135 0.0001511 -0.0620326 0.0041368 -0.0167622
11-Apr-19 -0.0045662 0.0001806 -0.0721636 0.0006144 -0.0182666
12-Apr-19 -0.0229358 0.0002478 -0.0610006 0.0053108 -0.0121544
15-Apr-19 -0.0140845 0.0003363 -0.0542418 -0.0097425 -0.0001198
BWPT
1-Mar-19 0.0180723 0.0001465 -0.0494024 0.0011213 0.0054647
4-Mar-19 0.0000000 0.0005395 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 -0.0236686 0.0006802 -0.0660975 0.0089345 -0.0068622
6-Mar-19 0.0060606 0.0002048 -0.0557360 0.0139454 0.0114219
8-Mar-19 -0.0060241 0.0001135 -0.0706656 -0.0115018 0.0155017
11-Mar-19 -0.0242424 0.0004610 -0.0614839 0.0074446 -0.0122626
12-Mar-19 0.0062112 0.0003202 -0.0607920 0.0076160 0.0051332
13-Mar-19 0.0185185 0.0005028 -0.0547518 -0.0027026 0.0078716
14-Mar-19 -0.0181818 0.0001843 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 -0.0061728 0.0001711 -0.0502988 0.0187412 0.0016789
18-Mar-19 0.0062112 0.0003402 -0.0510009 0.0024117 -0.0134036
19-Mar-19 -0.0123457 0.0001691 -0.0628017 0.0073386 -0.0103408
20-Mar-19 0.0062500 0.0002649 -0.0580126 -0.0074645 0.0124845
21-Mar-19 0.0000000 0.0002195 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0062112 0.0002133 -0.0548936 0.0011475 -0.0043012
25-Mar-19 -0.0123457 0.0002232 -0.0771391 0.0171701 -0.0106947
26-Mar-19 0.0062500 0.0001771 -0.0506206 0.0062171 -0.0226309
27-Mar-19 -0.0062112 0.0002748 -0.0631603 0.0288096 -0.0130429
16
28-Mar-19 0.0000000 0.0003271 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0125000 0.0003094 -0.0612632 -0.0194117 0.0248698
1-Apr-19 0.0189873 0.0004194 -0.0606803 -0.0046397 0.0229004
2-Apr-19 0.0372671 0.0010637 -0.0553067 -0.0154929 0.0435204
4-Apr-19 0.0538922 0.0027974 -0.0559383 -0.0032839 0.0301728
5-Apr-19 -0.0284091 0.0007454 -0.0621013 0.0043087 -0.0359623
8-Apr-19 -0.0116959 0.0005725 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0059172 0.0002266 -0.0514914 -0.0065684 -0.0062360
10-Apr-19 -0.0117647 0.0004548 -0.0620326 0.0041368 -0.0167622
11-Apr-19 -0.0297619 0.0005461 -0.0721636 0.0006144 -0.0182666
12-Apr-19 -0.0061350 0.0002624 -0.0610006 0.0053108 -0.0121544
15-Apr-19 0.0061728 0.0001158 -0.0542418 -0.0097425 -0.0001198
DSNG
1-Mar-19 -0.0050000 0.0000180 -0.0494024 0.0011213 0.0054647
4-Mar-19 0.0000000 0.0000214 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 -0.0050251 0.0000497 -0.0660975 0.0089345 -0.0068622
6-Mar-19 0.0050505 0.0000782 -0.0557360 0.0139454 0.0114219
8-Mar-19 -0.0050251 0.0000867 -0.0706656 -0.0115018 0.0155017
11-Mar-19 0.0050505 0.0000271 -0.0614839 0.0074446 -0.0122626
12-Mar-19 0.0000000 0.0000448 -0.0607920 0.0076160 0.0051332
13-Mar-19 0.0000000 0.0000361 -0.0547518 -0.0027026 0.0078716
14-Mar-19 -0.0100503 0.0000382 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 0.0000000 0.0000142 -0.0502988 0.0187412 0.0016789
18-Mar-19 0.0101523 0.0001525 -0.0510009 0.0024117 -0.0134036
19-Mar-19 0.0000000 0.0000514 -0.0628017 0.0073386 -0.0103408
20-Mar-19 -0.0050251 0.0000373 -0.0580126 -0.0074645 0.0124845
21-Mar-19 -0.0050505 0.0000321 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0101523 0.0000436 -0.0548936 0.0011475 -0.0043012
25-Mar-19 0.0000000 0.0000448 -0.0771391 0.0171701 -0.0106947
26-Mar-19 -0.0201005 0.0000277 -0.0506206 0.0062171 -0.0226309
27-Mar-19 0.0153846 0.0000563 -0.0631603 0.0288096 -0.0130429
28-Mar-19 0.0050505 0.0000570 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0100503 0.0000300 -0.0612632 -0.0194117 0.0248698
1-Apr-19 0.0050761 0.0000249 -0.0606803 -0.0046397 0.0229004
2-Apr-19 0.0000000 0.0000271 -0.0553067 -0.0154929 0.0435204
4-Apr-19 0.0000000 0.0000328 -0.0559383 -0.0032839 0.0301728
5-Apr-19 0.0101010 0.0002810 -0.0621013 0.0043087 -0.0359623
8-Apr-19 -0.0100000 0.0000366 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0000000 0.0000606 -0.0514914 -0.0065684 -0.0062360
10-Apr-19 -0.0101010 0.0000307 -0.0620326 0.0041368 -0.0167622
11-Apr-19 0.0051020 0.0000431 -0.0721636 0.0006144 -0.0182666
12-Apr-19 -0.0101523 0.0000488 -0.0610006 0.0053108 -0.0121544
17
15-Apr-19 -0.0102564 0.0000336 -0.0542418 -0.0097425 -0.0001198
LSIP
1-Mar-19 0.0204918 0.0020395 -0.0494024 0.0011213 0.0054647
4-Mar-19 0.0120482 0.0015578 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 0.0000000 0.0006135 -0.0660975 0.0089345 -0.0068622
6-Mar-19 -0.0079365 0.0002637 -0.0557360 0.0139454 0.0114219
8-Mar-19 -0.0120000 0.0002496 -0.0706656 -0.0115018 0.0155017
11-Mar-19 0.0000000 0.0007053 -0.0614839 0.0074446 -0.0122626
12-Mar-19 -0.0080972 0.0005364 -0.0607920 0.0076160 0.0051332
13-Mar-19 0.0163265 0.0010978 -0.0547518 -0.0027026 0.0078716
14-Mar-19 0.0000000 0.0009030 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 -0.0240964 0.0009452 -0.0502988 0.0187412 0.0016789
18-Mar-19 -0.0246914 0.0011889 -0.0510009 0.0024117 -0.0134036
19-Mar-19 -0.0253165 0.0012977 -0.0628017 0.0073386 -0.0103408
20-Mar-19 0.0043290 0.0013448 -0.0580126 -0.0074645 0.0124845
21-Mar-19 -0.0258621 0.0027951 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0132743 0.0008863 -0.0548936 0.0011475 -0.0043012
25-Mar-19 -0.0524017 0.0023215 -0.0771391 0.0171701 -0.0106947
26-Mar-19 -0.0046083 0.0019047 -0.0506206 0.0062171 -0.0226309
27-Mar-19 -0.0185185 0.0009226 -0.0631603 0.0288096 -0.0130429
28-Mar-19 0.0047170 0.0019115 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0234742 0.0014524 -0.0612632 -0.0194117 0.0248698
1-Apr-19 0.0048077 0.0019845 -0.0606803 -0.0046397 0.0229004
2-Apr-19 0.0956938 0.0043116 -0.0553067 -0.0154929 0.0435204
4-Apr-19 0.0917031 0.0062988 -0.0559383 -0.0032839 0.0301728
5-Apr-19 -0.0160000 0.0029765 -0.0621013 0.0043087 -0.0359623
8-Apr-19 -0.0447154 0.0023128 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0042553 0.0011212 -0.0514914 -0.0065684 -0.0062360
10-Apr-19 -0.0338983 0.0031485 -0.0620326 0.0041368 -0.0167622
11-Apr-19 -0.0175439 0.0011951 -0.0721636 0.0006144 -0.0182666
12-Apr-19 -0.0089286 0.0010186 -0.0610006 0.0053108 -0.0121544
15-Apr-19 0.0270270 0.0016291 -0.0542418 -0.0097425 -0.0001198
SSMS
1-Mar-19 0.0000000 0.0074598 -0.0494024 0.0011213 0.0054647
4-Mar-19 0.0229358 0.0089710 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 -0.0134529 0.0049063 -0.0660975 0.0089345 -0.0068622
6-Mar-19 -0.0272727 0.0072764 -0.0557360 0.0139454 0.0114219
8-Mar-19 -0.0093458 0.0064860 -0.0706656 -0.0115018 0.0155017
11-Mar-19 -0.0188679 0.0084581 -0.0614839 0.0074446 -0.0122626
12-Mar-19 -0.0048077 0.0108949 -0.0607920 0.0076160 0.0051332
13-Mar-19 0.0000000 0.0147096 -0.0547518 -0.0027026 0.0078716
14-Mar-19 0.0386473 0.0078474 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 -0.0279070 0.0097628 -0.0502988 0.0187412 0.0016789
18
18-Mar-19 0.0287081 0.0121975 -0.0510009 0.0024117 -0.0134036
19-Mar-19 -0.0046512 0.0147228 -0.0628017 0.0073386 -0.0103408
20-Mar-19 0.0046729 0.0040802 -0.0580126 -0.0074645 0.0124845
21-Mar-19 -0.0186047 0.0055735 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0094787 0.0087977 -0.0548936 0.0011475 -0.0043012
25-Mar-19 -0.0093897 0.0102009 -0.0771391 0.0171701 -0.0106947
26-Mar-19 0.0189573 0.0024538 -0.0506206 0.0062171 -0.0226309
27-Mar-19 -0.0279070 0.0047281 -0.0631603 0.0288096 -0.0130429
28-Mar-19 0.0239234 0.0070246 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0046729 0.0101772 -0.0612632 -0.0194117 0.0248698
1-Apr-19 0.0000000 0.0020280 -0.0606803 -0.0046397 0.0229004
2-Apr-19 -0.0187793 0.0025675 -0.0553067 -0.0154929 0.0435204
4-Apr-19 -0.0047847 0.0054403 -0.0559383 -0.0032839 0.0301728
5-Apr-19 0.0096154 0.0056368 -0.0621013 0.0043087 -0.0359623
8-Apr-19 -0.0190476 0.0008184 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0194175 0.0013690 -0.0514914 -0.0065684 -0.0062360
10-Apr-19 0.0047619 0.0057321 -0.0620326 0.0041368 -0.0167622
11-Apr-19 -0.0047393 0.0056891 -0.0721636 0.0006144 -0.0182666
12-Apr-19 -0.0047619 0.0021865 -0.0610006 0.0053108 -0.0121544
15-Apr-19 0.0095694 0.0009579 -0.0542418 -0.0097425 -0.0001198
DSFI
1-Mar-19 -0.0081301 0.0002159 -0.0494024 0.0011213 0.0054647
4-Mar-19 0.0081301 0.0005370 -0.0601732 -0.0035368 -0.0245981
5-Mar-19 0.0564516 0.0208955 -0.0660975 0.0089345 -0.0068622
6-Mar-19 -0.0229008 0.0032204 -0.0557360 0.0139454 0.0114219
8-Mar-19 -0.0312500 0.0034043 -0.0706656 -0.0115018 0.0155017
11-Mar-19 0.0080645 0.0006882 -0.0614839 0.0074446 -0.0122626
12-Mar-19 0.0000000 0.0068066 -0.0607920 0.0076160 0.0051332
13-Mar-19 -0.0160000 0.0041059 -0.0547518 -0.0027026 0.0078716
14-Mar-19 0.0000000 0.0005571 -0.0526576 -0.0190404 -0.0287969
15-Mar-19 0.0081301 0.0010345 -0.0502988 0.0187412 0.0016789
18-Mar-19 0.0000000 0.0013615 -0.0510009 0.0024117 -0.0134036
19-Mar-19 0.0000000 0.0009377 -0.0628017 0.0073386 -0.0103408
20-Mar-19 0.0000000 0.0009230 -0.0580126 -0.0074645 0.0124845
21-Mar-19 0.0080645 0.0014761 -0.0551861 0.0196845 0.0035283
22-Mar-19 0.0080000 0.0003053 -0.0548936 0.0011475 -0.0043012
25-Mar-19 -0.0079365 0.0006840 -0.0771391 0.0171701 -0.0106947
26-Mar-19 0.0000000 0.0006835 -0.0506206 0.0062171 -0.0226309
27-Mar-19 0.0000000 0.0004251 -0.0631603 0.0288096 -0.0130429
28-Mar-19 0.0080000 0.0007368 -0.0560191 -0.0065386 -0.0125853
29-Mar-19 -0.0079365 0.0017224 -0.0612632 -0.0194117 0.0248698
1-Apr-19 -0.0080000 0.0006752 -0.0606803 -0.0046397 0.0229004
19
2-Apr-19 0.0080645 0.0006832 -0.0553067 -0.0154929 0.0435204
4-Apr-19 0.0000000 0.0005034 -0.0559383 -0.0032839 0.0301728
5-Apr-19 0.0080000 0.0012961 -0.0621013 0.0043087 -0.0359623
8-Apr-19 -0.0079365 0.0012086 -0.0671913 0.0141837 -0.0052130
9-Apr-19 0.0000000 0.0003525 -0.0514914 -0.0065684 -0.0062360
10-Apr-19 -0.0080000 0.0003911 -0.0620326 0.0041368 -0.0167622
11-Apr-19 0.0080645 0.0013584 -0.0721636 0.0006144 -0.0182666
12-Apr-19 -0.0080000 0.0001075 -0.0610006 0.0053108 -0.0121544
15-Apr-19 -0.0080645 0.0001283 -0.0542418 -0.0097425 -0.0001198
Data Mentah Sektor Pertanian 2020
COMPANY Date RETURN SENT MP SMB HML
AALI
2-Mar-20 -0.0306122 0.0004601 -0.0626180 0.0479179 0.0368200
3-Mar-20 0.0210526 0.0005765 -0.0166012 0.0899511 0.2041564
4-Mar-20 0.0051546 0.0005460 -0.0219978 -0.0446357 0.0055597
5-Mar-20 0.0205128 0.0006340 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 -0.0251256 0.0001941 -0.0706790 0.0188065 -0.0377979
9-Mar-20 -0.1546392 0.0013223 -0.1118480 0.1088619 0.0020647
10-Mar-20 -0.0121951 0.0008570 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 -0.0617284 0.0009074 -0.0587351 0.0322854 -0.0039741
12-Mar-20 -0.0986842 0.0008748 -0.0960094 0.0396416 -0.0359017
13-Mar-20 -0.0693431 0.0024637 -0.0434872 0.0170166 -0.0307712
16-Mar-20 -0.0666667 0.0009419 -0.0898856 0.0579631 0.0171378
17-Mar-20 -0.0672269 0.0011996 -0.0953557 0.0385006 -0.0108539
18-Mar-20 -0.0675676 0.0010823 -0.0737785 0.0452503 -0.0125090
19-Mar-20 -0.0685990 0.0004245 -0.0964494 0.0013298 -0.0556524
20-Mar-20 -0.0186722 0.0011380 -0.0211534 -0.0319541 0.0296680
23-Mar-20 -0.0697674 0.0012717 -0.0922471 0.0346191 -0.0068637
24-Mar-20 -0.0250000 0.0014529 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.2121212 0.0030364 0.0587294 -0.1673191 0.0061214
27-Mar-20 0.0576923 0.0032684 0.0044972 -0.0319406 -0.0337569
30-Mar-20 -0.0636364 0.0015739 -0.0720181 0.0468335 0.0145274
31-Mar-20 0.0485437 0.0010357 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 -0.0231481 0.0015470 -0.0592551 0.0191137 0.0155146
2-Apr-20 0.0094787 0.0016968 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0422535 0.0024098 -0.0229080 -0.0034910 0.0141192
6-Apr-20 0.0900901 0.0024679 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 0.0909091 0.0029299 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 -0.0303030 0.0022654 -0.0750387 0.0435406 -0.0157609
20
9-Apr-20 0.0000000 0.0014527 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 0.0195313 0.0008344 -0.0485231 -0.0130659 0.0313608
14-Apr-20 0.0268199 0.0005375 -0.0252576 0.0079003 -0.0042050
BISI
2-Mar-20 -0.0425532 0.0000188 -0.0626180 0.0479179 0.0368200
3-Mar-20 0.0111111 0.0000119 -0.0166012 0.0899511 0.2041564
4-Mar-20 0.0329670 0.0000061 -0.0219978 -0.0446357 0.0055597
5-Mar-20 -0.0106383 0.0000165 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 -0.0322581 0.0000266 -0.0706790 0.0188065 -0.0377979
9-Mar-20 0.0000000 0.0000040 -0.1118480 0.1088619 0.0020647
10-Mar-20 -0.0055556 0.0000044 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 0.0000000 0.0000365 -0.0587351 0.0322854 -0.0039741
12-Mar-20 -0.0782123 0.0000073 -0.0960094 0.0396416 -0.0359017
13-Mar-20 0.0000000 0.0000455 -0.0434872 0.0170166 -0.0307712
16-Mar-20 -0.0666667 0.0000505 -0.0898856 0.0579631 0.0171378
17-Mar-20 0.0000000 0.0000415 -0.0953557 0.0385006 -0.0108539
18-Mar-20 -0.0649351 0.0000341 -0.0737785 0.0452503 -0.0125090
19-Mar-20 -0.0694444 0.0000199 -0.0964494 0.0013298 -0.0556524
20-Mar-20 -0.0373134 0.0001372 -0.0211534 -0.0319541 0.0296680
23-Mar-20 -0.0697674 0.0000547 -0.0922471 0.0346191 -0.0068637
24-Mar-20 0.0000000 0.0000089 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.0000000 0.0002135 0.0587294 -0.1673191 0.0061214
27-Mar-20 -0.0083333 0.0004961 0.0044972 -0.0319406 -0.0337569
30-Mar-20 -0.0084034 0.0000182 -0.0720181 0.0468335 0.0145274
31-Mar-20 0.0508475 0.0009841 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 -0.0241935 0.0000388 -0.0592551 0.0191137 0.0155146
2-Apr-20 0.0330579 0.0001462 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0240000 0.0000414 -0.0229080 -0.0034910 0.0141192
6-Apr-20 0.1328125 0.0000810 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 0.0758621 0.0001492 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 -0.0641026 0.0001799 -0.0750387 0.0435406 -0.0157609
9-Apr-20 0.0068493 0.0001219 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 0.0068027 0.0000152 -0.0485231 -0.0130659 0.0313608
14-Apr-20 0.0540541 0.0000448 -0.0252576 0.0079003 -0.0042050
SIMP
2-Mar-20 -0.0217391 0.0006113 -0.0626180 0.0479179 0.0368200
3-Mar-20 0.0518519 0.0002661 -0.0166012 0.0899511 0.2041564
4-Mar-20 0.0774648 0.0002995 -0.0219978 -0.0446357 0.0055597
5-Mar-20 0.0522876 0.0003349 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 -0.0559006 0.0001650 -0.0706790 0.0188065 -0.0377979
9-Mar-20 -0.0986842 0.0003540 -0.1118480 0.1088619 0.0020647
10-Mar-20 0.0000000 0.0004266 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 -0.0291971 0.0001428 -0.0587351 0.0322854 -0.0039741
21
12-Mar-20 -0.0827068 0.0002602 -0.0960094 0.0396416 -0.0359017
13-Mar-20 -0.0655738 0.0011854 -0.0434872 0.0170166 -0.0307712
16-Mar-20 -0.0614035 0.0005100 -0.0898856 0.0579631 0.0171378
17-Mar-20 -0.0560748 0.0003703 -0.0953557 0.0385006 -0.0108539
18-Mar-20 -0.0643564 0.0005122 -0.0737785 0.0452503 -0.0125090
19-Mar-20 -0.0476190 0.0003718 -0.0964494 0.0013298 -0.0556524
20-Mar-20 0.0500000 0.0004538 -0.0211534 -0.0319541 0.0296680
23-Mar-20 -0.0634921 0.0000987 -0.0922471 0.0346191 -0.0068637
24-Mar-20 0.0564972 0.0001420 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.1871658 0.0003243 0.0587294 -0.1673191 0.0061214
27-Mar-20 -0.0360360 0.0004835 0.0044972 -0.0319406 -0.0337569
30-Mar-20 -0.0467290 0.0000671 -0.0720181 0.0468335 0.0145274
31-Mar-20 0.0294118 0.0001744 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 0.0095238 0.0002148 -0.0592551 0.0191137 0.0155146
2-Apr-20 0.0660377 0.0002457 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0265487 0.0001656 -0.0229080 -0.0034910 0.0141192
6-Apr-20 0.0431034 0.0004269 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 0.0330579 0.0006252 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 -0.0640000 0.0002537 -0.0750387 0.0435406 -0.0157609
9-Apr-20 0.0000000 0.0002862 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 0.0598291 0.0003398 -0.0485231 -0.0130659 0.0313608
14-Apr-20 0.0000000 0.0002502 -0.0252576 0.0079003 -0.0042050
BWPT
2-Mar-20 0.0348837 0.0012240 -0.0626180 0.0479179 0.0368200
3-Mar-20 0.1011236 0.0010822 -0.0166012 0.0899511 0.2041564
4-Mar-20 0.0510204 0.0016768 -0.0219978 -0.0446357 0.0055597
5-Mar-20 -0.0097087 0.0024652 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 -0.0686275 0.0013355 -0.0706790 0.0188065 -0.0377979
9-Mar-20 -0.0947368 0.0019592 -0.1118480 0.1088619 0.0020647
10-Mar-20 0.0465116 0.0011375 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 -0.0333333 0.0004731 -0.0587351 0.0322854 -0.0039741
12-Mar-20 -0.0804598 0.0009970 -0.0960094 0.0396416 -0.0359017
13-Mar-20 -0.0125000 0.0010488 -0.0434872 0.0170166 -0.0307712
16-Mar-20 -0.0632911 0.0004323 -0.0898856 0.0579631 0.0171378
17-Mar-20 -0.0675676 0.0007560 -0.0953557 0.0385006 -0.0108539
18-Mar-20 -0.0579710 0.0005768 -0.0737785 0.0452503 -0.0125090
19-Mar-20 -0.0615385 0.0000148 -0.0964494 0.0013298 -0.0556524
20-Mar-20 0.0000000 0.0015306 -0.0211534 -0.0319541 0.0296680
23-Mar-20 -0.0655738 0.0005468 -0.0922471 0.0346191 -0.0068637
24-Mar-20 0.0175439 0.0006266 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.2758621 0.0022380 0.0587294 -0.1673191 0.0061214
27-Mar-20 0.0135135 0.0021336 0.0044972 -0.0319406 -0.0337569
22
30-Mar-20 -0.0666667 0.0002875 -0.0720181 0.0468335 0.0145274
31-Mar-20 0.0142857 0.0007232 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 -0.0422535 0.0017827 -0.0592551 0.0191137 0.0155146
2-Apr-20 0.0441176 0.0012370 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0704225 0.0016277 -0.0229080 -0.0034910 0.0141192
6-Apr-20 0.1052632 0.0024669 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 0.0000000 0.0012474 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 -0.0357143 0.0006267 -0.0750387 0.0435406 -0.0157609
9-Apr-20 0.0493827 0.0006372 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 -0.0235294 0.0010619 -0.0485231 -0.0130659 0.0313608
14-Apr-20 0.0240964 0.0004887 -0.0252576 0.0079003 -0.0042050
DSNG
2-Mar-20 0.0102564 0.0000212 -0.0626180 0.0479179 0.0368200
3-Mar-20 -0.0101523 0.0000064 -0.0166012 0.0899511 0.2041564
4-Mar-20 0.0051282 0.0000379 -0.0219978 -0.0446357 0.0055597
5-Mar-20 0.0306122 0.0000583 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 -0.0099010 0.0000163 -0.0706790 0.0188065 -0.0377979
9-Mar-20 -0.0300000 0.0000464 -0.1118480 0.1088619 0.0020647
10-Mar-20 -0.0051546 0.0000106 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 -0.0103627 0.0000296 -0.0587351 0.0322854 -0.0039741
12-Mar-20 -0.0575916 0.0000669 -0.0960094 0.0396416 -0.0359017
13-Mar-20 0.0000000 0.0000162 -0.0434872 0.0170166 -0.0307712
16-Mar-20 -0.0111111 0.0000130 -0.0898856 0.0579631 0.0171378
17-Mar-20 -0.0617978 0.0000059 -0.0953557 0.0385006 -0.0108539
18-Mar-20 0.0239521 0.0000106 -0.0737785 0.0452503 -0.0125090
19-Mar-20 -0.0175439 0.0000048 -0.0964494 0.0013298 -0.0556524
20-Mar-20 0.0119048 0.0000308 -0.0211534 -0.0319541 0.0296680
23-Mar-20 0.0000000 0.0000374 -0.0922471 0.0346191 -0.0068637
24-Mar-20 0.0000000 0.0000395 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.0176471 0.0000427 0.0587294 -0.1673191 0.0061214
27-Mar-20 0.0115607 0.0000555 0.0044972 -0.0319406 -0.0337569
30-Mar-20 -0.0685714 0.0000147 -0.0720181 0.0468335 0.0145274
31-Mar-20 0.0061350 0.0000266 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 0.0060976 0.0000761 -0.0592551 0.0191137 0.0155146
2-Apr-20 0.0000000 0.0000455 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0060606 0.0000873 -0.0229080 -0.0034910 0.0141192
6-Apr-20 0.0120482 0.0000782 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 0.0059524 0.0000913 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 0.0000000 0.0001351 -0.0750387 0.0435406 -0.0157609
9-Apr-20 -0.0295858 0.0000615 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 -0.0182927 0.0000548 -0.0485231 -0.0130659 0.0313608
14-Apr-20 0.0000000 0.0001140 -0.0252576 0.0079003 -0.0042050
23
LSIP
2-Mar-20 -0.0257732 0.0019260 -0.0626180 0.0479179 0.0368200
3-Mar-20 0.0687831 0.0017099 -0.0166012 0.0899511 0.2041564
4-Mar-20 0.0198020 0.0023197 -0.0219978 -0.0446357 0.0055597
5-Mar-20 0.0194175 0.0020999 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 -0.0571429 0.0021540 -0.0706790 0.0188065 -0.0377979
9-Mar-20 -0.1666667 0.0052116 -0.1118480 0.1088619 0.0020647
10-Mar-20 -0.0060606 0.0036242 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 -0.0609756 0.0021005 -0.0587351 0.0322854 -0.0039741
12-Mar-20 -0.0974026 0.0038947 -0.0960094 0.0396416 -0.0359017
13-Mar-20 0.0143885 0.0035080 -0.0434872 0.0170166 -0.0307712
16-Mar-20 -0.0638298 0.0008894 -0.0898856 0.0579631 0.0171378
17-Mar-20 -0.0681818 0.0039763 -0.0953557 0.0385006 -0.0108539
18-Mar-20 -0.0650407 0.0019290 -0.0737785 0.0452503 -0.0125090
19-Mar-20 -0.0695652 0.0010544 -0.0964494 0.0013298 -0.0556524
20-Mar-20 0.0467290 0.0039869 -0.0211534 -0.0319541 0.0296680
23-Mar-20 -0.0357143 0.0017138 -0.0922471 0.0346191 -0.0068637
24-Mar-20 0.1296296 0.0023091 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.2377049 0.0041394 0.0587294 -0.1673191 0.0061214
27-Mar-20 0.1059603 0.0046229 0.0044972 -0.0319406 -0.0337569
30-Mar-20 -0.0658683 0.0003534 -0.0720181 0.0468335 0.0145274
31-Mar-20 0.0769231 0.0023870 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 -0.0654762 0.0017340 -0.0592551 0.0191137 0.0155146
2-Apr-20 0.0000000 0.0015417 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0191083 0.0030923 -0.0229080 -0.0034910 0.0141192
6-Apr-20 0.0375000 0.0029066 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 0.0722892 0.0049228 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 -0.0674157 0.0022653 -0.0750387 0.0435406 -0.0157609
9-Apr-20 0.0240964 0.0017013 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 -0.0294118 0.0005138 -0.0485231 -0.0130659 0.0313608
14-Apr-20 -0.0060606 0.0014671 -0.0252576 0.0079003 -0.0042050
SSMS
2-Mar-20 0.0370370 0.0076879 -0.0626180 0.0479179 0.0368200
3-Mar-20 -0.0416667 0.0068942 -0.0166012 0.0899511 0.2041564
4-Mar-20 -0.0248447 0.0022517 -0.0219978 -0.0446357 0.0055597
5-Mar-20 -0.0127389 0.0056017 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 0.0645161 0.0081509 -0.0706790 0.0188065 -0.0377979
9-Mar-20 -0.0727273 0.0060869 -0.1118480 0.1088619 0.0020647
10-Mar-20 0.0196078 0.0059487 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 0.0192308 0.0023850 -0.0587351 0.0322854 -0.0039741
12-Mar-20 0.0062893 0.0075629 -0.0960094 0.0396416 -0.0359017
13-Mar-20 0.0125000 0.0001486 -0.0434872 0.0170166 -0.0307712
16-Mar-20 -0.0246914 0.0003542 -0.0898856 0.0579631 0.0171378
24
17-Mar-20 -0.0253165 0.0016081 -0.0953557 0.0385006 -0.0108539
18-Mar-20 0.0129870 0.0010426 -0.0737785 0.0452503 -0.0125090
19-Mar-20 0.0769231 0.0003356 -0.0964494 0.0013298 -0.0556524
20-Mar-20 0.0000000 0.0013351 -0.0211534 -0.0319541 0.0296680
23-Mar-20 -0.0297619 0.0006982 -0.0922471 0.0346191 -0.0068637
24-Mar-20 0.0245399 0.0018049 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.1377246 0.0020146 0.0587294 -0.1673191 0.0061214
27-Mar-20 0.0052632 0.0010338 0.0044972 -0.0319406 -0.0337569
30-Mar-20 -0.0366492 0.0008909 -0.0720181 0.0468335 0.0145274
31-Mar-20 0.0163043 0.0009168 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 0.0320856 0.0008364 -0.0592551 0.0191137 0.0155146
2-Apr-20 0.0362694 0.0009313 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0050000 0.0009827 -0.0229080 -0.0034910 0.0141192
6-Apr-20 0.0398010 0.0010660 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 -0.0334928 0.0011370 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 -0.0346535 0.0010470 -0.0750387 0.0435406 -0.0157609
9-Apr-20 0.0256410 0.0009793 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 0.0000000 0.0012408 -0.0485231 -0.0130659 0.0313608
14-Apr-20 -0.0100000 0.0009408 -0.0252576 0.0079003 -0.0042050
DSFI
2-Mar-20 0.0985915 0.0001937 -0.0626180 0.0479179 0.0368200
3-Mar-20 0.3461538 0.0007288 -0.0166012 0.0899511 0.2041564
4-Mar-20 -0.0761905 0.0000192 -0.0219978 -0.0446357 0.0055597
5-Mar-20 -0.0515464 0.0002327 -0.0482555 -0.0412389 -0.0015729
6-Mar-20 0.0000000 0.0002011 -0.0706790 0.0188065 -0.0377979
9-Mar-20 -0.0108696 0.0002026 -0.1118480 0.1088619 0.0020647
10-Mar-20 -0.0659341 0.0000457 -0.0294524 -0.0172153 -0.0348202
11-Mar-20 0.0000000 0.0000852 -0.0587351 0.0322854 -0.0039741
12-Mar-20 -0.0352941 0.0000102 -0.0960094 0.0396416 -0.0359017
13-Mar-20 -0.0243902 0.0001507 -0.0434872 0.0170166 -0.0307712
16-Mar-20 0.0500000 0.0000122 -0.0898856 0.0579631 0.0171378
17-Mar-20 -0.0119048 0.0000230 -0.0953557 0.0385006 -0.0108539
18-Mar-20 0.0120482 0.0000129 -0.0737785 0.0452503 -0.0125090
19-Mar-20 -0.0595238 0.0001387 -0.0964494 0.0013298 -0.0556524
20-Mar-20 0.0000000 0.0000368 -0.0211534 -0.0319541 0.0296680
23-Mar-20 0.0000000 0.0000828 -0.0922471 0.0346191 -0.0068637
24-Mar-20 -0.0126582 0.0001576 -0.0563396 -0.0642357 0.0220345
26-Mar-20 0.0000000 0.0000616 0.0587294 -0.1673191 0.0061214
27-Mar-20 0.0000000 0.0002189 0.0044972 -0.0319406 -0.0337569
30-Mar-20 0.0256410 0.0000047 -0.0720181 0.0468335 0.0145274
31-Mar-20 -0.0375000 0.0000029 -0.0152531 -0.0508343 -0.0202561
1-Apr-20 0.0259740 0.0000035 -0.0592551 0.0191137 0.0155146
25
2-Apr-20 0.0000000 0.0000075 -0.0283685 -0.0210622 0.0215818
3-Apr-20 0.0253165 0.0001712 -0.0229080 -0.0034910 0.0141192
6-Apr-20 -0.0123457 0.0000876 -0.0023812 -0.0248400 -0.0170939
7-Apr-20 -0.0125000 0.0001429 -0.0499505 -0.0397612 -0.0040751
8-Apr-20 0.0000000 0.0001500 -0.0750387 0.0435406 -0.0157609
9-Apr-20 0.0000000 0.0000121 -0.0383441 -0.0093449 -0.0064103
13-Apr-20 0.0126582 0.0000159 -0.0485231 -0.0130659 0.0313608
14-Apr-20 0.0000000 0.0002060 -0.0252576 0.0079003 -0.0042050
Data Mentah Sektor Pertambnagan 2019
COMPANY Date RETURN SENT MP SMB HML
ADRO
1-Mar-19 0.0000000 0.0024303 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 0.0763359 0.0045306 -0.0601732 -0.0243416 0.0378937
5-Mar-19 -0.0070922 0.0030966 -0.0660975 0.0039677 0.0039156
6-Mar-19 -0.0285714 0.0013488 -0.0557360 0.0097053 -0.0135873
8-Mar-19 0.0220588 0.0015669 -0.0706656 0.0044137 0.0000948
11-Mar-19 0.0359712 0.0039912 -0.0614839 -0.0091350 0.0181598
12-Mar-19 -0.0381944 0.0021173 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0397112 0.0042913 -0.0547518 -0.0143012 0.0170119
14-Mar-19 0.0104167 0.0023757 -0.0526576 -0.0060023 0.0121121
15-Mar-19 -0.0240550 0.0029855 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 0.0070423 0.0009523 -0.0510009 0.0037870 -0.0028847
19-Mar-19 0.0034965 0.0007480 -0.0628017 -0.0011561 0.0097276
20-Mar-19 -0.0034843 0.0007238 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 -0.0034965 0.0011462 -0.0551861 0.0030540 0.0087760
22-Mar-19 0.0000000 0.0005229 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0421053 0.0024494 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 0.0000000 0.0013547 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0146520 0.0011020 -0.0631603 0.0050280 0.0086668
28-Mar-19 0.0037175 0.0009517 -0.0560191 0.0318827 0.0029594
29-Mar-19 -0.0037037 0.0016439 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 -0.0037175 0.0011959 -0.0606803 -0.0292788 0.0106758
2-Apr-19 -0.0111940 0.0013947 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0339623 0.0030868 -0.0559383 0.0101624 -0.0018294
5-Apr-19 -0.0156250 0.0021709 -0.0621013 0.0275547 0.0034961
8-Apr-19 0.0039683 0.0019386 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0237154 0.0028434 -0.0514914 0.0011349 0.0190090
26
10-Apr-19 0.0154440 0.0022465 -0.0620326 -0.0079086 0.0192836
11-Apr-19 -0.0114068 0.0008301 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 0.0000000 0.0011407 -0.0610006 0.0078717 0.0010048
15-Apr-19 -0.0115385 0.0008372 -0.0542418 0.0029550 0.0099207
BOSS
1-Mar-19 -0.0049505 0.0010585 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 0.0099502 0.0010348 -0.0601732 -0.0243416 0.0378937
5-Mar-19 0.0049261 0.0041698 -0.0660975 0.0039677 0.0039156
6-Mar-19 0.0000000 0.0010976 -0.0557360 0.0097053 -0.0135873
8-Mar-19 0.0049020 0.0010197 -0.0706656 0.0044137 0.0000948
11-Mar-19 0.0000000 0.0010400 -0.0614839 -0.0091350 0.0181598
12-Mar-19 0.0000000 0.0017310 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0000000 0.0010806 -0.0547518 -0.0143012 0.0170119
14-Mar-19 -0.0048780 0.0011136 -0.0526576 -0.0060023 0.0121121
15-Mar-19 -0.0147059 0.0010570 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 0.0049751 0.0018402 -0.0510009 0.0037870 -0.0028847
19-Mar-19 0.0099010 0.0010704 -0.0628017 -0.0011561 0.0097276
20-Mar-19 -0.0343137 0.0009123 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 -0.0177665 0.0000110 -0.0551861 0.0030540 0.0087760
22-Mar-19 -0.0051680 0.0001651 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 0.0025974 0.0002098 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 -0.0207254 0.0014389 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0343915 0.0001791 -0.0631603 0.0050280 0.0086668
28-Mar-19 0.0054795 0.0002071 -0.0560191 0.0318827 0.0029594
29-Mar-19 0.0027248 0.0002323 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 -0.0027174 0.0015941 -0.0606803 -0.0292788 0.0106758
2-Apr-19 -0.0272480 0.0001214 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0056022 0.0001277 -0.0559383 0.0101624 -0.0018294
5-Apr-19 0.0000000 0.0001230 -0.0621013 0.0275547 0.0034961
8-Apr-19 -0.0225352 0.0012489 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 -0.0057637 0.0000538 -0.0514914 0.0011349 0.0190090
10-Apr-19 -0.0115942 0.0001370 -0.0620326 -0.0079086 0.0192836
11-Apr-19 -0.0029326 0.0001617 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 0.0000000 0.0013771 -0.0610006 0.0078717 0.0010048
15-Apr-19 0.0029412 0.0001361 -0.0542418 0.0029550 0.0099207
GTBO
1-Mar-19 0.0000000 0.0000072 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 0.0000000 0.0000048 -0.0601732 -0.0243416 0.0378937
5-Mar-19 -0.0081301 0.0000049 -0.0660975 0.0039677 0.0039156
6-Mar-19 0.0245902 0.0001417 -0.0557360 0.0097053 -0.0135873
8-Mar-19 -0.0480000 0.0000070 -0.0706656 0.0044137 0.0000948
11-Mar-19 0.0000000 0.0000203 -0.0614839 -0.0091350 0.0181598
12-Mar-19 0.0084034 0.0000219 -0.0607920 0.0236901 -0.0178781
27
13-Mar-19 -0.0083333 0.0000116 -0.0547518 -0.0143012 0.0170119
14-Mar-19 0.0000000 0.0000025 -0.0526576 -0.0060023 0.0121121
15-Mar-19 0.0000000 0.0000363 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 -0.0084034 0.0000178 -0.0510009 0.0037870 -0.0028847
19-Mar-19 0.0338983 0.0000645 -0.0628017 -0.0011561 0.0097276
20-Mar-19 -0.0245902 0.0000004 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 0.0084034 0.0000243 -0.0551861 0.0030540 0.0087760
22-Mar-19 -0.0166667 0.0000172 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0254237 0.0001421 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 0.0347826 0.0000102 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0504202 0.0000330 -0.0631603 0.0050280 0.0086668
28-Mar-19 0.0176991 0.0000634 -0.0560191 0.0318827 0.0029594
29-Mar-19 -0.0086957 0.0000068 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 0.0000000 0.0000055 -0.0606803 -0.0292788 0.0106758
2-Apr-19 -0.0087719 0.0000210 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 0.0000000 0.0000012 -0.0559383 0.0101624 -0.0018294
5-Apr-19 0.0000000 0.0000007 -0.0621013 0.0275547 0.0034961
8-Apr-19 -0.0884956 0.0000083 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0194175 0.0000449 -0.0514914 0.0011349 0.0190090
10-Apr-19 0.0095238 0.0000074 -0.0620326 -0.0079086 0.0192836
11-Apr-19 0.0000000 0.0000099 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 -0.0094340 0.0000182 -0.0610006 0.0078717 0.0010048
15-Apr-19 0.0285714 0.0000304 -0.0542418 0.0029550 0.0099207
MBAP
1-Mar-19 0.0000000 0.0000139 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 -0.0133779 0.0000407 -0.0601732 -0.0243416 0.0378937
5-Mar-19 0.0067797 0.0000439 -0.0660975 0.0039677 0.0039156
6-Mar-19 -0.0134680 0.0000314 -0.0557360 0.0097053 -0.0135873
8-Mar-19 0.0000000 0.0000970 -0.0706656 0.0044137 0.0000948
11-Mar-19 -0.0068259 0.0001323 -0.0614839 -0.0091350 0.0181598
12-Mar-19 0.0103093 0.0001344 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0034014 0.0001723 -0.0547518 -0.0143012 0.0170119
14-Mar-19 -0.0067797 0.0001066 -0.0526576 -0.0060023 0.0121121
15-Mar-19 0.0000000 0.0000496 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 -0.0034130 0.0000859 -0.0510009 0.0037870 -0.0028847
19-Mar-19 -0.0034247 0.0000706 -0.0628017 -0.0011561 0.0097276
20-Mar-19 -0.0034364 0.0001868 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 0.0000000 0.0000656 -0.0551861 0.0030540 0.0087760
22-Mar-19 0.0000000 0.0001142 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0068966 0.0000457 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 0.0000000 0.0000888 -0.0506206 -0.0120849 0.0032574
27-Mar-19 0.0000000 0.0001012 -0.0631603 0.0050280 0.0086668
28
28-Mar-19 0.0034722 0.0001566 -0.0560191 0.0318827 0.0029594
29-Mar-19 -0.0034602 0.0000604 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 -0.0069444 0.0000414 -0.0606803 -0.0292788 0.0106758
2-Apr-19 0.0034965 0.0000059 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0174216 0.0001295 -0.0559383 0.0101624 -0.0018294
5-Apr-19 0.0035461 0.0000190 -0.0621013 0.0275547 0.0034961
8-Apr-19 -0.0353357 0.0002873 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0183150 0.0000205 -0.0514914 0.0011349 0.0190090
10-Apr-19 -0.0107914 0.0000269 -0.0620326 -0.0079086 0.0192836
11-Apr-19 -0.0036364 0.0000164 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 -0.0072993 0.0000126 -0.0610006 0.0078717 0.0010048
15-Apr-19 -0.0073529 0.0000482 -0.0542418 0.0029550 0.0099207
PTBA
1-Mar-19 0.0150754 0.0008821 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 0.0049505 0.0011270 -0.0601732 -0.0243416 0.0378937
5-Mar-19 -0.0221675 0.0012329 -0.0660975 0.0039677 0.0039156
6-Mar-19 0.0176322 0.0009462 -0.0557360 0.0097053 -0.0135873
8-Mar-19 -0.0099010 0.0010271 -0.0706656 0.0044137 0.0000948
11-Mar-19 -0.0050000 0.0011439 -0.0614839 -0.0091350 0.0181598
12-Mar-19 0.0075377 0.0007739 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0024938 0.0009194 -0.0547518 -0.0143012 0.0170119
14-Mar-19 0.0000000 0.0012471 -0.0526576 -0.0060023 0.0121121
15-Mar-19 0.0024876 0.0026103 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 0.0024814 0.0009356 -0.0510009 0.0037870 -0.0028847
19-Mar-19 -0.0049505 0.0010014 -0.0628017 -0.0011561 0.0097276
20-Mar-19 0.0074627 0.0010965 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 -0.0024691 0.0017762 -0.0551861 0.0030540 0.0087760
22-Mar-19 0.0148515 0.0013128 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 0.0121951 0.0015440 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 0.0240964 0.0020409 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0400000 0.0015844 -0.0631603 0.0050280 0.0086668
28-Mar-19 0.0220588 0.0010238 -0.0560191 0.0318827 0.0029594
29-Mar-19 0.0071942 0.0016435 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 0.0047619 0.0008435 -0.0606803 -0.0292788 0.0106758
2-Apr-19 -0.0071090 0.0006701 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0214797 0.0022764 -0.0559383 0.0101624 -0.0018294
5-Apr-19 -0.0243902 0.0019605 -0.0621013 0.0275547 0.0034961
8-Apr-19 0.0175000 0.0012736 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0000000 0.0006671 -0.0514914 0.0011349 0.0190090
10-Apr-19 -0.0098280 0.0012498 -0.0620326 -0.0079086 0.0192836
11-Apr-19 -0.0049628 0.0004484 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 0.0049875 0.0007098 -0.0610006 0.0078717 0.0010048
29
15-Apr-19 -0.0148883 0.0011395 -0.0542418 0.0029550 0.0099207
ELSA
1-Mar-19 0.0108696 0.0024044 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 0.0053763 0.0027906 -0.0601732 -0.0243416 0.0378937
5-Mar-19 0.0053476 0.0038176 -0.0660975 0.0039677 0.0039156
6-Mar-19 0.0000000 0.0022823 -0.0557360 0.0097053 -0.0135873
8-Mar-19 -0.0106383 0.0035956 -0.0706656 0.0044137 0.0000948
11-Mar-19 -0.0161290 0.0040737 -0.0614839 -0.0091350 0.0181598
12-Mar-19 0.0218579 0.0034236 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0053476 0.0021909 -0.0547518 -0.0143012 0.0170119
14-Mar-19 0.0159574 0.0109233 -0.0526576 -0.0060023 0.0121121
15-Mar-19 -0.0209424 0.0047860 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 -0.0106952 0.0017343 -0.0510009 0.0037870 -0.0028847
19-Mar-19 -0.0054054 0.0018636 -0.0628017 -0.0011561 0.0097276
20-Mar-19 -0.0108696 0.0028273 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 0.0109890 0.0014269 -0.0551861 0.0030540 0.0087760
22-Mar-19 0.0000000 0.0008366 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0489130 0.0048700 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 0.0057143 0.0029150 -0.0506206 -0.0120849 0.0032574
27-Mar-19 0.0000000 0.0027947 -0.0631603 0.0050280 0.0086668
28-Mar-19 0.0397727 0.0049574 -0.0560191 0.0318827 0.0029594
29-Mar-19 -0.0163934 0.0015654 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 0.0500000 0.0074208 -0.0606803 -0.0292788 0.0106758
2-Apr-19 -0.0158730 0.0052735 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0053763 0.0023655 -0.0559383 0.0101624 -0.0018294
5-Apr-19 0.0000000 0.0013182 -0.0621013 0.0275547 0.0034961
8-Apr-19 -0.0054054 0.0014391 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0217391 0.0035935 -0.0514914 0.0011349 0.0190090
10-Apr-19 -0.0053191 0.0026327 -0.0620326 -0.0079086 0.0192836
11-Apr-19 -0.0053476 0.0017062 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 0.0161290 0.0069715 -0.0610006 0.0078717 0.0010048
15-Apr-19 0.0000000 0.0019645 -0.0542418 0.0029550 0.0099207
ANTM
1-Mar-19 0.0394089 0.0048963 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 -0.0047393 0.0041973 -0.0601732 -0.0243416 0.0378937
5-Mar-19 -0.0142857 0.0052607 -0.0660975 0.0039677 0.0039156
6-Mar-19 0.0096618 0.0036559 -0.0557360 0.0097053 -0.0135873
8-Mar-19 -0.0526316 0.0057029 -0.0706656 0.0044137 0.0000948
11-Mar-19 0.0050505 0.0055431 -0.0614839 -0.0091350 0.0181598
12-Mar-19 -0.0251256 0.0060018 -0.0607920 0.0236901 -0.0178781
13-Mar-19 -0.0051546 0.0041122 -0.0547518 -0.0143012 0.0170119
14-Mar-19 0.0000000 0.0002728 -0.0526576 -0.0060023 0.0121121
15-Mar-19 0.0103627 0.0030198 -0.0502988 -0.0067552 -0.0148304
30
18-Mar-19 -0.0205128 0.0039569 -0.0510009 0.0037870 -0.0028847
19-Mar-19 0.0052356 0.0029038 -0.0628017 -0.0011561 0.0097276
20-Mar-19 0.0000000 0.0023023 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 0.0052083 0.0017842 -0.0551861 0.0030540 0.0087760
22-Mar-19 -0.0051813 0.0016138 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0416667 0.0043939 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 -0.0054348 0.0026525 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0163934 0.0024599 -0.0631603 0.0050280 0.0086668
28-Mar-19 -0.0222222 0.0042393 -0.0560191 0.0318827 0.0029594
29-Mar-19 0.0056818 0.0030564 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 0.0621469 0.0055187 -0.0606803 -0.0292788 0.0106758
2-Apr-19 -0.0212766 0.0042501 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0054348 0.0020598 -0.0559383 0.0101624 -0.0018294
5-Apr-19 -0.0109290 0.0014087 -0.0621013 0.0275547 0.0034961
8-Apr-19 -0.0220994 0.0029419 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0169492 0.0022226 -0.0514914 0.0011349 0.0190090
10-Apr-19 -0.0055556 0.0018871 -0.0620326 -0.0079086 0.0192836
11-Apr-19 0.0000000 0.0015377 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 -0.0167598 0.0018874 -0.0610006 0.0078717 0.0010048
15-Apr-19 0.0056818 0.0012799 -0.0542418 0.0029550 0.0099207
DKFT
1-Mar-19 0.0165289 0.0000474 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 0.0000000 0.0000168 -0.0601732 -0.0243416 0.0378937
5-Mar-19 -0.0081301 0.0000487 -0.0660975 0.0039677 0.0039156
6-Mar-19 0.0163934 0.0000192 -0.0557360 0.0097053 -0.0135873
8-Mar-19 -0.0080645 0.0000181 -0.0706656 0.0044137 0.0000948
11-Mar-19 0.0162602 0.0000291 -0.0614839 -0.0091350 0.0181598
12-Mar-19 -0.0080000 0.0000126 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0000000 0.0000226 -0.0547518 -0.0143012 0.0170119
14-Mar-19 -0.0080645 0.0000239 -0.0526576 -0.0060023 0.0121121
15-Mar-19 -0.0162602 0.0001363 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 0.0000000 0.0000269 -0.0510009 0.0037870 -0.0028847
19-Mar-19 -0.0082645 0.0000287 -0.0628017 -0.0011561 0.0097276
20-Mar-19 0.0000000 0.0000207 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 0.0000000 0.0000278 -0.0551861 0.0030540 0.0087760
22-Mar-19 0.0000000 0.0000189 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0416667 0.0000533 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 -0.0173913 0.0001046 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0088496 0.0000420 -0.0631603 0.0050280 0.0086668
28-Mar-19 0.0714286 0.0000315 -0.0560191 0.0318827 0.0029594
29-Mar-19 -0.0250000 0.0000234 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 -0.0512821 0.0000615 -0.0606803 -0.0292788 0.0106758
31
2-Apr-19 -0.0270270 0.0000320 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0185185 0.0000292 -0.0559383 0.0101624 -0.0018294
5-Apr-19 0.0377358 0.0000284 -0.0621013 0.0275547 0.0034961
8-Apr-19 0.0090909 0.0000109 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0090090 0.0000194 -0.0514914 0.0011349 0.0190090
10-Apr-19 -0.0178571 0.0000549 -0.0620326 -0.0079086 0.0192836
11-Apr-19 -0.0090909 0.0000282 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 0.0091743 0.0000226 -0.0610006 0.0078717 0.0010048
15-Apr-19 -0.0181818 0.0000170 -0.0542418 0.0029550 0.0099207
INCO
1-Mar-19 0.0374332 0.0021760 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 -0.0025773 0.0010523 -0.0601732 -0.0243416 0.0378937
5-Mar-19 0.0000000 0.0009818 -0.0660975 0.0039677 0.0039156
6-Mar-19 0.0051680 0.0012247 -0.0557360 0.0097053 -0.0135873
8-Mar-19 -0.0616967 0.0016591 -0.0706656 0.0044137 0.0000948
11-Mar-19 -0.0164384 0.0009265 -0.0614839 -0.0091350 0.0181598
12-Mar-19 0.0000000 0.0009150 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0000000 0.0005866 -0.0547518 -0.0143012 0.0170119
14-Mar-19 -0.0027855 0.0003586 -0.0526576 -0.0060023 0.0121121
15-Mar-19 0.0167598 0.0004680 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 -0.0412088 0.0014537 -0.0510009 0.0037870 -0.0028847
19-Mar-19 0.0171920 0.0008123 -0.0628017 -0.0011561 0.0097276
20-Mar-19 0.0084507 0.0010503 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 0.0027933 0.0010415 -0.0551861 0.0030540 0.0087760
22-Mar-19 -0.0139276 0.0005092 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0367232 0.0010361 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 0.0029326 0.0004379 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0146199 0.0006330 -0.0631603 0.0050280 0.0086668
28-Mar-19 -0.0118694 0.0004646 -0.0560191 0.0318827 0.0029594
29-Mar-19 0.0180180 0.0006798 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 0.0530973 0.0012214 -0.0606803 -0.0292788 0.0106758
2-Apr-19 -0.0280112 0.0008934 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 0.0000000 0.0007934 -0.0559383 0.0101624 -0.0018294
5-Apr-19 -0.0057637 0.0004470 -0.0621013 0.0275547 0.0034961
8-Apr-19 -0.0231884 0.0008470 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 -0.0089021 0.0009511 -0.0514914 0.0011349 0.0190090
10-Apr-19 -0.0209581 0.0011555 -0.0620326 -0.0079086 0.0192836
11-Apr-19 0.0305810 0.0011380 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 -0.0059347 0.0004196 -0.0610006 0.0078717 0.0010048
15-Apr-19 0.0059701 0.0005904 -0.0542418 0.0029550 0.0099207
TINS 1-Mar-19 0.0036496 0.0184672 -0.0494024 -0.0074725 -0.0035827
4-Mar-19 -0.0145455 0.0072845 -0.0601732 -0.0243416 0.0378937
32
5-Mar-19 0.0553506 0.0110000 -0.0660975 0.0039677 0.0039156
6-Mar-19 -0.0034965 0.0074612 -0.0557360 0.0097053 -0.0135873
8-Mar-19 -0.0666667 0.0057697 -0.0706656 0.0044137 0.0000948
11-Mar-19 0.0150376 0.0047221 -0.0614839 -0.0091350 0.0181598
12-Mar-19 -0.0592593 0.0096129 -0.0607920 0.0236901 -0.0178781
13-Mar-19 0.0078740 0.0065229 -0.0547518 -0.0143012 0.0170119
14-Mar-19 0.0078125 0.0020520 -0.0526576 -0.0060023 0.0121121
15-Mar-19 -0.0038760 0.0037516 -0.0502988 -0.0067552 -0.0148304
18-Mar-19 -0.0272374 0.0073621 -0.0510009 0.0037870 -0.0028847
19-Mar-19 0.0200000 0.0037257 -0.0628017 -0.0011561 0.0097276
20-Mar-19 0.0352941 0.0079555 -0.0580126 -0.0183883 -0.0049009
21-Mar-19 -0.0151515 0.0021828 -0.0551861 0.0030540 0.0087760
22-Mar-19 -0.0038462 0.0046044 -0.0548936 -0.0060390 -0.0103004
25-Mar-19 -0.0617761 0.0090401 -0.0771391 -0.0014508 -0.0446596
26-Mar-19 0.0164609 0.0040119 -0.0506206 -0.0120849 0.0032574
27-Mar-19 -0.0040486 0.0021579 -0.0631603 0.0050280 0.0086668
28-Mar-19 -0.0162602 0.0024362 -0.0560191 0.0318827 0.0029594
29-Mar-19 0.0371901 0.0040024 -0.0612632 -0.0205665 -0.0115374
1-Apr-19 0.0517928 0.0060915 -0.0606803 -0.0292788 0.0106758
2-Apr-19 0.0606061 0.0135529 -0.0553067 -0.0122316 -0.0022659
4-Apr-19 -0.0178571 0.0050857 -0.0559383 0.0101624 -0.0018294
5-Apr-19 0.0072727 0.0044923 -0.0621013 0.0275547 0.0034961
8-Apr-19 -0.0072202 0.0040739 -0.0671913 -0.0235869 -0.0157734
9-Apr-19 0.0181818 0.0054283 -0.0514914 0.0011349 0.0190090
10-Apr-19 0.0000000 0.0048826 -0.0620326 -0.0079086 0.0192836
11-Apr-19 -0.0214286 0.0018154 -0.0721636 -0.0005768 -0.0029167
12-Apr-19 -0.0364964 0.0035757 -0.0610006 0.0078717 0.0010048
15-Apr-19 0.0227273 0.0029931 -0.0542418 0.0029550 0.0099207
Data Mentah Sektor Pertambangan 2020
COMPANY Date RETURN SENT MP SMB HML
ADRO
2-Mar-20 -0.0346320 0.0012857 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0224215 0.0028448 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0570175 0.0026584 -0.0219978 0.0161596 -0.0116881
5-Mar-20 -0.0248963 0.0019996 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0127660 0.0010516 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.1293103 0.0026704 -0.1118480 0.0116541 0.0555278
10-Mar-20 0.0198020 0.0014944 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0631068 0.0022122 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.1398964 0.0023728 -0.0960094 0.0071436 0.0541912
33
13-Mar-20 0.0000000 0.0028161 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0662651 0.0008361 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0645161 0.0014873 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0482759 0.0026727 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0652174 0.0017911 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.1550388 0.0043514 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 0.0402685 0.0034883 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.0967742 0.0025775 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.1352941 0.0037686 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0259067 0.0024073 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0656566 0.0008895 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.0702703 0.0025950 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 0.0303030 0.0017528 -0.0592551 -0.0002482 0.0408155
2-Apr-20 0.0196078 0.0009355 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0576923 0.0013466 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.0454545 0.0012973 -0.0023812 -0.0473852 0.0114853
7-Apr-20 -0.0086957 0.0016411 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0657895 0.0013894 -0.0750387 0.0200492 0.0045385
9-Apr-20 -0.0234742 0.0009869 -0.0383441 0.1045161 -0.1114322
13-Apr-20 0.0000000 0.0004269 -0.0485231 -0.0347098 0.0022209
14-Apr-20 0.0384615 0.0007541 -0.0252576 -0.0343807 -0.0074334
BOSS
2-Mar-20 0.0113636 0.0003012 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0224719 0.0007672 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0329670 0.0124279 -0.0219978 0.0161596 -0.0116881
5-Mar-20 -0.0319149 0.0040295 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0109890 0.0008007 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.0888889 0.0005845 -0.1118480 0.0116541 0.0555278
10-Mar-20 -0.0121951 0.0016936 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0246914 0.0043082 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0759494 0.0005901 -0.0960094 0.0071436 0.0541912
13-Mar-20 -0.0684932 0.0002221 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0588235 0.0002202 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0625000 0.0000616 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0666667 0.0001344 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0535714 0.0001946 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.0000000 0.0050555 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 -0.0377358 0.0013036 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.1176471 0.0012671 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.0701754 0.0010679 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0163934 0.0007803 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0645161 0.0007374 -0.0720181 -0.0352548 0.0192219
34
31-Mar-20 0.0689655 0.0003146 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 -0.0483871 0.0006542 -0.0592551 -0.0002482 0.0408155
2-Apr-20 -0.0508475 0.0024828 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0892857 0.0006979 -0.0229080 0.0542670 -0.0321940
6-Apr-20 -0.0163934 0.0011573 -0.0023812 -0.0473852 0.0114853
7-Apr-20 0.0000000 0.0008440 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0166667 0.0004439 -0.0750387 0.0200492 0.0045385
9-Apr-20 0.2881356 0.0056344 -0.0383441 0.1045161 -0.1114322
13-Apr-20 -0.0657895 0.0009181 -0.0485231 -0.0347098 0.0022209
14-Apr-20 -0.0281690 0.0021714 -0.0252576 -0.0343807 -0.0074334
GTBO
2-Mar-20 0.0000000 0.0000027 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0000000 0.0000095 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0600000 0.0000094 -0.0219978 0.0161596 -0.0116881
5-Mar-20 -0.0094340 0.0000001 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0476190 0.0000066 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.0500000 0.0000527 -0.1118480 0.0116541 0.0555278
10-Mar-20 -0.0526316 0.0000760 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.1000000 0.0000136 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0617284 0.0000433 -0.0960094 0.0071436 0.0541912
13-Mar-20 0.1184211 0.0000810 -0.0434872 -0.0204036 0.0643616
16-Mar-20 0.0588235 0.0000882 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0666667 0.0000044 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0595238 0.0000068 -0.0737785 -0.0163829 0.0367310
19-Mar-20 0.0000000 0.0000580 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.0632911 0.0000474 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 0.0595238 0.0000129 -0.0922471 0.0131977 0.0360815
24-Mar-20 -0.0449438 0.0000152 -0.0563396 0.0060335 -0.0948671
26-Mar-20 -0.0588235 0.0000328 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0375000 0.0000136 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0481928 0.0000124 -0.0720181 -0.0352548 0.0192219
31-Mar-20 -0.0126582 0.0000037 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 -0.0384615 0.0000002 -0.0592551 -0.0002482 0.0408155
2-Apr-20 0.0666667 0.0000027 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0000000 0.0000167 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.0000000 0.0000134 -0.0023812 -0.0473852 0.0114853
7-Apr-20 -0.0250000 0.0000246 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0384615 0.0000009 -0.0750387 0.0200492 0.0045385
9-Apr-20 0.1066667 0.0001866 -0.0383441 0.1045161 -0.1114322
13-Apr-20 -0.0602410 0.0000145 -0.0485231 -0.0347098 0.0022209
14-Apr-20 -0.0128205 0.0000116 -0.0252576 -0.0343807 -0.0074334
MBAP 2-Mar-20 -0.0111421 0.0000519 -0.0626180 -0.2604982 -0.0184610
35
3-Mar-20 0.0197183 0.0000193 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0497238 0.0000051 -0.0219978 0.0161596 -0.0116881
5-Mar-20 0.0157895 0.0000001 -0.0482555 0.0021992 0.0205241
6-Mar-20 0.0000000 0.0000069 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.0103627 0.0000001 -0.1118480 0.0116541 0.0555278
10-Mar-20 -0.0052356 0.0000054 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0131579 0.0000047 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0400000 0.0000270 -0.0960094 0.0071436 0.0541912
13-Mar-20 -0.0611111 0.0000956 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0680473 0.0000877 -0.0898856 -0.0051109 0.0515831
17-Mar-20 0.0000000 0.0000024 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0507937 0.0000011 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0668896 0.0000077 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.0394265 0.0000243 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 0.0103448 0.0000029 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.0238908 0.0000025 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.0333333 0.0000931 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0645161 0.0000228 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0696970 0.0000052 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.0097720 0.0000216 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 0.0032258 0.0000083 -0.0592551 -0.0002482 0.0408155
2-Apr-20 -0.0675241 0.0000058 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0827586 0.0000790 -0.0229080 0.0542670 -0.0321940
6-Apr-20 -0.0127389 0.0000405 -0.0023812 -0.0473852 0.0114853
7-Apr-20 0.0064516 0.0000186 -0.0499505 0.0097345 0.0177926
8-Apr-20 0.0192308 0.0000105 -0.0750387 0.0200492 0.0045385
9-Apr-20 -0.0408805 0.0000042 -0.0383441 0.1045161 -0.1114322
13-Apr-20 0.0426230 0.0000042 -0.0485231 -0.0347098 0.0022209
14-Apr-20 0.0062893 0.0000112 -0.0252576 -0.0343807 -0.0074334
PTBA
2-Mar-20 -0.0178571 0.0033854 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0772727 0.0026460 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0421941 0.0028678 -0.0219978 0.0161596 -0.0116881
5-Mar-20 -0.0040486 0.0025911 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0040650 0.0016084 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.0979592 0.0033295 -0.1118480 0.0116541 0.0555278
10-Mar-20 0.0452489 0.0020474 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0476190 0.0021353 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0636364 0.0020130 -0.0960094 0.0071436 0.0541912
13-Mar-20 -0.0436893 0.0053887 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0685279 0.0017237 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0681199 0.0020210 -0.0953557 0.0017761 0.0317328
36
18-Mar-20 -0.0672515 0.0026022 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0689655 0.0002427 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.2121212 0.0069302 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 -0.0694444 0.0064915 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.0686567 0.0042455 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.1284916 0.0036291 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0099010 0.0062399 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0686275 0.0014601 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.1473684 0.0029181 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 -0.0596330 0.0026527 -0.0592551 -0.0002482 0.0408155
2-Apr-20 -0.0097561 0.0020691 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0394089 0.0022430 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.0236967 0.0016202 -0.0023812 -0.0473852 0.0114853
7-Apr-20 -0.0277778 0.0018739 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0500000 0.0016526 -0.0750387 0.0200492 0.0045385
9-Apr-20 -0.0075188 0.0008375 -0.0383441 0.1045161 -0.1114322
13-Apr-20 0.0101010 0.0005020 -0.0485231 -0.0347098 0.0022209
14-Apr-20 0.0400000 0.0013830 -0.0252576 -0.0343807 -0.0074334
ELSA
2-Mar-20 0.0288462 0.0043503 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0841121 0.0054297 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0000000 0.0044551 -0.0219978 0.0161596 -0.0116881
5-Mar-20 0.0086207 0.0033175 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0170940 0.0034914 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.1217391 0.0074176 -0.1118480 0.0116541 0.0555278
10-Mar-20 0.0000000 0.0058108 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0445545 0.0060479 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0984456 0.0061282 -0.0960094 0.0071436 0.0541912
13-Mar-20 0.0114943 0.0058239 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0681818 0.0018523 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0670732 0.0023492 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0653595 0.0032049 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0699301 0.0006170 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.0375940 0.0045012 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 -0.0652174 0.0029479 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.0775194 0.0053617 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.0791367 0.0075058 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0266667 0.0094637 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0584416 0.0015979 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.0413793 0.0030766 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 -0.0662252 0.0057645 -0.0592551 -0.0002482 0.0408155
2-Apr-20 0.2836879 0.0252348 -0.0283685 -0.0228993 0.0701118
37
3-Apr-20 0.1270718 0.0373968 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.0490196 0.0167606 -0.0023812 -0.0473852 0.0114853
7-Apr-20 0.0280374 0.0127000 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0636364 0.0077779 -0.0750387 0.0200492 0.0045385
9-Apr-20 0.0970874 0.0229062 -0.0383441 0.1045161 -0.1114322
13-Apr-20 -0.0530973 0.0138205 -0.0485231 -0.0347098 0.0022209
14-Apr-20 -0.0093458 0.0072916 -0.0252576 -0.0343807 -0.0074334
ANTM
2-Mar-20 0.0173913 0.0049008 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0512821 0.0042120 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0243902 0.0038818 -0.0219978 0.0161596 -0.0116881
5-Mar-20 0.0000000 0.0022324 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0317460 0.0020704 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.0901639 0.0043879 -0.1118480 0.0116541 0.0555278
10-Mar-20 0.0360360 0.0031749 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0608696 0.0035299 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0925926 0.0041035 -0.0960094 0.0071436 0.0541912
13-Mar-20 -0.0244898 0.0048743 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0669456 0.0023841 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0672646 0.0018778 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0673077 0.0032787 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0670103 0.0003736 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.0331492 0.0068540 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 -0.0695187 0.0037509 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.0459770 0.0064559 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.1428571 0.0111211 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.1057692 0.0121838 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0608696 0.0031065 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.0416667 0.0037163 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 -0.0311111 0.0033800 -0.0592551 -0.0002482 0.0408155
2-Apr-20 0.0366972 0.0034779 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0265487 0.0048158 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.1637931 0.0093576 -0.0023812 -0.0473852 0.0114853
7-Apr-20 0.0277778 0.0106702 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0630631 0.0037465 -0.0750387 0.0200492 0.0045385
9-Apr-20 0.0000000 0.0043953 -0.0383441 0.1045161 -0.1114322
13-Apr-20 0.0288462 0.0030062 -0.0485231 -0.0347098 0.0022209
14-Apr-20 0.0373832 0.0035102 -0.0252576 -0.0343807 -0.0074334
DKFT
2-Mar-20 -0.1016949 0.0014900 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0660377 0.0011621 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0265487 0.0010591 -0.0219978 0.0161596 -0.0116881
5-Mar-20 0.0000000 0.0004923 -0.0482555 0.0021992 0.0205241
38
6-Mar-20 -0.0344828 0.0002295 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.1071429 0.0015764 -0.1118480 0.0116541 0.0555278
10-Mar-20 0.1000000 0.0029463 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0909091 0.0010255 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0100000 0.0009279 -0.0960094 0.0071436 0.0541912
13-Mar-20 -0.0303030 0.0020828 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0625000 0.0011899 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0666667 0.0009405 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0595238 0.0008556 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0632911 0.0019161 -0.0964494 -0.0098004 0.0388138
20-Mar-20 -0.0135135 0.0005653 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 -0.0547945 0.0004395 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.0144928 0.0005069 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.0714286 0.0010629 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.1200000 0.0012661 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0595238 0.0000861 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.0253165 0.0001815 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 0.0246914 0.0002115 -0.0592551 -0.0002482 0.0408155
2-Apr-20 0.0361446 0.0004004 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0813953 0.0007263 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.0967742 0.0007901 -0.0023812 -0.0473852 0.0114853
7-Apr-20 -0.0294118 0.0008426 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0606061 0.0003434 -0.0750387 0.0200492 0.0045385
9-Apr-20 0.0215054 0.0002338 -0.0383441 0.1045161 -0.1114322
13-Apr-20 0.0105263 0.0003473 -0.0485231 -0.0347098 0.0022209
14-Apr-20 0.0416667 0.0003348 -0.0252576 -0.0343807 -0.0074334
INCO
2-Mar-20 0.0204082 0.0012558 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0880000 0.0018657 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 -0.0036765 0.0009535 -0.0219978 0.0161596 -0.0116881
5-Mar-20 -0.0147601 0.0010354 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0374532 0.0006156 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.1322957 0.0013283 -0.1118480 0.0116541 0.0555278
10-Mar-20 0.0403587 0.0018446 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0603448 0.0015780 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.1146789 0.0009543 -0.0960094 0.0071436 0.0541912
13-Mar-20 -0.0103627 0.0019614 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0680628 0.0004042 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0674157 0.0003739 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0692771 0.0004888 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0679612 0.0002061 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.0486111 0.0025825 -0.0211534 -0.0503534 -0.0506211
39
23-Mar-20 -0.0397351 0.0009221 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.1068966 0.0014242 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.1775701 0.0015479 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0582011 0.0020441 0.0044972 0.0160581 0.0054722
30-Mar-20 0.0100000 0.0008136 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.0693069 0.0009240 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 -0.0601852 0.0010364 -0.0592551 -0.0002482 0.0408155
2-Apr-20 0.0886700 0.0010767 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0497738 0.0009779 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.0603448 0.0013265 -0.0023812 -0.0473852 0.0114853
7-Apr-20 -0.0609756 0.0014083 -0.0499505 0.0097345 0.0177926
8-Apr-20 -0.0432900 0.0007752 -0.0750387 0.0200492 0.0045385
9-Apr-20 0.0271493 0.0004434 -0.0383441 0.1045161 -0.1114322
13-Apr-20 0.0440529 0.0005824 -0.0485231 -0.0347098 0.0022209
14-Apr-20 0.0590717 0.0010503 -0.0252576 -0.0343807 -0.0074334
TINS
2-Mar-20 2.2857143 0.0026729 -0.0626180 -0.2604982 -0.0184610
3-Mar-20 0.0434783 0.0020427 -0.0166012 -0.0098189 -0.0275292
4-Mar-20 0.0500000 0.0026641 -0.0219978 0.0161596 -0.0116881
5-Mar-20 -0.0158730 0.0022927 -0.0482555 0.0021992 0.0205241
6-Mar-20 -0.0322581 0.0012189 -0.0706790 0.0007649 -0.0006586
9-Mar-20 -0.1166667 0.0022200 -0.1118480 0.0116541 0.0555278
10-Mar-20 0.0377358 0.0020674 -0.0294524 -0.0252121 -0.0074096
11-Mar-20 -0.0727273 0.0024075 -0.0587351 0.0010709 0.0000927
12-Mar-20 -0.0823529 0.0021526 -0.0960094 0.0071436 0.0541912
13-Mar-20 0.0000000 0.0022375 -0.0434872 -0.0204036 0.0643616
16-Mar-20 -0.0683761 0.0018401 -0.0898856 -0.0051109 0.0515831
17-Mar-20 -0.0688073 0.0018345 -0.0953557 0.0017761 0.0317328
18-Mar-20 -0.0689655 0.0017601 -0.0737785 -0.0163829 0.0367310
19-Mar-20 -0.0687831 0.0012995 -0.0964494 -0.0098004 0.0388138
20-Mar-20 0.0795455 0.0049979 -0.0211534 -0.0503534 -0.0506211
23-Mar-20 -0.0684211 0.0013003 -0.0922471 0.0131977 0.0360815
24-Mar-20 0.0112994 0.0019162 -0.0563396 0.0060335 -0.0948671
26-Mar-20 0.1508380 0.0036587 0.0587294 -0.0539793 -0.0963129
27-Mar-20 0.0485437 0.0053198 0.0044972 0.0160581 0.0054722
30-Mar-20 -0.0370370 0.0013461 -0.0720181 -0.0352548 0.0192219
31-Mar-20 0.0288462 0.0011898 -0.0152531 -0.0195051 -0.0796453
1-Apr-20 -0.0327103 0.0016491 -0.0592551 -0.0002482 0.0408155
2-Apr-20 0.0628019 0.0012365 -0.0283685 -0.0228993 0.0701118
3-Apr-20 0.0181818 0.0026450 -0.0229080 0.0542670 -0.0321940
6-Apr-20 0.1495536 0.0058684 -0.0023812 -0.0473852 0.0114853
7-Apr-20 0.0194175 0.0053736 -0.0499505 0.0097345 0.0177926
40
8-Apr-20 -0.0666667 0.0026160 -0.0750387 0.0200492 0.0045385
9-Apr-20 0.0204082 0.0011931 -0.0383441 0.1045161 -0.1114322
13-Apr-20 0.0300000 0.0021664 -0.0485231 -0.0347098 0.0022209
14-Apr-20 0.0388350 0.0017456 -0.0252576 -0.0343807 -0.0074334
Data Mentah Sektor Industri Dasar dan Kimia 2019
COMPANY Date RETURN SENT MP SMB HML
AGII
1-Mar-19 -0.0163934 0.0001686 -0.0494024 -0.0010961 0.0057436
4-Mar-19 -0.0083333 0.0001607 -0.0601732 0.0031599 0.0051262
5-Mar-19 0.0084034 0.0004418 -0.0660975 0.0018575 -0.0091521
6-Mar-19 0.0083333 0.0000646 -0.0557360 0.0080575 0.0169430
8-Mar-19 -0.0495868 0.0004399 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 0.0086957 0.0000443 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 0.0000000 0.0000608 -0.0607920 0.0135353 0.0057705
13-Mar-19 -0.0086207 0.0000443 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0000000 0.0000802 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0086957 0.0000573 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0000000 0.0001346 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 -0.0086207 0.0000973 -0.0628017 -0.0060846 0.0046107
20-Mar-19 0.0086957 0.0000331 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0000000 0.0002908 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 0.0000000 0.0000303 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0172414 0.0003217 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0000000 0.0000450 -0.0506206 0.0041722 0.0103322
27-Mar-19 -0.0087719 0.0000790 -0.0631603 0.0053003 0.0012213
28-Mar-19 0.0000000 0.0001569 -0.0560191 0.0015556 0.0162310
29-Mar-19 -0.0088496 0.0003109 -0.0612632 0.0086928 0.0138174
1-Apr-19 -0.0089286 0.0001854 -0.0606803 0.0103283 0.0188868
2-Apr-19 0.0180180 0.0001846 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 -0.0176991 0.0002251 -0.0559383 0.0100690 0.0025615
5-Apr-19 0.0000000 0.0002200 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 -0.0090090 0.0002440 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0090909 0.0000755 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 -0.0090090 0.0002280 -0.0620326 0.0051699 0.0054485
11-Apr-19 0.0000000 0.0000398 -0.0721636 0.0117888 0.0127125
12-Apr-19 -0.0181818 0.0002041 -0.0610006 -0.0051115 0.0095709
15-Apr-19 0.0092593 0.0000740 -0.0542418 -0.0012239 -0.0009014
BTON
1-Mar-19 0.0000000 0.0005617 -0.0494024 -0.0010961 0.0057436
4-Mar-19 0.0000000 0.0004292 -0.0601732 0.0031599 0.0051262
5-Mar-19 -0.0072464 0.0008919 -0.0660975 0.0018575 -0.0091521
41
6-Mar-19 -0.0072993 0.0007932 -0.0557360 0.0080575 0.0169430
8-Mar-19 -0.0294118 0.0009408 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 0.0000000 0.0008708 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 -0.0075758 0.0002346 -0.0607920 0.0135353 0.0057705
13-Mar-19 -0.0152672 0.0005179 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0077519 0.0004969 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 -0.0076923 0.0004683 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0000000 0.0005718 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 0.0000000 0.0003847 -0.0628017 -0.0060846 0.0046107
20-Mar-19 0.0232558 0.0004829 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0000000 0.0003181 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 0.0000000 0.0001751 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0151515 0.0004010 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0153846 0.0005281 -0.0506206 0.0041722 0.0103322
27-Mar-19 0.0000000 0.0003735 -0.0631603 0.0053003 0.0012213
28-Mar-19 -0.0075758 0.0001846 -0.0560191 0.0015556 0.0162310
29-Mar-19 -0.0229008 0.0012331 -0.0612632 0.0086928 0.0138174
1-Apr-19 -0.0156250 0.0007503 -0.0606803 0.0103283 0.0188868
2-Apr-19 0.0238095 0.0005796 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 0.0000000 0.0003306 -0.0559383 0.0100690 0.0025615
5-Apr-19 -0.0232558 0.0003646 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 0.0000000 0.0005063 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0158730 0.0003656 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 0.0078125 0.0000947 -0.0620326 0.0051699 0.0054485
11-Apr-19 0.0000000 0.0002064 -0.0721636 0.0117888 0.0127125
12-Apr-19 -0.0077519 0.0002632 -0.0610006 -0.0051115 0.0095709
15-Apr-19 -0.0078125 0.0005886 -0.0542418 -0.0012239 -0.0009014
CPIN
1-Mar-19 -0.0239726 0.0002450 -0.0494024 -0.0010961 0.0057436
4-Mar-19 0.0105263 0.0002954 -0.0601732 0.0031599 0.0051262
5-Mar-19 0.0000000 0.0003343 -0.0660975 0.0018575 -0.0091521
6-Mar-19 0.0000000 0.0002417 -0.0557360 0.0080575 0.0169430
8-Mar-19 -0.0208333 0.0002184 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 -0.0106383 0.0001512 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 -0.0035842 0.0001864 -0.0607920 0.0135353 0.0057705
13-Mar-19 0.0503597 0.0002184 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0342466 0.0005996 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0596026 0.0014286 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 -0.0187500 0.0003618 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 -0.0254777 0.0002272 -0.0628017 -0.0060846 0.0046107
20-Mar-19 -0.0098039 0.0002313 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0363036 0.0003521 -0.0551861 -0.0205120 -0.0271599
42
22-Mar-19 -0.0127389 0.0003348 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0064516 0.0004061 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0259740 0.0002134 -0.0506206 0.0041722 0.0103322
27-Mar-19 -0.0411392 0.0003076 -0.0631603 0.0053003 0.0012213
28-Mar-19 -0.0561056 0.0006082 -0.0560191 0.0015556 0.0162310
29-Mar-19 -0.1048951 0.0019016 -0.0612632 0.0086928 0.0138174
1-Apr-19 0.0000000 0.0010513 -0.0606803 0.0103283 0.0188868
2-Apr-19 0.0156250 0.0004976 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 -0.0500000 0.0006530 -0.0559383 0.0100690 0.0025615
5-Apr-19 0.0242915 0.0009016 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 0.0355731 0.0006540 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0076336 0.0006931 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 -0.0189394 0.0011108 -0.0620326 0.0051699 0.0054485
11-Apr-19 -0.0424710 0.0004186 -0.0721636 0.0117888 0.0127125
12-Apr-19 -0.0564516 0.0006133 -0.0610006 -0.0051115 0.0095709
15-Apr-19 0.0299145 0.0005307 -0.0542418 -0.0012239 -0.0009014
EKAD
1-Mar-19 -0.0117647 0.0003002 -0.0494024 -0.0010961 0.0057436
4-Mar-19 0.0000000 0.0000215 -0.0601732 0.0031599 0.0051262
5-Mar-19 0.0178571 0.0002513 -0.0660975 0.0018575 -0.0091521
6-Mar-19 0.0000000 0.0001314 -0.0557360 0.0080575 0.0169430
8-Mar-19 0.0000000 0.0000076 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 -0.0058480 0.0000197 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 -0.0117647 0.0000451 -0.0607920 0.0135353 0.0057705
13-Mar-19 0.0000000 0.0002281 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0000000 0.0000962 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0119048 0.0000062 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0000000 0.0000216 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 -0.0058824 0.0001676 -0.0628017 -0.0060846 0.0046107
20-Mar-19 -0.0059172 0.0000109 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0000000 0.0000170 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 0.0000000 0.0000100 -0.0548936 0.0048290 0.0046120
25-Mar-19 0.0000000 0.0019364 -0.0771391 0.0040913 -0.0036364
26-Mar-19 -0.0059524 0.0000489 -0.0506206 0.0041722 0.0103322
27-Mar-19 0.0059880 0.0000540 -0.0631603 0.0053003 0.0012213
28-Mar-19 0.0000000 0.0000371 -0.0560191 0.0015556 0.0162310
29-Mar-19 -0.0238095 0.0003729 -0.0612632 0.0086928 0.0138174
1-Apr-19 0.0182927 0.0001979 -0.0606803 0.0103283 0.0188868
2-Apr-19 -0.0059880 0.0001560 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 0.0000000 0.0000531 -0.0559383 0.0100690 0.0025615
5-Apr-19 0.0000000 0.0001248 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 -0.0060241 0.0000122 -0.0671913 0.0006752 0.0000558
43
9-Apr-19 0.0060606 0.0001474 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 -0.0060241 0.0000502 -0.0620326 0.0051699 0.0054485
11-Apr-19 -0.0060606 0.0001621 -0.0721636 0.0117888 0.0127125
12-Apr-19 0.0000000 0.0000654 -0.0610006 -0.0051115 0.0095709
15-Apr-19 0.0182927 0.0001583 -0.0542418 -0.0012239 -0.0009014
IMPC
1-Mar-19 -0.0105820 0.0000494 -0.0494024 -0.0010961 0.0057436
4-Mar-19 -0.0481283 0.0000525 -0.0601732 0.0031599 0.0051262
5-Mar-19 0.0337079 0.0000848 -0.0660975 0.0018575 -0.0091521
6-Mar-19 -0.0434783 0.0000583 -0.0557360 0.0080575 0.0169430
8-Mar-19 0.0340909 0.0000822 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 0.0109890 0.0000662 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 0.0054348 0.0000794 -0.0607920 0.0135353 0.0057705
13-Mar-19 -0.0324324 0.0000452 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0055866 0.0000583 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0111111 0.0000638 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0000000 0.0000334 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 -0.0109890 0.0000608 -0.0628017 -0.0060846 0.0046107
20-Mar-19 0.0000000 0.0000330 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0111111 0.0000644 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 0.0109890 0.0000729 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0108696 0.0000758 -0.0771391 0.0040913 -0.0036364
26-Mar-19 -0.0549451 0.0000397 -0.0506206 0.0041722 0.0103322
27-Mar-19 0.0406977 0.0000968 -0.0631603 0.0053003 0.0012213
28-Mar-19 -0.0335196 0.0000822 -0.0560191 0.0015556 0.0162310
29-Mar-19 0.0000000 0.0000769 -0.0612632 0.0086928 0.0138174
1-Apr-19 -0.0173410 0.0000416 -0.0606803 0.0103283 0.0188868
2-Apr-19 0.0235294 0.0000771 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 0.0114943 0.0000946 -0.0559383 0.0100690 0.0025615
5-Apr-19 0.0170455 0.0000750 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 -0.0558659 0.0000595 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0236686 0.0000930 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 -0.0115607 0.0000151 -0.0620326 0.0051699 0.0054485
11-Apr-19 -0.0233918 0.0000873 -0.0721636 0.0117888 0.0127125
12-Apr-19 0.0419162 0.0001101 -0.0610006 -0.0051115 0.0095709
15-Apr-19 -0.0114943 0.0000377 -0.0542418 -0.0012239 -0.0009014
ISSP
1-Mar-19 0.0260870 0.0011814 -0.0494024 -0.0010961 0.0057436
4-Mar-19 -0.0084746 0.0015531 -0.0601732 0.0031599 0.0051262
5-Mar-19 -0.0256410 0.0017329 -0.0660975 0.0018575 -0.0091521
6-Mar-19 0.0263158 0.0015268 -0.0557360 0.0080575 0.0169430
8-Mar-19 -0.0256410 0.0023346 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 -0.0614035 0.0020661 -0.0614839 -0.0059123 -0.0062936
44
12-Mar-19 0.0093458 0.0033876 -0.0607920 0.0135353 0.0057705
13-Mar-19 -0.0092593 0.0014178 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0186916 0.0013873 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0000000 0.0013240 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 -0.0183486 0.0007697 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 -0.0186916 0.0022072 -0.0628017 -0.0060846 0.0046107
20-Mar-19 0.0000000 0.0014330 -0.0580126 0.0048101 0.0051909
21-Mar-19 -0.0190476 0.0012877 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 0.0097087 0.0006188 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0384615 0.0021736 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0400000 0.0028853 -0.0506206 0.0041722 0.0103322
27-Mar-19 -0.0192308 0.0013999 -0.0631603 0.0053003 0.0012213
28-Mar-19 0.0000000 0.0008762 -0.0560191 0.0015556 0.0162310
29-Mar-19 -0.0294118 0.0010097 -0.0612632 0.0086928 0.0138174
1-Apr-19 0.0909091 0.0124197 -0.0606803 0.0103283 0.0188868
2-Apr-19 -0.0462963 0.0032745 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 0.0000000 0.0018650 -0.0559383 0.0100690 0.0025615
5-Apr-19 -0.0097087 0.0008835 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 -0.0196078 0.0018153 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0000000 0.0017227 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 0.0300000 0.0015351 -0.0620326 0.0051699 0.0054485
11-Apr-19 -0.0194175 0.0008348 -0.0721636 0.0117888 0.0127125
12-Apr-19 0.0198020 0.0022712 -0.0610006 -0.0051115 0.0095709
15-Apr-19 -0.0097087 0.0004625 -0.0542418 -0.0012239 -0.0009014
MLIA
1-Mar-19 0.0080000 0.0011085 -0.0494024 -0.0010961 0.0057436
4-Mar-19 0.0119048 0.0004198 -0.0601732 0.0031599 0.0051262
5-Mar-19 -0.0078431 0.0004610 -0.0660975 0.0018575 -0.0091521
6-Mar-19 0.0118577 0.0006068 -0.0557360 0.0080575 0.0169430
8-Mar-19 0.0117188 0.0005720 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 0.0193050 0.0006165 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 0.0151515 0.0005760 -0.0607920 0.0135353 0.0057705
13-Mar-19 0.0335821 0.0012714 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0288809 0.0009821 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0035088 0.0006138 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0069930 0.0005415 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 0.0034722 0.0004813 -0.0628017 -0.0060846 0.0046107
20-Mar-19 0.0069204 0.0005272 -0.0580126 0.0048101 0.0051909
21-Mar-19 -0.0446735 0.0016389 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 0.0143885 0.0006467 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0035461 0.0005392 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0284698 0.0012667 -0.0506206 0.0041722 0.0103322
45
27-Mar-19 0.0276817 0.0013092 -0.0631603 0.0053003 0.0012213
28-Mar-19 0.0168350 0.0016805 -0.0560191 0.0015556 0.0162310
29-Mar-19 0.0198675 0.0021400 -0.0612632 0.0086928 0.0138174
1-Apr-19 0.0032468 0.0008953 -0.0606803 0.0103283 0.0188868
2-Apr-19 0.0000000 0.0009603 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 0.0129450 0.0010431 -0.0559383 0.0100690 0.0025615
5-Apr-19 0.0095847 0.0010271 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 0.0031646 0.0009770 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0031546 0.0009268 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 0.0062893 0.0010082 -0.0620326 0.0051699 0.0054485
11-Apr-19 -0.0156250 0.0012707 -0.0721636 0.0117888 0.0127125
12-Apr-19 -0.0063492 0.0014511 -0.0610006 -0.0051115 0.0095709
15-Apr-19 0.0000000 0.0015138 -0.0542418 -0.0012239 -0.0009014
SMGR
1-Mar-19 0.0177866 0.0007708 -0.0494024 -0.0010961 0.0057436
4-Mar-19 0.0019417 0.0006042 -0.0601732 0.0031599 0.0051262
5-Mar-19 -0.0038760 0.0005632 -0.0660975 0.0018575 -0.0091521
6-Mar-19 -0.0116732 0.0002969 -0.0557360 0.0080575 0.0169430
8-Mar-19 -0.0177165 0.0003512 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 0.0040080 0.0003182 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 -0.0119760 0.0002755 -0.0607920 0.0135353 0.0057705
13-Mar-19 0.0262626 0.0005486 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0236220 0.0005254 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0057692 0.0017987 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0172084 0.0007429 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 -0.0150376 0.0005635 -0.0628017 -0.0060846 0.0046107
20-Mar-19 -0.0057252 0.0007724 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0518234 0.0023276 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 -0.0018248 0.0005957 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0201097 0.0008295 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0354478 0.0006035 -0.0506206 0.0041722 0.0103322
27-Mar-19 -0.0072072 0.0005550 -0.0631603 0.0053003 0.0012213
28-Mar-19 0.0090744 0.0004474 -0.0560191 0.0015556 0.0162310
29-Mar-19 0.0035971 0.0010378 -0.0612632 0.0086928 0.0138174
1-Apr-19 -0.0107527 0.0006606 -0.0606803 0.0103283 0.0188868
2-Apr-19 -0.0144928 0.0007040 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 0.0183824 0.0014229 -0.0559383 0.0100690 0.0025615
5-Apr-19 -0.0144404 0.0004887 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 -0.0054945 0.0011131 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0276243 0.0015653 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 0.0250896 0.0009474 -0.0620326 0.0051699 0.0054485
11-Apr-19 -0.0454545 0.0009507 -0.0721636 0.0117888 0.0127125
46
12-Apr-19 -0.0476190 0.0013212 -0.0610006 -0.0051115 0.0095709
15-Apr-19 -0.0134615 0.0019720 -0.0542418 -0.0012239 -0.0009014
TKIM
1-Mar-19 -0.0022371 0.0005283 -0.0494024 -0.0010961 0.0057436
4-Mar-19 0.0067265 0.0004720 -0.0601732 0.0031599 0.0051262
5-Mar-19 -0.0267261 0.0005925 -0.0660975 0.0018575 -0.0091521
6-Mar-19 0.0068650 0.0006184 -0.0557360 0.0080575 0.0169430
8-Mar-19 0.0022727 0.0002463 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 -0.0113379 0.0003621 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 -0.0619266 0.0007311 -0.0607920 0.0135353 0.0057705
13-Mar-19 -0.0391198 0.0007231 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0610687 0.0008287 -0.0526576 -0.0115235 -0.0026471
15-Mar-19 0.0551559 0.0013470 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0363636 0.0009085 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 0.0438596 0.0009460 -0.0628017 -0.0060846 0.0046107
20-Mar-19 -0.0063025 0.0008150 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0042283 0.0002303 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 -0.0105263 0.0003060 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0340426 0.0005397 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0154185 0.0003782 -0.0506206 0.0041722 0.0103322
27-Mar-19 -0.0260304 0.0002575 -0.0631603 0.0053003 0.0012213
28-Mar-19 0.0378619 0.0003695 -0.0560191 0.0015556 0.0162310
29-Mar-19 -0.0536481 0.0008767 -0.0612632 0.0086928 0.0138174
1-Apr-19 -0.0136054 0.0004289 -0.0606803 0.0103283 0.0188868
2-Apr-19 0.0022989 0.0002873 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 -0.0550459 0.0005471 -0.0559383 0.0100690 0.0025615
5-Apr-19 0.0000000 0.0004099 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 0.0000000 0.0004819 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0218447 0.0005560 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 0.0071259 0.0002630 -0.0620326 0.0051699 0.0054485
11-Apr-19 -0.0259434 0.0003402 -0.0721636 0.0117888 0.0127125
12-Apr-19 0.0217918 0.0002003 -0.0610006 -0.0051115 0.0095709
15-Apr-19 -0.0047393 0.0002853 -0.0542418 -0.0012239 -0.0009014
WSBP
1-Mar-19 0.0000000 0.0013877 -0.0494024 -0.0010961 0.0057436
4-Mar-19 -0.0051813 0.0016957 -0.0601732 0.0031599 0.0051262
5-Mar-19 -0.0104167 0.0026059 -0.0660975 0.0018575 -0.0091521
6-Mar-19 0.0052632 0.0017351 -0.0557360 0.0080575 0.0169430
8-Mar-19 -0.0052356 0.0013377 -0.0706656 -0.0109693 -0.0098417
11-Mar-19 0.0157895 0.0023685 -0.0614839 -0.0059123 -0.0062936
12-Mar-19 -0.0155440 0.0025666 -0.0607920 0.0135353 0.0057705
13-Mar-19 0.0052632 0.0021931 -0.0547518 -0.0000671 -0.0047480
14-Mar-19 0.0052356 0.0027622 -0.0526576 -0.0115235 -0.0026471
47
15-Mar-19 0.0000000 0.0014638 -0.0502988 -0.0156326 -0.0107131
18-Mar-19 0.0000000 0.0012381 -0.0510009 -0.0071511 -0.0016357
19-Mar-19 0.0052083 0.0026559 -0.0628017 -0.0060846 0.0046107
20-Mar-19 0.0155440 0.0064995 -0.0580126 0.0048101 0.0051909
21-Mar-19 0.0102041 0.0048944 -0.0551861 -0.0205120 -0.0271599
22-Mar-19 0.0000000 0.0040765 -0.0548936 0.0048290 0.0046120
25-Mar-19 -0.0202020 0.0021831 -0.0771391 0.0040913 -0.0036364
26-Mar-19 0.0103093 0.0010080 -0.0506206 0.0041722 0.0103322
27-Mar-19 0.0051020 0.0024929 -0.0631603 0.0053003 0.0012213
28-Mar-19 0.0101523 0.0049976 -0.0560191 0.0015556 0.0162310
29-Mar-19 0.0100503 0.0052792 -0.0612632 0.0086928 0.0138174
1-Apr-19 0.0298507 0.0068006 -0.0606803 0.0103283 0.0188868
2-Apr-19 -0.0096618 0.0026879 -0.0553067 -0.0016848 -0.0088233
4-Apr-19 0.0048780 0.0036670 -0.0559383 0.0100690 0.0025615
5-Apr-19 -0.0145631 0.0036061 -0.0621013 -0.0044511 -0.0045034
8-Apr-19 -0.0098522 0.0048673 -0.0671913 0.0006752 0.0000558
9-Apr-19 0.0248756 0.0031000 -0.0514914 -0.0093179 -0.0077802
10-Apr-19 -0.0145631 0.0019835 -0.0620326 0.0051699 0.0054485
11-Apr-19 0.0000000 0.0017906 -0.0721636 0.0117888 0.0127125
12-Apr-19 0.0394089 0.0072098 -0.0610006 -0.0051115 0.0095709
15-Apr-19 0.0189573 0.0076870 -0.0542418 -0.0012239 -0.0009014
Data Mentah Sektor Industri Dasar dan Kimia 2020
COMPANY Date RETURN SENT MP SMB HML
AGII
2-Mar-20 0.0000000 0.0000062 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0380952 0.0000010 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.0183486 0.0000231 -0.0219978 0.0112548 -0.0143110
5-Mar-20 -0.0090090 0.0000165 -0.0482555 0.0036430 0.0024189
6-Mar-20 0.0000000 0.0000022 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.0454545 0.0000083 -0.1118480 0.0090951 -0.0072933
10-Mar-20 0.0285714 0.0000058 -0.0294524 0.0073317 -0.0103000
11-Mar-20 -0.0277778 0.0000265 -0.0587351 0.0103350 -0.0026491
12-Mar-20 -0.0590476 0.0000558 -0.0960094 -0.0088150 0.0026983
13-Mar-20 -0.0080972 0.0000526 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0040816 0.0000477 -0.0898856 -0.0071586 0.0063658
17-Mar-20 -0.0122951 0.0000791 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0331950 0.0000096 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0600858 0.0000053 -0.0964494 -0.0048041 0.0015787
20-Mar-20 0.0045662 0.0000046 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 -0.0681818 0.0000390 -0.0922471 0.0116616 0.0013463
48
24-Mar-20 -0.0682927 0.0001001 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.0471204 0.0000446 0.0587294 0.0175768 0.0061387
27-Mar-20 0.0050000 0.0001702 0.0044972 -0.0377415 -0.0401781
30-Mar-20 0.0945274 0.0000102 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.2272727 0.0001549 -0.0152531 0.0379344 0.0402256
1-Apr-20 -0.0648148 0.0000332 -0.0592551 0.0366166 0.0597708
2-Apr-20 -0.0693069 0.0003236 -0.0283685 0.0111352 0.0012828
3-Apr-20 -0.0680851 0.0001970 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0000000 0.0001047 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 0.0045662 0.0003953 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 -0.0136364 0.0000698 -0.0750387 0.0080107 0.0006919
9-Apr-20 0.0046083 0.0000188 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0045872 0.0000085 -0.0485231 0.0076884 0.0234332
14-Apr-20 0.0000000 0.0000781 -0.0252576 -0.0071755 -0.0071569
BTON
2-Mar-20 0.1250000 0.0000028 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 -0.1166667 0.0002439 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.1320755 0.0000593 -0.0219978 0.0112548 -0.0143110
5-Mar-20 0.0000000 0.0003056 -0.0482555 0.0036430 0.0024189
6-Mar-20 -0.0555556 0.0000021 -0.0706790 -0.0108779 0.0011151
9-Mar-20 0.0058824 0.0000265 -0.1118480 0.0090951 -0.0072933
10-Mar-20 0.0233918 0.0000232 -0.0294524 0.0073317 -0.0103000
11-Mar-20 0.0000000 0.0000022 -0.0587351 0.0103350 -0.0026491
12-Mar-20 -0.0400000 0.0000319 -0.0960094 -0.0088150 0.0026983
13-Mar-20 0.0059524 0.0000760 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0650888 0.0000013 -0.0898856 -0.0071586 0.0063658
17-Mar-20 -0.0632911 0.0000104 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0675676 0.0000043 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0652174 0.0000006 -0.0964494 -0.0048041 0.0015787
20-Mar-20 -0.0697674 0.0000608 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 -0.0666667 0.0000079 -0.0922471 0.0116616 0.0013463
24-Mar-20 -0.0625000 0.0002329 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.0095238 0.0000254 0.0587294 0.0175768 0.0061387
27-Mar-20 0.0377358 0.0000483 0.0044972 -0.0377415 -0.0401781
30-Mar-20 0.1000000 0.0000106 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0330579 0.0000449 -0.0152531 0.0379344 0.0402256
1-Apr-20 0.0000000 0.0000311 -0.0592551 0.0366166 0.0597708
2-Apr-20 0.0400000 0.0000389 -0.0283685 0.0111352 0.0012828
3-Apr-20 0.2692308 0.0000257 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0242424 0.0000850 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 0.0059172 0.0001675 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 0.0000000 0.0000388 -0.0750387 0.0080107 0.0006919
49
9-Apr-20 -0.0529412 0.0000003 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0062112 0.0000053 -0.0485231 0.0076884 0.0234332
14-Apr-20 -0.0123457 0.0000576 -0.0252576 -0.0071755 -0.0071569
CPIN
2-Mar-20 -0.0175439 0.0005828 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0758929 0.0005707 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.0663900 0.0004063 -0.0219978 0.0112548 -0.0143110
5-Mar-20 0.0116732 0.0003614 -0.0482555 0.0036430 0.0024189
6-Mar-20 -0.0461538 0.0003277 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.0645161 0.0005370 -0.1118480 0.0090951 -0.0072933
10-Mar-20 0.0129310 0.0004218 -0.0294524 0.0073317 -0.0103000
11-Mar-20 0.0042553 0.0003525 -0.0587351 0.0103350 -0.0026491
12-Mar-20 -0.0762712 0.0003142 -0.0960094 -0.0088150 0.0026983
13-Mar-20 0.0183486 0.0007656 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0675676 0.0003794 -0.0898856 -0.0071586 0.0063658
17-Mar-20 -0.0685990 0.0005150 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0684647 0.0006013 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0690423 0.0002159 -0.0964494 -0.0048041 0.0015787
20-Mar-20 0.0071770 0.0011146 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 -0.0688836 0.0006270 -0.0922471 0.0116616 0.0013463
24-Mar-20 -0.0229592 0.0008738 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.0992167 0.0008390 0.0587294 0.0175768 0.0061387
27-Mar-20 0.1662708 0.0005270 0.0044972 -0.0377415 -0.0401781
30-Mar-20 -0.0672098 0.0004705 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0786026 0.0008359 -0.0152531 0.0379344 0.0402256
1-Apr-20 -0.0384615 0.0005777 -0.0592551 0.0366166 0.0597708
2-Apr-20 0.0294737 0.0004456 -0.0283685 0.0111352 0.0012828
3-Apr-20 -0.0081800 0.0006712 -0.0229080 0.0325227 -0.0093324
6-Apr-20 -0.0020619 0.0012995 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 0.0082645 0.0009779 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 -0.0696721 0.0008046 -0.0750387 0.0080107 0.0006919
9-Apr-20 -0.0374449 0.0008104 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 -0.0114416 0.0004157 -0.0485231 0.0076884 0.0234332
14-Apr-20 0.0740741 0.0013722 -0.0252576 -0.0071755 -0.0071569
EKAD
2-Mar-20 0.0111732 0.0004644 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0220994 0.0003612 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.0540541 0.0005440 -0.0219978 0.0112548 -0.0143110
5-Mar-20 0.0000000 0.0002678 -0.0482555 0.0036430 0.0024189
6-Mar-20 -0.0410256 0.0002154 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.0534759 0.0007904 -0.1118480 0.0090951 -0.0072933
10-Mar-20 0.0225989 0.0000685 -0.0294524 0.0073317 -0.0103000
11-Mar-20 -0.0276243 0.0003442 -0.0587351 0.0103350 -0.0026491
50
12-Mar-20 -0.0454545 0.0006755 -0.0960094 -0.0088150 0.0026983
13-Mar-20 -0.0119048 0.0005256 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0361446 0.0003548 -0.0898856 -0.0071586 0.0063658
17-Mar-20 -0.0687500 0.0004903 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0536913 0.0002935 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0354610 0.0001799 -0.0964494 -0.0048041 0.0015787
20-Mar-20 0.0000000 0.0001925 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 0.0294118 0.0000560 -0.0922471 0.0116616 0.0013463
24-Mar-20 0.0500000 0.0000914 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.1564626 0.0003377 0.0587294 0.0175768 0.0061387
27-Mar-20 -0.0117647 0.0006312 0.0044972 -0.0377415 -0.0401781
30-Mar-20 -0.0416667 0.0001865 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0434783 0.0000673 -0.0152531 0.0379344 0.0402256
1-Apr-20 -0.0476190 0.0002012 -0.0592551 0.0366166 0.0597708
2-Apr-20 0.0375000 0.0000834 -0.0283685 0.0111352 0.0012828
3-Apr-20 0.0000000 0.0001528 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0240964 0.0000867 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 -0.0117647 0.0002517 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 -0.0119048 0.0000505 -0.0750387 0.0080107 0.0006919
9-Apr-20 0.0120482 0.0000425 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0059524 0.0000990 -0.0485231 0.0076884 0.0234332
14-Apr-20 0.0236686 0.0000335 -0.0252576 -0.0071755 -0.0071569
IMPC
2-Mar-20 -0.0092593 0.0000516 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0000000 0.0000439 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.0000000 0.0000281 -0.0219978 0.0112548 -0.0143110
5-Mar-20 0.0046729 0.0000495 -0.0482555 0.0036430 0.0024189
6-Mar-20 0.0000000 0.0000346 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.0325581 0.0000415 -0.1118480 0.0090951 -0.0072933
10-Mar-20 -0.0096154 0.0000396 -0.0294524 0.0073317 -0.0103000
11-Mar-20 0.0000000 0.0000660 -0.0587351 0.0103350 -0.0026491
12-Mar-20 0.0000000 0.0000527 -0.0960094 -0.0088150 0.0026983
13-Mar-20 0.0000000 0.0000430 -0.0434872 -0.0116665 0.0042289
16-Mar-20 0.0048544 0.0000325 -0.0898856 -0.0071586 0.0063658
17-Mar-20 0.0000000 0.0000561 -0.0953557 -0.0133897 0.0069987
18-Mar-20 0.0048309 0.0000725 -0.0737785 -0.0067964 0.0022401
19-Mar-20 0.0000000 0.0000582 -0.0964494 -0.0048041 0.0015787
20-Mar-20 0.0048077 0.0000827 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 0.0000000 0.0000792 -0.0922471 0.0116616 0.0013463
24-Mar-20 0.0047847 0.0000963 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.0047619 0.0000992 0.0587294 0.0175768 0.0061387
27-Mar-20 0.0047393 0.0001145 0.0044972 -0.0377415 -0.0401781
51
30-Mar-20 -0.0047170 0.0000508 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0047393 0.0000760 -0.0152531 0.0379344 0.0402256
1-Apr-20 -0.0047170 0.0000833 -0.0592551 0.0366166 0.0597708
2-Apr-20 0.0000000 0.0001108 -0.0283685 0.0111352 0.0012828
3-Apr-20 0.0047393 0.0001081 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0047170 0.0001126 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 0.0000000 0.0000988 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 0.0000000 0.0000866 -0.0750387 0.0080107 0.0006919
9-Apr-20 0.0046948 0.0001198 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0000000 0.0001163 -0.0485231 0.0076884 0.0234332
14-Apr-20 0.0046729 0.0001239 -0.0252576 -0.0071755 -0.0071569
ISSP
2-Mar-20 -0.0413793 0.0014650 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0863309 0.0012203 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.0198675 0.0006265 -0.0219978 0.0112548 -0.0143110
5-Mar-20 -0.0194805 0.0006658 -0.0482555 0.0036430 0.0024189
6-Mar-20 -0.0264901 0.0002703 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.0884354 0.0008922 -0.1118480 0.0090951 -0.0072933
10-Mar-20 0.0074627 0.0003055 -0.0294524 0.0073317 -0.0103000
11-Mar-20 -0.0370370 0.0005780 -0.0587351 0.0103350 -0.0026491
12-Mar-20 -0.1000000 0.0005298 -0.0960094 -0.0088150 0.0026983
13-Mar-20 0.0000000 0.0005939 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0683761 0.0013546 -0.0898856 -0.0071586 0.0063658
17-Mar-20 -0.0642202 0.0008455 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0588235 0.0002982 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0625000 0.0001461 -0.0964494 -0.0048041 0.0015787
20-Mar-20 0.1111111 0.0009337 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 -0.0600000 0.0002298 -0.0922471 0.0116616 0.0013463
24-Mar-20 0.0319149 0.0001434 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.0927835 0.0006019 0.0587294 0.0175768 0.0061387
27-Mar-20 0.0377358 0.0005700 0.0044972 -0.0377415 -0.0401781
30-Mar-20 -0.0545455 0.0000491 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0576923 0.0003228 -0.0152531 0.0379344 0.0402256
1-Apr-20 0.3454545 0.0111206 -0.0592551 0.0366166 0.0597708
2-Apr-20 -0.0135135 0.0190139 -0.0283685 0.0111352 0.0012828
3-Apr-20 0.0821918 0.0092839 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0063291 0.0051665 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 -0.0377358 0.0023968 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 -0.0653595 0.0008292 -0.0750387 0.0080107 0.0006919
9-Apr-20 -0.0699301 0.0016137 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0751880 0.0017708 -0.0485231 0.0076884 0.0234332
14-Apr-20 0.0209790 0.0008919 -0.0252576 -0.0071755 -0.0071569
52
MLIA
2-Mar-20 0.0000000 0.0060946 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0884956 0.0069045 -0.0166012 -0.0183155 0.0144247
4-Mar-20 -0.0325203 0.0054124 -0.0219978 0.0112548 -0.0143110
5-Mar-20 0.0504202 0.0071054 -0.0482555 0.0036430 0.0024189
6-Mar-20 -0.0400000 0.0040831 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.1250000 0.0031656 -0.1118480 0.0090951 -0.0072933
10-Mar-20 -0.0971429 0.0031937 -0.0294524 0.0073317 -0.0103000
11-Mar-20 0.0084388 0.0037741 -0.0587351 0.0103350 -0.0026491
12-Mar-20 -0.0167364 0.0032537 -0.0960094 -0.0088150 0.0026983
13-Mar-20 -0.0042553 0.0034444 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0213675 0.0033740 -0.0898856 -0.0071586 0.0063658
17-Mar-20 -0.0174672 0.0028772 -0.0953557 -0.0133897 0.0069987
18-Mar-20 0.0000000 0.0032624 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0044444 0.0023848 -0.0964494 -0.0048041 0.0015787
20-Mar-20 0.0044643 0.0035146 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 0.0000000 0.0034791 -0.0922471 0.0116616 0.0013463
24-Mar-20 0.0000000 0.0035884 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.1111111 0.0043048 0.0587294 0.0175768 0.0061387
27-Mar-20 0.0600000 0.0044203 0.0044972 -0.0377415 -0.0401781
30-Mar-20 -0.0094340 0.0033234 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0666667 0.0042779 -0.0152531 0.0379344 0.0402256
1-Apr-20 0.0446429 0.0048111 -0.0592551 0.0366166 0.0597708
2-Apr-20 0.0940171 0.0066863 -0.0283685 0.0111352 0.0012828
3-Apr-20 -0.0468750 0.0025129 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0163934 0.0049500 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 -0.0080645 0.0036633 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 -0.0081301 0.0018515 -0.0750387 0.0080107 0.0006919
9-Apr-20 -0.0163934 0.0041358 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0000000 0.0042376 -0.0485231 0.0076884 0.0234332
14-Apr-20 0.0083333 0.0050522 -0.0252576 -0.0071755 -0.0071569
SMGR
2-Mar-20 -0.0071599 0.0008646 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0504808 0.0006139 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.0251716 0.0011063 -0.0219978 0.0112548 -0.0143110
5-Mar-20 -0.0089286 0.0008119 -0.0482555 0.0036430 0.0024189
6-Mar-20 -0.0270270 0.0006438 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.1180556 0.0007243 -0.1118480 0.0090951 -0.0072933
10-Mar-20 -0.0026247 0.0010934 -0.0294524 0.0073317 -0.0103000
11-Mar-20 -0.0447368 0.0007068 -0.0587351 0.0103350 -0.0026491
12-Mar-20 -0.1157025 0.0013211 -0.0960094 -0.0088150 0.0026983
13-Mar-20 -0.0560748 0.0030579 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0693069 0.0007146 -0.0898856 -0.0071586 0.0063658
53
17-Mar-20 -0.0673759 0.0020549 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0418251 0.0015225 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0674603 0.0010471 -0.0964494 -0.0048041 0.0015787
20-Mar-20 0.2000000 0.0027702 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 -0.0673759 0.0014048 -0.0922471 0.0116616 0.0013463
24-Mar-20 -0.0684411 0.0016763 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.1102041 0.0016485 0.0587294 0.0175768 0.0061387
27-Mar-20 0.1727941 0.0023692 0.0044972 -0.0377415 -0.0401781
30-Mar-20 -0.0689655 0.0008744 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0269360 0.0016236 -0.0152531 0.0379344 0.0402256
1-Apr-20 0.0098361 0.0011136 -0.0592551 0.0366166 0.0597708
2-Apr-20 -0.0259740 0.0011821 -0.0283685 0.0111352 0.0012828
3-Apr-20 0.0266667 0.0006724 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0551948 0.0012231 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 -0.0030769 0.0012210 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 -0.0216049 0.0010781 -0.0750387 0.0080107 0.0006919
9-Apr-20 0.0220820 0.0006178 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 -0.0493827 0.0004579 -0.0485231 0.0076884 0.0234332
14-Apr-20 -0.0064935 0.0013522 -0.0252576 -0.0071755 -0.0071569
TKIM
2-Mar-20 0.8583333 0.0005283 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0067265 0.0004720 -0.0166012 -0.0183155 0.0144247
4-Mar-20 -0.0267261 0.0005925 -0.0219978 0.0112548 -0.0143110
5-Mar-20 0.0068650 0.0006184 -0.0482555 0.0036430 0.0024189
6-Mar-20 0.0022727 0.0002463 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.0113379 0.0003621 -0.1118480 0.0090951 -0.0072933
10-Mar-20 -0.0619266 0.0007311 -0.0294524 0.0073317 -0.0103000
11-Mar-20 -0.0391198 0.0007231 -0.0587351 0.0103350 -0.0026491
12-Mar-20 0.0610687 0.0008287 -0.0960094 -0.0088150 0.0026983
13-Mar-20 0.0551559 0.0013470 -0.0434872 -0.0116665 0.0042289
16-Mar-20 0.0363636 0.0009085 -0.0898856 -0.0071586 0.0063658
17-Mar-20 0.0438596 0.0009460 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0063025 0.0008150 -0.0737785 -0.0067964 0.0022401
19-Mar-20 0.0042283 0.0002303 -0.0964494 -0.0048041 0.0015787
20-Mar-20 -0.0105263 0.0003060 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 -0.0340426 0.0005397 -0.0922471 0.0116616 0.0013463
24-Mar-20 0.0154185 0.0003782 -0.0563396 -0.0096772 0.0083730
26-Mar-20 -0.0260304 0.0002575 0.0587294 0.0175768 0.0061387
27-Mar-20 0.0378619 0.0003695 0.0044972 -0.0377415 -0.0401781
30-Mar-20 -0.0536481 0.0008767 -0.0720181 0.0486614 0.0285734
31-Mar-20 -0.0136054 0.0004289 -0.0152531 0.0379344 0.0402256
1-Apr-20 0.0022989 0.0002873 -0.0592551 0.0366166 0.0597708
54
2-Apr-20 -0.0550459 0.0005471 -0.0283685 0.0111352 0.0012828
3-Apr-20 0.0000000 0.0004099 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.0000000 0.0004819 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 0.0218447 0.0005560 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 0.0071259 0.0002630 -0.0750387 0.0080107 0.0006919
9-Apr-20 -0.0259434 0.0003402 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0217918 0.0002003 -0.0485231 0.0076884 0.0234332
14-Apr-20 -0.0047393 0.0002853 -0.0252576 -0.0071755 -0.0071569
WSBP
2-Mar-20 -0.0268817 0.0023036 -0.0626180 -0.1167038 -0.0012360
3-Mar-20 0.0662983 0.0018059 -0.0166012 -0.0183155 0.0144247
4-Mar-20 0.0880829 0.0025304 -0.0219978 0.0112548 -0.0143110
5-Mar-20 -0.0190476 0.0019333 -0.0482555 0.0036430 0.0024189
6-Mar-20 -0.0291262 0.0006408 -0.0706790 -0.0108779 0.0011151
9-Mar-20 -0.1200000 0.0018572 -0.1118480 0.0090951 -0.0072933
10-Mar-20 0.0227273 0.0016357 -0.0294524 0.0073317 -0.0103000
11-Mar-20 -0.0611111 0.0014777 -0.0587351 0.0103350 -0.0026491
12-Mar-20 -0.0828402 0.0014199 -0.0960094 -0.0088150 0.0026983
13-Mar-20 0.0258065 0.0017076 -0.0434872 -0.0116665 0.0042289
16-Mar-20 -0.0691824 0.0006506 -0.0898856 -0.0071586 0.0063658
17-Mar-20 -0.0675676 0.0012691 -0.0953557 -0.0133897 0.0069987
18-Mar-20 -0.0652174 0.0014528 -0.0737785 -0.0067964 0.0022401
19-Mar-20 -0.0697674 0.0012848 -0.0964494 -0.0048041 0.0015787
20-Mar-20 -0.0166667 0.0022925 -0.0211534 -0.0173005 -0.0153072
23-Mar-20 -0.0677966 0.0013892 -0.0922471 0.0116616 0.0013463
24-Mar-20 0.0636364 0.0014646 -0.0563396 -0.0096772 0.0083730
26-Mar-20 0.1111111 0.0032279 0.0587294 0.0175768 0.0061387
27-Mar-20 0.0538462 0.0039476 0.0044972 -0.0377415 -0.0401781
30-Mar-20 -0.0656934 0.0008243 -0.0720181 0.0486614 0.0285734
31-Mar-20 0.0234375 0.0010527 -0.0152531 0.0379344 0.0402256
1-Apr-20 -0.0305344 0.0017943 -0.0592551 0.0366166 0.0597708
2-Apr-20 0.0708661 0.0016186 -0.0283685 0.0111352 0.0012828
3-Apr-20 0.0367647 0.0030164 -0.0229080 0.0325227 -0.0093324
6-Apr-20 0.2269504 0.0088368 -0.0023812 -0.0336716 -0.0058546
7-Apr-20 -0.0115607 0.0072569 -0.0499505 -0.0078466 -0.0077369
8-Apr-20 -0.0643275 0.0024997 -0.0750387 0.0080107 0.0006919
9-Apr-20 -0.0125000 0.0024683 -0.0383441 -0.0083024 -0.0118412
13-Apr-20 0.0379747 0.0023062 -0.0485231 0.0076884 0.0234332
14-Apr-20 0.0304878 0.0018389 -0.0252576 -0.0071755 -0.0071569
55
Data Mentah Sektor Aneka Industri 2019
COMPANY Date RETURN SENT MP SMB HML
ASII
1-Mar-19 0.0104895 0.0013898 -0.0494024 0.0325407 -0.0426140
4-Mar-19 -0.0103806 0.0007777 -0.0601732 0.0457799 0.0110659
5-Mar-19 0.0209790 0.0014996 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 0.0034247 0.0008804 -0.0557360 0.0032207 -0.0059567
8-Mar-19 -0.0238908 0.0021488 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 0.0034965 0.0012091 -0.0614839 0.0082998 -0.0210044
12-Mar-19 0.0000000 0.0012229 -0.0607920 -0.0065021 0.0033317
13-Mar-19 -0.0104530 0.0011208 -0.0547518 -0.0118247 0.0287021
14-Mar-19 0.0246479 0.0009920 -0.0526576 -0.0262425 0.0055242
15-Mar-19 -0.0068729 0.0019661 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0242215 0.0010323 -0.0510009 0.0306412 -0.0432744
19-Mar-19 -0.0135135 0.0013064 -0.0628017 0.0063645 0.0196501
20-Mar-19 -0.0068493 0.0010200 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 0.0000000 0.0010614 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0000000 0.0005715 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0275862 0.0015574 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 0.0141844 0.0008275 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 -0.0069930 0.0005847 -0.0631603 0.0232524 0.0426228
28-Mar-19 0.0035211 0.0006127 -0.0560191 0.0088391 -0.0139347
29-Mar-19 0.0280702 0.0013029 -0.0612632 -0.0333958 0.0118977
1-Apr-19 -0.0068259 0.0005448 -0.0606803 -0.0377249 0.0265252
2-Apr-19 0.0240550 0.0009281 -0.0553067 0.0104988 -0.0298293
4-Apr-19 0.0167785 0.0011514 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 0.0033003 0.0007433 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0065789 0.0008674 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0198675 0.0011061 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 -0.0032468 0.0006344 -0.0620326 0.0010060 0.0087403
11-Apr-19 -0.0162866 0.0005828 -0.0721636 -0.0050256 0.0286672
12-Apr-19 -0.0099338 0.0005165 -0.0610006 0.0094933 -0.0049571
15-Apr-19 0.0167224 0.0007411 -0.0542418 -0.0165561 0.0235859
AUTO
1-Mar-19 0.0061538 0.0000351 -0.0494024 0.0325407 -0.0426140
4-Mar-19 -0.0061162 0.0000760 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0123077 0.0001058 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 0.0093458 0.0000717 -0.0557360 0.0032207 -0.0059567
8-Mar-19 -0.0030864 0.0001763 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 0.0000000 0.0000503 -0.0614839 0.0082998 -0.0210044
12-Mar-19 0.0000000 0.0001509 -0.0607920 -0.0065021 0.0033317
13-Mar-19 0.0061920 0.0000891 -0.0547518 -0.0118247 0.0287021
14-Mar-19 0.0030769 0.0001544 -0.0526576 -0.0262425 0.0055242
56
15-Mar-19 0.0000000 0.0000984 -0.0502988 -0.0104363 0.0287644
18-Mar-19 -0.0030675 0.0001034 -0.0510009 0.0306412 -0.0432744
19-Mar-19 0.0030769 0.0000863 -0.0628017 0.0063645 0.0196501
20-Mar-19 -0.0061350 0.0000727 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 -0.0030864 0.0000698 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0000000 0.0000128 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0309598 0.0002785 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 0.0095847 0.0000322 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 0.0000000 0.0000181 -0.0631603 0.0232524 0.0426228
28-Mar-19 -0.0094937 0.0000608 -0.0560191 0.0088391 -0.0139347
29-Mar-19 -0.0063898 0.0000398 -0.0612632 -0.0333958 0.0118977
1-Apr-19 0.0385852 0.0001939 -0.0606803 -0.0377249 0.0265252
2-Apr-19 0.0000000 0.0000793 -0.0553067 0.0104988 -0.0298293
4-Apr-19 -0.0154799 0.0000517 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 0.0188679 0.0000652 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0030864 0.0000999 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0000000 0.0000341 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 0.0000000 0.0000880 -0.0620326 0.0010060 0.0087403
11-Apr-19 0.0000000 0.0002210 -0.0721636 -0.0050256 0.0286672
12-Apr-19 -0.0061920 0.0001775 -0.0610006 0.0094933 -0.0049571
15-Apr-19 -0.0124611 0.0001095 -0.0542418 -0.0165561 0.0235859
GJTL
1-Mar-19 -0.0129032 0.0015328 -0.0494024 0.0325407 -0.0426140
4-Mar-19 0.0130719 0.0034712 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0258065 0.0027885 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 -0.0066225 0.0007032 -0.0557360 0.0032207 -0.0059567
8-Mar-19 -0.0266667 0.0009706 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 -0.0342466 0.0029476 -0.0614839 0.0082998 -0.0210044
12-Mar-19 -0.0283688 0.0023232 -0.0607920 -0.0065021 0.0033317
13-Mar-19 0.0437956 0.0014198 -0.0547518 -0.0118247 0.0287021
14-Mar-19 -0.0069930 0.0005051 -0.0526576 -0.0262425 0.0055242
15-Mar-19 0.0281690 0.0012773 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0068493 0.0026849 -0.0510009 0.0306412 -0.0432744
19-Mar-19 -0.0204082 0.0007730 -0.0628017 0.0063645 0.0196501
20-Mar-19 -0.0069444 0.0045366 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 -0.0069930 0.0015304 -0.0551861 -0.0154219 0.0024774
22-Mar-19 -0.0070423 0.0038217 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0283688 0.0016086 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 -0.0072993 0.0009681 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 -0.0073529 0.0011404 -0.0631603 0.0232524 0.0426228
28-Mar-19 0.0370370 0.0010801 -0.0560191 0.0088391 -0.0139347
29-Mar-19 -0.0071429 0.0018303 -0.0612632 -0.0333958 0.0118977
57
1-Apr-19 0.0000000 0.0006475 -0.0606803 -0.0377249 0.0265252
2-Apr-19 -0.0071942 0.0004175 -0.0553067 0.0104988 -0.0298293
4-Apr-19 -0.0144928 0.0009798 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 -0.0147059 0.0016185 -0.0621013 -0.0168595 0.0043950
8-Apr-19 0.0000000 0.0005038 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0149254 0.0007257 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 0.0000000 0.0006611 -0.0620326 0.0010060 0.0087403
11-Apr-19 -0.0220588 0.0010340 -0.0721636 -0.0050256 0.0286672
12-Apr-19 -0.0075188 0.0004592 -0.0610006 0.0094933 -0.0049571
15-Apr-19 0.0227273 0.0004101 -0.0542418 -0.0165561 0.0235859
GMFI
1-Mar-19 0.0327869 0.0015451 -0.0494024 0.0325407 -0.0426140
4-Mar-19 0.1984127 0.0068616 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0397351 0.0028856 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 0.0896552 0.0043558 -0.0557360 0.0032207 -0.0059567
8-Mar-19 -0.0506329 0.0025567 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 -0.0400000 0.0007096 -0.0614839 0.0082998 -0.0210044
12-Mar-19 0.0486111 0.0028199 -0.0607920 -0.0065021 0.0033317
13-Mar-19 -0.0132450 0.0011198 -0.0547518 -0.0118247 0.0287021
14-Mar-19 -0.0134228 0.0004691 -0.0526576 -0.0262425 0.0055242
15-Mar-19 -0.0204082 0.0007035 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0277778 0.0004056 -0.0510009 0.0306412 -0.0432744
19-Mar-19 -0.0540541 0.0008775 -0.0628017 0.0063645 0.0196501
20-Mar-19 0.0071429 0.0004471 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 -0.0141844 0.0002750 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0071942 0.0003355 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0571429 0.0005092 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 -0.0530303 0.0012057 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 0.0320000 0.0007343 -0.0631603 0.0232524 0.0426228
28-Mar-19 -0.0077519 0.0003552 -0.0560191 0.0088391 -0.0139347
29-Mar-19 -0.0156250 0.0001286 -0.0612632 -0.0333958 0.0118977
1-Apr-19 0.0396825 0.0004597 -0.0606803 -0.0377249 0.0265252
2-Apr-19 0.0152672 0.0007649 -0.0553067 0.0104988 -0.0298293
4-Apr-19 0.0300752 0.0005846 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 -0.0364964 0.0001990 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0454545 0.0004680 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0238095 0.0002717 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 -0.0232558 0.0002691 -0.0620326 0.0010060 0.0087403
11-Apr-19 -0.0158730 0.0001617 -0.0721636 -0.0050256 0.0286672
12-Apr-19 0.0000000 0.0001374 -0.0610006 0.0094933 -0.0049571
15-Apr-19 0.0161290 0.0002387 -0.0542418 -0.0165561 0.0235859
IMAS 1-Mar-19 -0.0652997 0.0001313 -0.0494024 0.0325407 -0.0426140
58
4-Mar-19 -0.0161998 0.0004321 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0295026 0.0003379 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 0.0102510 0.0008920 -0.0557360 0.0032207 -0.0059567
8-Mar-19 -0.0132960 0.0001705 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 -0.0202128 0.0002478 -0.0614839 0.0082998 -0.0210044
12-Mar-19 -0.0137532 0.0001977 -0.0607920 -0.0065021 0.0033317
13-Mar-19 -0.0069725 0.0001732 -0.0547518 -0.0118247 0.0287021
14-Mar-19 0.0351072 0.0001903 -0.0526576 -0.0262425 0.0055242
15-Mar-19 0.0167797 0.0003248 -0.0502988 -0.0104363 0.0287644
18-Mar-19 -0.0231742 0.0004623 -0.0510009 0.0306412 -0.0432744
19-Mar-19 -0.0136592 0.0000751 -0.0628017 0.0063645 0.0196501
20-Mar-19 -0.0069242 0.0000945 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 0.0069725 0.0000622 -0.0551861 -0.0154219 0.0024774
22-Mar-19 -0.0349854 0.0004176 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0105740 0.0005437 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 -0.0183206 0.0000570 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 0.0147745 0.0000405 -0.0631603 0.0232524 0.0426228
28-Mar-19 -0.0252874 0.0000439 -0.0560191 0.0088391 -0.0139347
29-Mar-19 0.0483491 0.0002725 -0.0612632 -0.0333958 0.0118977
1-Apr-19 -0.0033746 0.0000886 -0.0606803 -0.0377249 0.0265252
2-Apr-19 -0.0071482 0.0000201 -0.0553067 0.0104988 -0.0298293
4-Apr-19 -0.0287988 0.0000852 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 0.0000000 0.0000430 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0632072 0.0002894 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0316535 0.0002377 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 -0.0117077 0.0000447 -0.0620326 0.0010060 0.0087403
11-Apr-19 0.0000000 0.0000278 -0.0721636 -0.0050256 0.0286672
12-Apr-19 -0.0077614 0.0000258 -0.0610006 0.0094933 -0.0049571
15-Apr-19 0.0000000 0.0000749 -0.0542418 -0.0165561 0.0235859
INDR
1-Mar-19 0.0156250 0.0000194 -0.0494024 0.0325407 -0.0426140
4-Mar-19 0.0000000 0.0000527 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0115385 0.0001444 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 -0.0077821 0.0000245 -0.0557360 0.0032207 -0.0059567
8-Mar-19 -0.0196078 0.0000403 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 0.0240000 0.0000344 -0.0614839 0.0082998 -0.0210044
12-Mar-19 -0.0429688 0.0000130 -0.0607920 -0.0065021 0.0033317
13-Mar-19 -0.0081633 0.0000223 -0.0547518 -0.0118247 0.0287021
14-Mar-19 -0.0041152 0.0000238 -0.0526576 -0.0262425 0.0055242
15-Mar-19 -0.0165289 0.0000469 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0084034 0.0000280 -0.0510009 0.0306412 -0.0432744
19-Mar-19 -0.0083333 0.0000145 -0.0628017 0.0063645 0.0196501
59
20-Mar-19 0.0000000 0.0000269 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 0.0084034 0.0000312 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0291667 0.0000060 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0202429 0.0000136 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 0.0000000 0.0000214 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 0.0206612 0.0000241 -0.0631603 0.0232524 0.0426228
28-Mar-19 0.0000000 0.0000139 -0.0560191 0.0088391 -0.0139347
29-Mar-19 0.0040486 0.0000358 -0.0612632 -0.0333958 0.0118977
1-Apr-19 -0.1411290 0.0003177 -0.0606803 -0.0377249 0.0265252
2-Apr-19 -0.0516432 0.0000889 -0.0553067 0.0104988 -0.0298293
4-Apr-19 -0.0891089 0.0003067 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 0.0826087 0.0000889 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0301205 0.0000934 -0.0671913 0.0068601 -0.0084792
9-Apr-19 -0.0165631 0.0000642 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 0.0210526 0.0000151 -0.0620326 0.0010060 0.0087403
11-Apr-19 0.0061856 0.0000217 -0.0721636 -0.0050256 0.0286672
12-Apr-19 -0.0163934 0.0000180 -0.0610006 0.0094933 -0.0049571
15-Apr-19 -0.0291667 0.0000688 -0.0542418 -0.0165561 0.0235859
KLBI
1-Mar-19 0.0000000 0.0009918 -0.0494024 0.0325407 -0.0426140
4-Mar-19 0.0123457 0.0011260 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0182927 0.0010317 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 -0.0310559 0.0035949 -0.0557360 0.0032207 -0.0059567
8-Mar-19 0.0128205 0.0009704 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 0.0189873 0.0035351 -0.0614839 0.0082998 -0.0210044
12-Mar-19 0.0062112 0.0040713 -0.0607920 -0.0065021 0.0033317
13-Mar-19 -0.0185185 0.0033045 -0.0547518 -0.0118247 0.0287021
14-Mar-19 -0.0188679 0.0034422 -0.0526576 -0.0262425 0.0055242
15-Mar-19 0.0064103 0.0028499 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0063694 0.0318148 -0.0510009 0.0306412 -0.0432744
19-Mar-19 0.1139241 0.0319074 -0.0628017 0.0063645 0.0196501
20-Mar-19 -0.0511364 0.0108774 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 -0.0299401 0.0054043 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0246914 0.0058570 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0662651 0.0109152 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 0.0000000 0.0073438 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 0.1290323 0.0383750 -0.0631603 0.0232524 0.0426228
28-Mar-19 -0.0228571 0.0115619 -0.0560191 0.0088391 -0.0139347
29-Mar-19 -0.0292398 0.0156292 -0.0612632 -0.0333958 0.0118977
1-Apr-19 0.0060241 0.0075772 -0.0606803 -0.0377249 0.0265252
2-Apr-19 0.0059880 0.0115555 -0.0553067 0.0104988 -0.0298293
4-Apr-19 -0.0059524 0.0077423 -0.0559383 -0.0059598 -0.0205607
60
5-Apr-19 -0.0059880 0.0016900 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0180723 0.0047695 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0000000 0.0087740 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 0.0122699 0.0072001 -0.0620326 0.0010060 0.0087403
11-Apr-19 0.0121212 0.0045611 -0.0721636 -0.0050256 0.0286672
12-Apr-19 -0.0179641 0.0025288 -0.0610006 0.0094933 -0.0049571
15-Apr-19 0.0121951 0.0080446 -0.0542418 -0.0165561 0.0235859
SMSM
1-Mar-19 -0.0061350 0.0014268 -0.0494024 0.0325407 -0.0426140
4-Mar-19 -0.0185185 0.0006582 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0251572 0.0007523 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 0.0032258 0.0006696 -0.0557360 0.0032207 -0.0059567
8-Mar-19 0.0000000 0.0007797 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 -0.0096463 0.0008009 -0.0614839 0.0082998 -0.0210044
12-Mar-19 -0.0064935 0.0007433 -0.0607920 -0.0065021 0.0033317
13-Mar-19 0.0000000 0.0007129 -0.0547518 -0.0118247 0.0287021
14-Mar-19 0.0098039 0.0006147 -0.0526576 -0.0262425 0.0055242
15-Mar-19 -0.0032362 0.0006730 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0032468 0.0006735 -0.0510009 0.0306412 -0.0432744
19-Mar-19 0.0129450 0.0009302 -0.0628017 0.0063645 0.0196501
20-Mar-19 0.0543131 0.0023500 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 0.0030303 0.0007687 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0000000 0.0013560 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0483384 0.0007988 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 0.0031746 0.0009421 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 0.0000000 0.0007802 -0.0631603 0.0232524 0.0426228
28-Mar-19 0.0158228 0.0007928 -0.0560191 0.0088391 -0.0139347
29-Mar-19 0.0093458 0.0008080 -0.0612632 -0.0333958 0.0118977
1-Apr-19 0.0000000 0.0007023 -0.0606803 -0.0377249 0.0265252
2-Apr-19 -0.0123457 0.0006883 -0.0553067 0.0104988 -0.0298293
4-Apr-19 0.0000000 0.0008028 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 0.0343750 0.0018286 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0513595 0.0011670 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0191083 0.0010234 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 -0.0031250 0.0007603 -0.0620326 0.0010060 0.0087403
11-Apr-19 -0.0407524 0.0006316 -0.0721636 -0.0050256 0.0286672
12-Apr-19 -0.0392157 0.0006295 -0.0610006 0.0094933 -0.0049571
15-Apr-19 0.0204082 0.0007510 -0.0542418 -0.0165561 0.0235859
SRIL
1-Mar-19 -0.0170455 0.0015197 -0.0494024 0.0325407 -0.0426140
4-Mar-19 -0.0057803 0.0008522 -0.0601732 0.0457799 0.0110659
5-Mar-19 0.0000000 0.0006556 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 -0.0116279 0.0069534 -0.0557360 0.0032207 -0.0059567
61
8-Mar-19 0.0000000 0.0306533 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 0.0000000 0.0005929 -0.0614839 0.0082998 -0.0210044
12-Mar-19 0.0000000 0.0006830 -0.0607920 -0.0065021 0.0033317
13-Mar-19 0.0000000 0.0003314 -0.0547518 -0.0118247 0.0287021
14-Mar-19 -0.0058824 0.0008655 -0.0526576 -0.0262425 0.0055242
15-Mar-19 0.0000000 0.0008793 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0000000 0.0012756 -0.0510009 0.0306412 -0.0432744
19-Mar-19 0.0059172 0.0003015 -0.0628017 0.0063645 0.0196501
20-Mar-19 0.0000000 0.0004035 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 0.0000000 0.0007808 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0058824 0.0005826 -0.0548936 0.0196831 -0.0130804
25-Mar-19 -0.0116959 0.0013831 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 0.0059172 0.0005959 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 0.0000000 0.0005632 -0.0631603 0.0232524 0.0426228
28-Mar-19 -0.0058824 0.0003940 -0.0560191 0.0088391 -0.0139347
29-Mar-19 0.0000000 0.0009689 -0.0612632 -0.0333958 0.0118977
1-Apr-19 0.0059172 0.0012500 -0.0606803 -0.0377249 0.0265252
2-Apr-19 -0.0058824 0.0002360 -0.0553067 0.0104988 -0.0298293
4-Apr-19 0.0000000 0.0010554 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 -0.0059172 0.0012714 -0.0621013 -0.0168595 0.0043950
8-Apr-19 0.0000000 0.0007742 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0059524 0.0003402 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 -0.0059172 0.0001688 -0.0620326 0.0010060 0.0087403
11-Apr-19 0.0000000 0.0003656 -0.0721636 -0.0050256 0.0286672
12-Apr-19 0.0000000 0.0002746 -0.0610006 0.0094933 -0.0049571
15-Apr-19 0.0000000 0.0002344 -0.0542418 -0.0165561 0.0235859
VOKS
1-Mar-19 0.0112994 0.0007613 -0.0494024 0.0325407 -0.0426140
4-Mar-19 -0.0111732 0.0006535 -0.0601732 0.0457799 0.0110659
5-Mar-19 -0.0112994 0.0005052 -0.0660975 -0.0070801 -0.0190818
6-Mar-19 0.0000000 0.0005401 -0.0557360 0.0032207 -0.0059567
8-Mar-19 -0.0057143 0.0007179 -0.0706656 -0.0069910 -0.0012797
11-Mar-19 0.0172414 0.0005522 -0.0614839 0.0082998 -0.0210044
12-Mar-19 -0.0282486 0.0014488 -0.0607920 -0.0065021 0.0033317
13-Mar-19 -0.0465116 0.0009532 -0.0547518 -0.0118247 0.0287021
14-Mar-19 -0.0060976 0.0006329 -0.0526576 -0.0262425 0.0055242
15-Mar-19 -0.0184049 0.0007964 -0.0502988 -0.0104363 0.0287644
18-Mar-19 0.0562500 0.0017788 -0.0510009 0.0306412 -0.0432744
19-Mar-19 -0.0059172 0.0014552 -0.0628017 0.0063645 0.0196501
20-Mar-19 -0.0059524 0.0006969 -0.0580126 -0.0150539 -0.0268721
21-Mar-19 -0.0179641 0.0006573 -0.0551861 -0.0154219 0.0024774
22-Mar-19 0.0000000 0.0007244 -0.0548936 0.0196831 -0.0130804
62
25-Mar-19 -0.0121951 0.0009930 -0.0771391 -0.0094469 -0.0038668
26-Mar-19 0.0061728 0.0005921 -0.0506206 -0.0073672 -0.0184113
27-Mar-19 -0.0061350 0.0004063 -0.0631603 0.0232524 0.0426228
28-Mar-19 0.0000000 0.0004046 -0.0560191 0.0088391 -0.0139347
29-Mar-19 -0.0123457 0.0008449 -0.0612632 -0.0333958 0.0118977
1-Apr-19 -0.0500000 0.0006687 -0.0606803 -0.0377249 0.0265252
2-Apr-19 0.0460526 0.0009600 -0.0553067 0.0104988 -0.0298293
4-Apr-19 -0.0062893 0.0010244 -0.0559383 -0.0059598 -0.0205607
5-Apr-19 -0.0379747 0.0001960 -0.0621013 -0.0168595 0.0043950
8-Apr-19 -0.0263158 0.0005252 -0.0671913 0.0068601 -0.0084792
9-Apr-19 0.0202703 0.0007579 -0.0514914 -0.0075871 -0.0003210
10-Apr-19 -0.0198675 0.0006933 -0.0620326 0.0010060 0.0087403
11-Apr-19 -0.0337838 0.0004307 -0.0721636 -0.0050256 0.0286672
12-Apr-19 0.0139860 0.0004876 -0.0610006 0.0094933 -0.0049571
15-Apr-19 -0.0482759 0.0009460 -0.0542418 -0.0165561 0.0235859
Data Mentah Sektor Aneka Industri 2020
COMPANY Date RETURN SENT MP SMB HML
ASII
2-Mar-20 0.0316742 0.0015751 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0350877 0.0013294 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0127119 0.0010762 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 0.0125523 0.0010013 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.0619835 0.0007727 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.1145374 0.0021714 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0248756 0.0021353 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0048544 0.0011149 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0419512 0.0016012 -0.0960094 -0.0271739 0.0121098
13-Mar-20 -0.0081466 0.0024446 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0574949 0.0013748 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0697168 0.0016591 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0281030 0.0015308 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0698795 0.0006686 -0.0964494 0.0084277 -0.0162054
20-Mar-20 -0.0207254 0.0034865 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0687831 0.0009959 -0.0922471 0.0036991 -0.0048791
24-Mar-20 -0.0681818 0.0022108 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.1036585 0.0044534 0.0587294 0.0751461 0.0567700
27-Mar-20 0.1270718 0.0037129 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0686275 0.0011237 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0263158 0.0015447 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0333333 0.0019278 -0.0592551 -0.0056217 -0.0060740
63
2-Apr-20 0.0424403 0.0009811 -0.0283685 -0.0093666 0.0076837
3-Apr-20 -0.0076336 0.0010517 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.0333333 0.0017589 -0.0023812 0.0073310 -0.0005897
7-Apr-20 0.0074442 0.0019519 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0517241 0.0013828 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 0.0623377 0.0013222 -0.0383441 -0.0151895 0.0202376
13-Apr-20 -0.0317848 0.0006798 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0000000 0.0015950 -0.0252576 0.0236202 -0.0101600
AUTO
2-Mar-20 -0.0196078 0.0005189 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0400000 0.0002631 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0192308 0.0001531 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 0.0283019 0.0002353 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.0229358 0.0001065 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.0516432 0.0001685 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0099010 0.0001637 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0098039 0.0001179 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0396040 0.0001554 -0.0960094 -0.0271739 0.0121098
13-Mar-20 -0.0670103 0.0004773 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0662983 0.0003250 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0650888 0.0002852 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0632911 0.0001819 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0675676 0.0001342 -0.0964494 0.0084277 -0.0162054
20-Mar-20 0.0144928 0.0001061 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0571429 0.0001651 -0.0922471 0.0036991 -0.0048791
24-Mar-20 0.0303030 0.0000700 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.0955882 0.0001714 0.0587294 0.0751461 0.0567700
27-Mar-20 0.0872483 0.0003182 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0679012 0.0000460 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0397351 0.0001654 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0191083 0.0000874 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 0.0064935 0.0001471 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.0387097 0.0000987 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.0434783 0.0010524 -0.0023812 0.0073310 -0.0005897
7-Apr-20 0.0059524 0.0006577 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0414201 0.0000917 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 0.0061728 0.0000741 -0.0383441 -0.0151895 0.0202376
13-Apr-20 0.0061350 0.0001171 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0182927 0.0000909 -0.0252576 0.0236202 -0.0101600
GJTL
2-Mar-20 -0.0102041 0.0007796 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0360825 0.0004684 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0149254 0.0004507 -0.0219978 -0.0242618 -0.0072170
64
5-Mar-20 0.0294118 0.0004324 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.0380952 0.0002861 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.0891089 0.0016446 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0054348 0.0008918 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0162162 0.0004005 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0989011 0.0013811 -0.0960094 -0.0271739 0.0121098
13-Mar-20 0.0000000 0.0006192 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0670732 0.0006418 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0653595 0.0007396 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0699301 0.0014379 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0676692 0.0000830 -0.0964494 0.0084277 -0.0162054
20-Mar-20 0.0483871 0.0007267 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0615385 0.0006731 -0.0922471 0.0036991 -0.0048791
24-Mar-20 0.0163934 0.0003670 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.1774194 0.0012027 0.0587294 0.0751461 0.0567700
27-Mar-20 0.0616438 0.0011825 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0516129 0.0003078 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0068027 0.0004973 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0202703 0.0004759 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 0.0344828 0.0002341 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.0800000 0.0006311 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.1049383 0.0013027 -0.0023812 0.0073310 -0.0005897
7-Apr-20 -0.0055866 0.0008651 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0674157 0.0003232 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 0.0421687 0.0001723 -0.0383441 -0.0151895 0.0202376
13-Apr-20 0.0404624 0.0002891 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 -0.0055556 0.0004861 -0.0252576 0.0236202 -0.0101600
GMFI
2-Mar-20 -0.0129870 0.0009315 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0263158 0.0016308 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0000000 0.0011886 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 0.2179487 0.0036767 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.1157895 0.0015184 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.0714286 0.0004907 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0384615 0.0006296 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0740741 0.0005673 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0800000 0.0002679 -0.0960094 -0.0271739 0.0121098
13-Mar-20 0.0000000 0.0003544 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0579710 0.0003240 -0.0898856 0.0036764 -0.0637849
17-Mar-20 0.0000000 0.0002649 -0.0953557 0.0018037 -0.0122159
18-Mar-20 0.0000000 0.0002565 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0615385 0.0005344 -0.0964494 0.0084277 -0.0162054
65
20-Mar-20 0.0327869 0.0002665 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0634921 0.0006097 -0.0922471 0.0036991 -0.0048791
24-Mar-20 0.0000000 0.0002941 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.0508475 0.0003099 0.0587294 0.0751461 0.0567700
27-Mar-20 0.0967742 0.0009344 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0588235 0.0001792 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0625000 0.0000712 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0294118 0.0002206 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 0.1060606 0.0006163 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.0410959 0.0002422 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.0789474 0.0005954 -0.0023812 0.0073310 -0.0005897
7-Apr-20 -0.0243902 0.0007567 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0500000 0.0001870 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 0.0000000 0.0001582 -0.0383441 -0.0151895 0.0202376
13-Apr-20 0.0131579 0.0000571 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0259740 0.0000494 -0.0252576 0.0236202 -0.0101600
IMAS
2-Mar-20 -0.0253731 0.0003312 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0214395 0.0003280 -0.0166012 0.0256707 0.0181137
4-Mar-20 -0.0284858 0.0004060 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 0.0077160 0.0007798 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.0076570 0.0002788 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.1172840 0.0002554 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0000000 0.0004221 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0506993 0.0007127 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0607735 0.0006774 -0.0960094 -0.0271739 0.0121098
13-Mar-20 -0.0294118 0.0003812 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0686869 0.0008291 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0498915 0.0007160 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0251142 0.0011674 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0679157 0.0013281 -0.0964494 0.0084277 -0.0162054
20-Mar-20 -0.0628141 0.0016511 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0643432 0.0002462 -0.0922471 0.0036991 -0.0048791
24-Mar-20 -0.0229226 0.0001233 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.1114370 0.0007240 0.0587294 0.0751461 0.0567700
27-Mar-20 0.1055409 0.0006588 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0596659 0.0000888 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0152284 0.0002420 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0050000 0.0003133 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 0.0301508 0.0002286 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.0365854 0.0002236 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.2211765 0.0008166 -0.0023812 0.0073310 -0.0005897
66
7-Apr-20 0.0732177 0.0009214 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0682226 0.0005304 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 -0.0096339 0.0002177 -0.0383441 -0.0151895 0.0202376
13-Apr-20 0.0097276 0.0001056 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0558767 0.0004732 -0.0252576 0.0236202 -0.0101600
INDR
2-Mar-20 0.0386740 0.0000222 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0372340 0.0000263 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0102564 0.0000078 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 0.1675127 0.0000755 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.0086957 0.0000041 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.1578947 0.0000630 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0000000 0.0000270 -0.0294524 0.0056547 0.0154001
11-Mar-20 0.0416667 0.0001429 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.1000000 0.0000541 -0.0960094 -0.0271739 0.0121098
13-Mar-20 -0.0083333 0.0000573 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0672269 0.0002011 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0690691 0.0000364 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0677419 0.0000125 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0692042 0.0000156 -0.0964494 0.0084277 -0.0162054
20-Mar-20 -0.0074349 0.0004626 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0262172 0.0001551 -0.0922471 0.0036991 -0.0048791
24-Mar-20 0.0730769 0.0000164 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.1397849 0.0001404 0.0587294 0.0751461 0.0567700
27-Mar-20 0.1006289 0.0003469 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0142857 0.0000186 -0.0720181 0.0394032 -0.0470985
31-Mar-20 -0.0260870 0.0000159 -0.0152531 0.0171190 0.0093737
1-Apr-20 0.0267857 0.0000193 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 0.0202899 0.0000316 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.1363636 0.0000214 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.0500000 0.0000640 -0.0023812 0.0073310 -0.0005897
7-Apr-20 0.0285714 0.0003552 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0509259 0.0000164 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 0.0390244 0.0000327 -0.0383441 -0.0151895 0.0202376
13-Apr-20 -0.0680751 0.0000102 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0327456 0.0000107 -0.0252576 0.0236202 -0.0101600
KLBI
2-Mar-20 -0.0327103 0.0003842 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0289855 0.0001822 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0093897 0.0003115 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 -0.0046512 0.0001482 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.0140187 0.0013783 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.0568720 0.0006383 -0.1118480 -0.0217484 -0.0323487
67
10-Mar-20 0.0502513 0.0008818 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0143541 0.0007844 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0922330 0.0005892 -0.0960094 -0.0271739 0.0121098
13-Mar-20 -0.0374332 0.0009693 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0666667 0.0003937 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0654762 0.0004575 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0636943 0.0003425 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0680272 0.0002182 -0.0964494 0.0084277 -0.0162054
20-Mar-20 -0.0291971 0.0008001 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0676692 0.0002793 -0.0922471 0.0036991 -0.0048791
24-Mar-20 0.0645161 0.0001986 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.2424242 0.0003966 0.0587294 0.0751461 0.0567700
27-Mar-20 0.1341463 0.0010347 0.0044972 -0.0089897 0.0293980
30-Mar-20 0.0000000 0.0007263 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.1236559 0.0007810 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0287081 0.0004116 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 -0.0147783 0.0001772 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.2500000 0.0004886 -0.0229080 0.1004726 0.0638138
6-Apr-20 -0.0680000 0.0006186 -0.0023812 0.0073310 -0.0005897
7-Apr-20 -0.0686695 0.0003252 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0691244 0.0004674 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 -0.0148515 0.0002967 -0.0383441 -0.0151895 0.0202376
13-Apr-20 -0.0201005 0.0002537 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0717949 0.0011590 -0.0252576 0.0236202 -0.0101600
SMSM
2-Mar-20 -0.0340136 0.0005942 -0.0626180 0.0045460 0.0169599
3-Mar-20 -0.0140845 0.0004180 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0571429 0.0006008 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 -0.0337838 0.0003939 -0.0482555 0.0021381 0.0866783
6-Mar-20 0.0069930 0.0005829 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.0451389 0.0005591 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 -0.0181818 0.0005164 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0407407 0.0007734 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0849421 0.0005842 -0.0960094 -0.0271739 0.0121098
13-Mar-20 0.0675105 0.0007959 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0118577 0.0004379 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0680000 0.0006681 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0214592 0.0007982 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0657895 0.0009082 -0.0964494 0.0084277 -0.0162054
20-Mar-20 0.0328638 0.0006139 -0.0211534 -0.0321141 0.0245079
23-Mar-20 -0.0590909 0.0005864 -0.0922471 0.0036991 -0.0048791
24-Mar-20 -0.0241546 0.0002817 -0.0563396 0.0348962 0.0493271
68
26-Mar-20 0.0693069 0.0006456 0.0587294 0.0751461 0.0567700
27-Mar-20 0.0833333 0.0006071 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0128205 0.0005182 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0000000 0.0004030 -0.0152531 0.0171190 0.0093737
1-Apr-20 0.0173160 0.0004701 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 -0.0042553 0.0005220 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.0085470 0.0004332 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.0000000 0.0004032 -0.0023812 0.0073310 -0.0005897
7-Apr-20 -0.0296610 0.0003974 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0174672 0.0004798 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 0.0222222 0.0004017 -0.0383441 -0.0151895 0.0202376
13-Apr-20 0.0347826 0.0004251 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0168067 0.0005803 -0.0252576 0.0236202 -0.0101600
SRIL
2-Mar-20 0.0300000 0.0068062 -0.0626180 0.0045460 0.0169599
3-Mar-20 -0.0097087 0.0005661 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0098039 0.0008892 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 0.0097087 0.0006620 -0.0482555 0.0021381 0.0866783
6-Mar-20 -0.0384615 0.0004373 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.0650000 0.0009247 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0695187 0.0075446 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0700000 0.0103274 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0698925 0.0045047 -0.0960094 -0.0271739 0.0121098
13-Mar-20 -0.0462428 0.0125390 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 -0.0666667 0.0061582 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0649351 0.0008341 -0.0953557 0.0018037 -0.0122159
18-Mar-20 -0.0694444 0.0008108 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0671642 0.0001002 -0.0964494 0.0084277 -0.0162054
20-Mar-20 -0.0320000 0.0016470 -0.0211534 -0.0321141 0.0245079
23-Mar-20 0.0165289 0.0041664 -0.0922471 0.0036991 -0.0048791
24-Mar-20 0.0650407 0.0020559 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.0916031 0.0056830 0.0587294 0.0751461 0.0567700
27-Mar-20 0.0699301 0.0045994 0.0044972 -0.0089897 0.0293980
30-Mar-20 -0.0653595 0.0013600 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0139860 0.0015682 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0206897 0.0011596 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 0.0352113 0.0016260 -0.0283685 -0.0093666 0.0076837
3-Apr-20 0.0272109 0.0016655 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.0860927 0.0039581 -0.0023812 0.0073310 -0.0005897
7-Apr-20 0.0365854 0.0037191 -0.0499505 0.0013709 0.0014891
8-Apr-20 -0.0529412 0.0017663 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 0.0186335 0.0012701 -0.0383441 -0.0151895 0.0202376
69
13-Apr-20 -0.0121951 0.0006572 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0185185 0.0010893 -0.0252576 0.0236202 -0.0101600
VOKS
2-Mar-20 0.0148148 0.0000154 -0.0626180 0.0045460 0.0169599
3-Mar-20 0.0875912 0.0000037 -0.0166012 0.0256707 0.0181137
4-Mar-20 0.0067114 0.0000210 -0.0219978 -0.0242618 -0.0072170
5-Mar-20 -0.0333333 0.0000083 -0.0482555 0.0021381 0.0866783
6-Mar-20 0.0344828 0.0000064 -0.0706790 0.0213399 -0.0333686
9-Mar-20 -0.0133333 0.0000037 -0.1118480 -0.0217484 -0.0323487
10-Mar-20 0.0000000 0.0000018 -0.0294524 0.0056547 0.0154001
11-Mar-20 -0.0135135 0.0000001 -0.0587351 0.0221507 0.0378842
12-Mar-20 -0.0958904 0.0000153 -0.0960094 -0.0271739 0.0121098
13-Mar-20 -0.0606061 0.0000046 -0.0434872 -0.0229931 -0.0468393
16-Mar-20 0.0806452 0.0000007 -0.0898856 0.0036764 -0.0637849
17-Mar-20 -0.0298507 0.0000006 -0.0953557 0.0018037 -0.0122159
18-Mar-20 0.0000000 0.0000003 -0.0737785 -0.0092737 -0.0490554
19-Mar-20 -0.0076923 0.0000014 -0.0964494 0.0084277 -0.0162054
20-Mar-20 -0.0310078 0.0000035 -0.0211534 -0.0321141 0.0245079
23-Mar-20 0.0000000 0.0000011 -0.0922471 0.0036991 -0.0048791
24-Mar-20 0.0240000 0.0000005 -0.0563396 0.0348962 0.0493271
26-Mar-20 0.0312500 0.0000105 0.0587294 0.0751461 0.0567700
27-Mar-20 -0.0530303 0.0000222 0.0044972 -0.0089897 0.0293980
30-Mar-20 0.0720000 0.0000002 -0.0720181 0.0394032 -0.0470985
31-Mar-20 0.0074627 0.0000044 -0.0152531 0.0171190 0.0093737
1-Apr-20 -0.0370370 0.0000034 -0.0592551 -0.0056217 -0.0060740
2-Apr-20 0.0153846 0.0000007 -0.0283685 -0.0093666 0.0076837
3-Apr-20 -0.0151515 0.0000006 -0.0229080 0.1004726 0.0638138
6-Apr-20 0.0230769 0.0000119 -0.0023812 0.0073310 -0.0005897
7-Apr-20 0.0150376 0.0000016 -0.0499505 0.0013709 0.0014891
8-Apr-20 0.0000000 0.0000001 -0.0750387 -0.0173214 -0.0245062
9-Apr-20 -0.0222222 0.0000141 -0.0383441 -0.0151895 0.0202376
13-Apr-20 0.0151515 0.0000021 -0.0485231 -0.0173703 -0.0274468
14-Apr-20 0.0149254 0.0000031 -0.0252576 0.0236202 -0.0101600
Data Mentah Sektor Industri Barang Konsumsi 2019
COMPANY Date RETURN SENT MP SMB HML
BUDI
1-Mar-19 -0.0095238 0.0002434 -0.0494024 -0.0121653 0.0015500
4-Mar-19 0.0096154 0.0002105 -0.0601732 0.0046730 0.0099495
5-Mar-19 0.0095238 0.0001720 -0.0660975 0.0094923 0.0019009
6-Mar-19 -0.0188679 0.0001044 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 -0.0096154 0.0000676 -0.0706656 -0.0127994 -0.0106655
70
11-Mar-19 0.0097087 0.0000182 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 -0.0192308 0.0001447 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 0.0000000 0.0000550 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 0.0196078 0.0000786 -0.0526576 0.0199517 0.0319585
15-Mar-19 -0.0096154 0.0000603 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0000000 0.0000814 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 0.0000000 0.0000295 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 -0.0097087 0.0000299 -0.0580126 0.0031978 -0.0041991
21-Mar-19 0.0196078 0.0000972 -0.0551861 0.0004544 -0.0098657
22-Mar-19 -0.0096154 0.0000731 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 -0.0291262 0.0000922 -0.0771391 0.0126302 -0.0128475
26-Mar-19 0.0200000 0.0000513 -0.0506206 -0.0045818 0.0034973
27-Mar-19 -0.0098039 0.0000702 -0.0631603 0.0007047 -0.0007412
28-Mar-19 -0.0099010 0.0001304 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 -0.0100000 0.0003838 -0.0612632 0.0201607 0.0204755
1-Apr-19 0.0101010 0.0000517 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 0.0000000 0.0000942 -0.0553067 0.0063505 0.0093197
4-Apr-19 -0.0200000 0.0004183 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0102041 0.0005161 -0.0621013 -0.0010725 0.0006641
8-Apr-19 0.0309278 0.0008086 -0.0671913 0.0086014 0.0006277
9-Apr-19 -0.0100000 0.0002774 -0.0514914 -0.0034863 0.0040434
10-Apr-19 0.0000000 0.0000315 -0.0620326 0.0048731 0.0109972
11-Apr-19 0.0303030 0.0007870 -0.0721636 0.0098108 0.0059633
12-Apr-19 -0.0196078 0.0001337 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 0.0000000 0.0000412 -0.0542418 -0.0145267 -0.0111647
HMSP
1-Mar-19 0.0315789 0.0003594 -0.0494024 -0.0121653 0.0015500
4-Mar-19 -0.0102041 0.0002939 -0.0601732 0.0046730 0.0099495
5-Mar-19 -0.0154639 0.0001520 -0.0660975 0.0094923 0.0019009
6-Mar-19 -0.0078534 0.0001316 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 -0.0052770 0.0000919 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 0.0026525 0.0000667 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 0.0079365 0.0000866 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 0.0078740 0.0001477 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 -0.0104167 0.0000660 -0.0526576 0.0199517 0.0319585
15-Mar-19 -0.0026316 0.0002504 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0079156 0.0001038 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 -0.0209424 0.0003596 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 0.0026738 0.0001593 -0.0580126 0.0031978 -0.0041991
21-Mar-19 0.0026667 0.0001161 -0.0551861 0.0004544 -0.0098657
22-Mar-19 0.0106383 0.0001835 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 -0.0131579 0.0001455 -0.0771391 0.0126302 -0.0128475
71
26-Mar-19 0.0133333 0.0001363 -0.0506206 -0.0045818 0.0034973
27-Mar-19 -0.0105263 0.0000612 -0.0631603 0.0007047 -0.0007412
28-Mar-19 0.0053191 0.0000872 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 -0.0079365 0.0001373 -0.0612632 0.0201607 0.0204755
1-Apr-19 0.0026667 0.0000828 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 0.0132979 0.0000913 -0.0553067 0.0063505 0.0093197
4-Apr-19 -0.0104987 0.0000876 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0132626 0.0001636 -0.0621013 -0.0010725 0.0006641
8-Apr-19 -0.0215054 0.0003449 -0.0671913 0.0086014 0.0006277
9-Apr-19 -0.0109890 0.0002127 -0.0514914 -0.0034863 0.0040434
10-Apr-19 0.0000000 0.0001407 -0.0620326 0.0048731 0.0109972
11-Apr-19 -0.0194444 0.0001870 -0.0721636 0.0098108 0.0059633
12-Apr-19 0.0226629 0.0000950 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 0.0249307 0.0002138 -0.0542418 -0.0145267 -0.0111647
ICBP
1-Mar-19 0.0073350 0.0004994 -0.0494024 -0.0121653 0.0015500
4-Mar-19 0.0048544 0.0001495 -0.0601732 0.0046730 0.0099495
5-Mar-19 -0.0072464 0.0001421 -0.0660975 0.0094923 0.0019009
6-Mar-19 -0.0024331 0.0002467 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 0.0000000 0.0001673 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 0.0048780 0.0001534 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 -0.0048544 0.0002575 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 0.0121951 0.0002761 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 0.0024096 0.0005359 -0.0526576 0.0199517 0.0319585
15-Mar-19 -0.0096154 0.0008123 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0097087 0.0003544 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 -0.0072115 0.0002650 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 0.0048426 0.0003411 -0.0580126 0.0031978 -0.0041991
21-Mar-19 0.0000000 0.0002157 -0.0551861 0.0004544 -0.0098657
22-Mar-19 -0.0048193 0.0003505 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 -0.0895884 0.0025304 -0.0771391 0.0126302 -0.0128475
26-Mar-19 0.0159574 0.0009613 -0.0506206 -0.0045818 0.0034973
27-Mar-19 -0.0392670 0.0018716 -0.0631603 0.0007047 -0.0007412
28-Mar-19 0.0108992 0.0010017 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 0.0053908 0.0008260 -0.0612632 0.0201607 0.0204755
1-Apr-19 -0.0134048 0.0005331 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 -0.0244565 0.0012216 -0.0553067 0.0063505 0.0093197
4-Apr-19 0.0083565 0.0013147 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0027624 0.0005452 -0.0621013 -0.0010725 0.0006641
8-Apr-19 -0.0027701 0.0007903 -0.0671913 0.0086014 0.0006277
9-Apr-19 0.0305556 0.0007110 -0.0514914 -0.0034863 0.0040434
10-Apr-19 0.0107817 0.0007999 -0.0620326 0.0048731 0.0109972
72
11-Apr-19 -0.0346667 0.0006895 -0.0721636 0.0098108 0.0059633
12-Apr-19 0.0000000 0.0006612 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 0.0000000 0.0006332 -0.0542418 -0.0145267 -0.0111647
INAF
1-Mar-19 0.0084211 0.0000038 -0.0494024 -0.0121653 0.0015500
4-Mar-19 0.0104384 0.0000035 -0.0601732 0.0046730 0.0099495
5-Mar-19 0.0103306 0.0000162 -0.0660975 0.0094923 0.0019009
6-Mar-19 -0.0040900 0.0000049 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 0.0020534 0.0000035 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 0.0122951 0.0000161 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 -0.0020243 0.0000177 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 0.0192698 0.0000154 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 -0.0049751 0.0000052 -0.0526576 0.0199517 0.0319585
15-Mar-19 0.0000000 0.0000031 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0500000 0.0000862 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 0.0000000 0.0000189 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 -0.0285714 0.0000291 -0.0580126 0.0031978 -0.0041991
21-Mar-19 0.0245098 0.0000270 -0.0551861 0.0004544 -0.0098657
22-Mar-19 0.0478469 0.0000696 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 0.0273973 0.0000514 -0.0771391 0.0126302 -0.0128475
26-Mar-19 -0.0222222 0.0001444 -0.0506206 -0.0045818 0.0034973
27-Mar-19 0.0090909 0.0000116 -0.0631603 0.0007047 -0.0007412
28-Mar-19 -0.0180180 0.0000225 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 -0.1743119 0.0000871 -0.0612632 0.0201607 0.0204755
1-Apr-19 -0.0066667 0.0000542 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 -0.0201342 0.0000172 -0.0553067 0.0063505 0.0093197
4-Apr-19 -0.0068493 0.0000121 -0.0559383 -0.0037727 0.0025366
5-Apr-19 0.0045977 0.0000055 -0.0621013 -0.0010725 0.0006641
8-Apr-19 -0.0114416 0.0000036 -0.0671913 0.0086014 0.0006277
9-Apr-19 -0.0092593 0.0000196 -0.0514914 -0.0034863 0.0040434
10-Apr-19 -0.0677570 0.0000358 -0.0620326 0.0048731 0.0109972
11-Apr-19 0.0025063 0.0000085 -0.0721636 0.0098108 0.0059633
12-Apr-19 -0.0175000 0.0000063 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 0.0000000 0.0000108 -0.0542418 -0.0145267 -0.0111647
KINO
1-Mar-19 -0.0250896 0.0000175 -0.0494024 -0.0121653 0.0015500
4-Mar-19 0.0220588 0.0001116 -0.0601732 0.0046730 0.0099495
5-Mar-19 0.0000000 0.0000718 -0.0660975 0.0094923 0.0019009
6-Mar-19 -0.0287770 0.0000905 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 -0.0185185 0.0001440 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 0.0000000 0.0002869 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 -0.0867925 0.0005412 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 -0.0082645 0.0001222 -0.0547518 -0.0076221 -0.0048978
73
14-Mar-19 0.0000000 0.0001756 -0.0526576 0.0199517 0.0319585
15-Mar-19 -0.0125000 0.0002628 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0126582 0.0000883 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 -0.0125000 0.0000567 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 0.0126582 0.0000933 -0.0580126 0.0031978 -0.0041991
21-Mar-19 0.0166667 0.0001905 -0.0551861 0.0004544 -0.0098657
22-Mar-19 -0.0327869 0.0001087 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 0.0593220 0.0002103 -0.0771391 0.0126302 -0.0128475
26-Mar-19 0.0000000 0.0001339 -0.0506206 -0.0045818 0.0034973
27-Mar-19 -0.0240000 0.0000501 -0.0631603 0.0007047 -0.0007412
28-Mar-19 -0.0040984 0.0000092 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 0.0205761 0.0000960 -0.0612632 0.0201607 0.0204755
1-Apr-19 0.0282258 0.0001352 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 -0.0156863 0.0000415 -0.0553067 0.0063505 0.0093197
4-Apr-19 -0.0478088 0.0000237 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0041841 0.0000469 -0.0621013 -0.0010725 0.0006641
8-Apr-19 0.0588235 0.0000900 -0.0671913 0.0086014 0.0006277
9-Apr-19 0.0000000 0.0000593 -0.0514914 -0.0034863 0.0040434
10-Apr-19 -0.0039683 0.0000497 -0.0620326 0.0048731 0.0109972
11-Apr-19 -0.0039841 0.0000409 -0.0721636 0.0098108 0.0059633
12-Apr-19 -0.0040000 0.0000223 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 -0.0240964 0.0000384 -0.0542418 -0.0145267 -0.0111647
KLBF
1-Mar-19 0.0301003 0.0002779 -0.0494024 -0.0121653 0.0015500
4-Mar-19 -0.0162338 0.0003784 -0.0601732 0.0046730 0.0099495
5-Mar-19 -0.0066007 0.0002240 -0.0660975 0.0094923 0.0019009
6-Mar-19 0.0033223 0.0002181 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 0.0099338 0.0002860 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 -0.0032787 0.0001824 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 -0.0065789 0.0002241 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 0.0000000 0.0001721 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 0.0000000 0.0002958 -0.0526576 0.0199517 0.0319585
15-Mar-19 0.0298013 0.0010532 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 -0.0032154 0.0001728 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 0.0000000 0.0001562 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 -0.0225806 0.0003971 -0.0580126 0.0031978 -0.0041991
21-Mar-19 -0.0033003 0.0004318 -0.0551861 0.0004544 -0.0098657
22-Mar-19 0.0033113 0.0002771 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 0.0000000 0.0003490 -0.0771391 0.0126302 -0.0128475
26-Mar-19 0.0033003 0.0002205 -0.0506206 -0.0045818 0.0034973
27-Mar-19 -0.0032895 0.0001848 -0.0631603 0.0007047 -0.0007412
28-Mar-19 0.0099010 0.0001689 -0.0560191 -0.0063252 -0.0018264
74
29-Mar-19 -0.0065359 0.0002991 -0.0612632 0.0201607 0.0204755
1-Apr-19 -0.0164474 0.0004425 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 0.0200669 0.0001656 -0.0553067 0.0063505 0.0093197
4-Apr-19 0.0065574 0.0002609 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0097720 0.0001914 -0.0621013 -0.0010725 0.0006641
8-Apr-19 0.0065789 0.0002984 -0.0671913 0.0086014 0.0006277
9-Apr-19 0.0065359 0.0004233 -0.0514914 -0.0034863 0.0040434
10-Apr-19 0.0000000 0.0002975 -0.0620326 0.0048731 0.0109972
11-Apr-19 -0.0162338 0.0002227 -0.0721636 0.0098108 0.0059633
12-Apr-19 -0.0132013 0.0008527 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 0.0000000 0.0006327 -0.0542418 -0.0145267 -0.0111647
MRAT
1-Mar-19 0.0588235 0.0018477 -0.0494024 -0.0121653 0.0015500
4-Mar-19 -0.0222222 0.0014278 -0.0601732 0.0046730 0.0099495
5-Mar-19 0.0511364 0.0011995 -0.0660975 0.0094923 0.0019009
6-Mar-19 -0.0054054 0.0002152 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 -0.0271739 0.0009012 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 -0.0055866 0.0000493 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 -0.0056180 0.0006907 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 -0.0169492 0.0007827 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 0.0114943 0.0000514 -0.0526576 0.0199517 0.0319585
15-Mar-19 -0.0056818 0.0000068 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0228571 0.0016402 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 0.0055866 0.0008199 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 -0.0277778 0.0001505 -0.0580126 0.0031978 -0.0041991
21-Mar-19 -0.0171429 0.0002991 -0.0551861 0.0004544 -0.0098657
22-Mar-19 -0.0058140 0.0001888 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 -0.0058480 0.0011551 -0.0771391 0.0126302 -0.0128475
26-Mar-19 0.0000000 0.0003479 -0.0506206 -0.0045818 0.0034973
27-Mar-19 0.0000000 0.0000070 -0.0631603 0.0007047 -0.0007412
28-Mar-19 -0.0058824 0.0001196 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 -0.0059172 0.0006290 -0.0612632 0.0201607 0.0204755
1-Apr-19 -0.0238095 0.0000643 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 0.0060976 0.0000180 -0.0553067 0.0063505 0.0093197
4-Apr-19 0.0060606 0.0000224 -0.0559383 -0.0037727 0.0025366
5-Apr-19 0.0240964 0.0004605 -0.0621013 -0.0010725 0.0006641
8-Apr-19 -0.0176471 0.0001009 -0.0671913 0.0086014 0.0006277
9-Apr-19 0.0179641 0.0000869 -0.0514914 -0.0034863 0.0040434
10-Apr-19 -0.0176471 0.0000126 -0.0620326 0.0048731 0.0109972
11-Apr-19 0.0119760 0.0000030 -0.0721636 0.0098108 0.0059633
12-Apr-19 -0.0177515 0.0000051 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 -0.0301205 0.0000313 -0.0542418 -0.0145267 -0.0111647
75
MYOR
1-Mar-19 0.0000000 0.0001135 -0.0494024 -0.0121653 0.0015500
4-Mar-19 -0.0037879 0.0000436 -0.0601732 0.0046730 0.0099495
5-Mar-19 0.0076046 0.0000889 -0.0660975 0.0094923 0.0019009
6-Mar-19 0.0000000 0.0001118 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 -0.0075472 0.0000939 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 0.0000000 0.0002623 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 0.0038023 0.0000609 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 0.0000000 0.0000670 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 -0.0075758 0.0001679 -0.0526576 0.0199517 0.0319585
15-Mar-19 0.0000000 0.0000308 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0038168 0.0001251 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 0.0000000 0.0001132 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 0.0000000 0.0001338 -0.0580126 0.0031978 -0.0041991
21-Mar-19 0.0000000 0.0003119 -0.0551861 0.0004544 -0.0098657
22-Mar-19 -0.0114068 0.0003169 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 -0.0269231 0.0001879 -0.0771391 0.0126302 -0.0128475
26-Mar-19 0.0079051 0.0001286 -0.0506206 -0.0045818 0.0034973
27-Mar-19 -0.0039216 0.0001441 -0.0631603 0.0007047 -0.0007412
28-Mar-19 0.0078740 0.0000483 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 0.0000000 0.0000640 -0.0612632 0.0201607 0.0204755
1-Apr-19 -0.0039063 0.0002185 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 -0.0039216 0.0001685 -0.0553067 0.0063505 0.0093197
4-Apr-19 -0.0118110 0.0000764 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0039841 0.0001061 -0.0621013 -0.0010725 0.0006641
8-Apr-19 0.0040000 0.0001259 -0.0671913 0.0086014 0.0006277
9-Apr-19 0.0119522 0.0000564 -0.0514914 -0.0034863 0.0040434
10-Apr-19 0.0000000 0.0000829 -0.0620326 0.0048731 0.0109972
11-Apr-19 0.0000000 0.0000839 -0.0721636 0.0098108 0.0059633
12-Apr-19 0.0000000 0.0000371 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 0.0039370 0.0000260 -0.0542418 -0.0145267 -0.0111647
WIIM
1-Mar-19 0.0000000 0.0051844 -0.0494024 -0.0121653 0.0015500
4-Mar-19 0.0687500 0.0188672 -0.0601732 0.0046730 0.0099495
5-Mar-19 -0.0467836 0.0098350 -0.0660975 0.0094923 0.0019009
6-Mar-19 -0.0306748 0.0060353 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 -0.0379747 0.0059295 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 -0.0263158 0.0061227 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 -0.0810811 0.0102807 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 0.0147059 0.0032385 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 0.1376812 0.0214299 -0.0526576 0.0199517 0.0319585
15-Mar-19 -0.0254777 0.0174078 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0000000 0.0037241 -0.0510009 -0.0032920 -0.0064792
76
19-Mar-19 -0.0392157 0.0037632 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 -0.0136054 0.0037615 -0.0580126 0.0031978 -0.0041991
21-Mar-19 -0.0344828 0.0044076 -0.0551861 0.0004544 -0.0098657
22-Mar-19 0.0428571 0.0052341 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 -0.0547945 0.0033092 -0.0771391 0.0126302 -0.0128475
26-Mar-19 0.0000000 0.0039520 -0.0506206 -0.0045818 0.0034973
27-Mar-19 0.0000000 0.0013497 -0.0631603 0.0007047 -0.0007412
28-Mar-19 0.0000000 0.0019371 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 -0.0434783 0.0067602 -0.0612632 0.0201607 0.0204755
1-Apr-19 -0.0303030 0.0028793 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 0.0390625 0.0039676 -0.0553067 0.0063505 0.0093197
4-Apr-19 0.0000000 0.0019468 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0225564 0.0008904 -0.0621013 -0.0010725 0.0006641
8-Apr-19 -0.0384615 0.0045155 -0.0671913 0.0086014 0.0006277
9-Apr-19 0.0080000 0.0028632 -0.0514914 -0.0034863 0.0040434
10-Apr-19 0.0158730 0.0014159 -0.0620326 0.0048731 0.0109972
11-Apr-19 -0.0234375 0.0091175 -0.0721636 0.0098108 0.0059633
12-Apr-19 0.0000000 0.0022628 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 -0.0080000 0.0039897 -0.0542418 -0.0145267 -0.0111647
WOOD
1-Mar-19 -0.0166667 0.0016156 -0.0494024 -0.0121653 0.0015500
4-Mar-19 -0.0451977 0.0079334 -0.0601732 0.0046730 0.0099495
5-Mar-19 0.0355030 0.0066283 -0.0660975 0.0094923 0.0019009
6-Mar-19 0.0057143 0.0067848 -0.0557360 -0.0087703 -0.0071675
8-Mar-19 -0.0056818 0.0022527 -0.0706656 -0.0127994 -0.0106655
11-Mar-19 -0.0171429 0.0017850 -0.0614839 -0.0072505 -0.0061902
12-Mar-19 0.0232558 0.0040916 -0.0607920 -0.0215333 -0.0192741
13-Mar-19 -0.0056818 0.0063413 -0.0547518 -0.0076221 -0.0048978
14-Mar-19 -0.0057143 0.0008370 -0.0526576 0.0199517 0.0319585
15-Mar-19 0.0229885 0.0025274 -0.0502988 -0.0058544 -0.0063572
18-Mar-19 0.0000000 0.0020400 -0.0510009 -0.0032920 -0.0064792
19-Mar-19 0.0056180 0.0025358 -0.0628017 -0.0013547 -0.0021144
20-Mar-19 0.0055866 0.0042018 -0.0580126 0.0031978 -0.0041991
21-Mar-19 0.0222222 0.0125299 -0.0551861 0.0004544 -0.0098657
22-Mar-19 0.0000000 0.0025328 -0.0548936 -0.0073965 -0.0032751
25-Mar-19 -0.0217391 0.0072572 -0.0771391 0.0126302 -0.0128475
26-Mar-19 -0.0222222 0.0017238 -0.0506206 -0.0045818 0.0034973
27-Mar-19 -0.0113636 0.0028527 -0.0631603 0.0007047 -0.0007412
28-Mar-19 -0.0057471 0.0027007 -0.0560191 -0.0063252 -0.0018264
29-Mar-19 0.0173410 0.0034279 -0.0612632 0.0201607 0.0204755
1-Apr-19 -0.0625000 0.0029314 -0.0606803 -0.0047487 -0.0060175
2-Apr-19 0.0121212 0.0034716 -0.0553067 0.0063505 0.0093197
77
4-Apr-19 0.0299401 0.0028292 -0.0559383 -0.0037727 0.0025366
5-Apr-19 -0.0174419 0.0015030 -0.0621013 -0.0010725 0.0006641
8-Apr-19 -0.0059172 0.0022088 -0.0671913 0.0086014 0.0006277
9-Apr-19 0.0000000 0.0013157 -0.0514914 -0.0034863 0.0040434
10-Apr-19 0.0000000 0.0011082 -0.0620326 0.0048731 0.0109972
11-Apr-19 -0.0119048 0.0013108 -0.0721636 0.0098108 0.0059633
12-Apr-19 -0.0180723 0.0013222 -0.0610006 -0.0062032 -0.0070870
15-Apr-19 -0.0184049 0.0021648 -0.0542418 -0.0145267 -0.0111647
Data Mentah Sektor Industri Barang Konsumsi 2020
COMPANY Date RETURN SENT MP SMB HML
BUDI
2-Mar-20 0.0000000 0.0000081 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0215054 0.0000607 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0000000 0.0000226 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.0000000 0.0000056 -0.0482555 0.0393866 -0.0001536
6-Mar-20 0.0000000 0.0000927 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.0315789 0.0001277 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 -0.0108696 0.0001836 -0.0294524 0.0059336 0.0104014
11-Mar-20 -0.0109890 0.0000020 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0444444 0.0001529 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 -0.0348837 0.0000715 -0.0434872 0.0449190 -0.0136329
16-Mar-20 0.0000000 0.0000179 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0602410 0.0000004 -0.0953557 -0.0094137 0.0001017
18-Mar-20 0.0000000 0.0000040 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0256410 0.0000111 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.0000000 0.0000136 -0.0211534 0.0105368 -0.0098426
23-Mar-20 0.0000000 0.0000006 -0.0922471 0.0597774 0.0111970
24-Mar-20 0.0526316 0.0000124 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.0250000 0.0000278 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.0121951 0.0000864 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0120482 0.0000025 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.0121951 0.0000039 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0120482 0.0000553 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.0000000 0.0000352 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.0121951 0.0001313 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.0963855 0.0001658 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0329670 0.0000486 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 0.0000000 0.0000773 -0.0750387 0.0299623 -0.0023547
9-Apr-20 -0.0113636 0.0000140 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 0.0114943 0.0000263 -0.0485231 -0.0247312 0.0048296
78
14-Apr-20 0.0000000 0.0002314 -0.0252576 -0.0174221 -0.0096878
HMSP
2-Mar-20 -0.0147059 0.0004344 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0447761 0.0005122 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0200000 0.0003235 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.0000000 0.0002425 -0.0482555 0.0393866 -0.0001536
6-Mar-20 -0.0392157 0.0002884 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.0932945 0.0005587 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.0289389 0.0006004 -0.0294524 0.0059336 0.0104014
11-Mar-20 0.0187500 0.0003952 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0490798 0.0003601 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 -0.0258065 0.0005050 -0.0434872 0.0449190 -0.0136329
16-Mar-20 -0.0695364 0.0003056 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0676157 0.0006175 -0.0953557 -0.0094137 0.0001017
18-Mar-20 -0.0534351 0.0003162 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0685484 0.0005767 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.1645022 0.0006880 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0669145 0.0003031 -0.0922471 0.0597774 0.0111970
24-Mar-20 0.0278884 0.0008161 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.0968992 0.0005817 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.0212014 0.0006355 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0380623 0.0003311 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.0251799 0.0005332 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0070175 0.0004538 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.0848057 0.0004479 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.0456026 0.0003333 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.1090343 0.0004887 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0421348 0.0005088 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 -0.0586510 0.0003461 -0.0750387 0.0299623 -0.0023547
9-Apr-20 0.0342679 0.0002752 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 -0.0090361 0.0001777 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0273556 0.0001758 -0.0252576 -0.0174221 -0.0096878
ICBP
2-Mar-20 -0.0121655 0.0005465 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0788177 0.0006163 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0000000 0.0003979 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.0000000 0.0005476 -0.0482555 0.0393866 -0.0001536
6-Mar-20 0.0000000 0.0004978 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.0525114 0.0003824 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.0385542 0.0004001 -0.0294524 0.0059336 0.0104014
11-Mar-20 0.0162413 0.0004972 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0388128 0.0003528 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 0.0427553 0.0008124 -0.0434872 0.0449190 -0.0136329
79
16-Mar-20 -0.0523918 0.0005474 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0625000 0.0006986 -0.0953557 -0.0094137 0.0001017
18-Mar-20 -0.0435897 0.0005390 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0509383 0.0006298 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.0141243 0.0014150 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0696379 0.0004203 -0.0922471 0.0597774 0.0111970
24-Mar-20 -0.0059880 0.0009126 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.1445783 0.0012269 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.0500000 0.0005675 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0325815 0.0003921 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.0595855 0.0009184 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0073350 0.0003950 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.0049261 0.0006699 -0.0283685 0.0118106 0.0169749
3-Apr-20 -0.0196078 0.0003594 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.0250000 0.0004582 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0170732 0.0005438 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 -0.0471464 0.0006421 -0.0750387 0.0299623 -0.0023547
9-Apr-20 0.0520833 0.0005092 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 0.0099010 0.0002765 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0147059 0.0003945 -0.0252576 -0.0174221 -0.0096878
INAF
2-Mar-20 0.1941964 0.0074398 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.2429907 0.0048725 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0827068 0.0054300 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.1319444 0.0128445 -0.0482555 0.0393866 -0.0001536
6-Mar-20 -0.0490798 0.0045557 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.1419355 0.0022592 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.0526316 0.0030680 -0.0294524 0.0059336 0.0104014
11-Mar-20 -0.1000000 0.0019927 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0952381 0.0012083 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 0.0526316 0.0014388 -0.0434872 0.0449190 -0.0136329
16-Mar-20 -0.0583333 0.0016575 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0619469 0.0016811 -0.0953557 -0.0094137 0.0001017
18-Mar-20 -0.0283019 0.0014162 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0679612 0.0008300 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.1770833 0.0053768 -0.0211534 0.0105368 -0.0098426
23-Mar-20 0.2477876 0.0096674 -0.0922471 0.0597774 0.0111970
24-Mar-20 0.2482270 0.0110940 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.2500000 0.0085935 0.0587294 -0.0227093 -0.0477865
27-Mar-20 -0.0500000 0.0125678 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0669856 0.0007032 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.1076923 0.0098065 -0.0152531 -0.0115312 -0.0149134
80
1-Apr-20 0.0046296 0.0080198 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.0322581 0.0035973 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.0000000 0.0025120 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.0000000 0.0012919 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0357143 0.0015355 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 0.0787037 0.0080489 -0.0750387 0.0299623 -0.0023547
9-Apr-20 0.0343348 0.0074700 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 -0.0331950 0.0020288 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0171674 0.0012853 -0.0252576 -0.0174221 -0.0096878
KINO
2-Mar-20 0.0575540 0.0001190 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0102041 0.0000916 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0168350 0.0003586 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.0596026 0.0013052 -0.0482555 0.0393866 -0.0001536
6-Mar-20 -0.0281250 0.0009008 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.0578778 0.0011234 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.0204778 0.0006778 -0.0294524 0.0059336 0.0104014
11-Mar-20 0.0702341 0.0008742 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0625000 0.0026220 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 -0.0700000 0.0041361 -0.0434872 0.0449190 -0.0136329
16-Mar-20 -0.0681004 0.0002040 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0653846 0.0048005 -0.0953557 -0.0094137 0.0001017
18-Mar-20 -0.0164609 0.0073930 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0167364 0.0048528 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.0000000 0.0061719 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0680851 0.0000463 -0.0922471 0.0597774 0.0111970
24-Mar-20 -0.0182648 0.0003536 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.0325581 0.0007055 0.0587294 -0.0227093 -0.0477865
27-Mar-20 -0.0135135 0.0018250 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0684932 0.0003357 -0.0720181 -0.0081918 0.0131743
31-Mar-20 -0.0147059 0.0011019 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0174129 0.0008290 -0.0592551 0.0082077 0.0055577
2-Apr-20 -0.0075949 0.0022492 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.0000000 0.0003758 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.0459184 0.0029641 -0.0023812 0.0128952 0.0028675
7-Apr-20 0.0780488 0.0034845 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 -0.0678733 0.0010191 -0.0750387 0.0299623 -0.0023547
9-Apr-20 -0.0291262 0.0023219 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 0.1550000 0.0032145 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0649351 0.0025047 -0.0252576 -0.0174221 -0.0096878
KLBF 2-Mar-20 -0.0204918 0.0006767 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0125523 0.0007291 -0.0166012 0.0218053 -0.0326071
81
4-Mar-20 0.0537190 0.0006541 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.0431373 0.0008165 -0.0482555 0.0393866 -0.0001536
6-Mar-20 -0.0714286 0.0005411 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.0769231 0.0010413 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.0131579 0.0008298 -0.0294524 0.0059336 0.0104014
11-Mar-20 -0.0346320 0.0007554 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0627803 0.0004915 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 -0.0047847 0.0010762 -0.0434872 0.0449190 -0.0136329
16-Mar-20 -0.0384615 0.0012644 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0050000 0.0015363 -0.0953557 -0.0094137 0.0001017
18-Mar-20 0.0502513 0.0012011 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0669856 0.0008699 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.0051282 0.0017896 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0663265 0.0008727 -0.0922471 0.0597774 0.0111970
24-Mar-20 -0.0546448 0.0013795 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.0982659 0.0024350 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.0631579 0.0038449 0.0044972 -0.0268142 -0.0153101
30-Mar-20 0.0346535 0.0012666 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.1483254 0.0022312 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0291667 0.0023730 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.1030043 0.0013564 -0.0283685 0.0118106 0.0169749
3-Apr-20 -0.0272374 0.0012702 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.0160000 0.0007548 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0314961 0.0014627 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 -0.0691057 0.0012281 -0.0750387 0.0299623 -0.0023547
9-Apr-20 -0.0043668 0.0012396 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 -0.0350877 0.0008489 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0772727 0.0009125 -0.0252576 -0.0174221 -0.0096878
MRAT
2-Mar-20 0.0916031 0.0000072 -0.0626180 0.0439931 0.0304940
3-Mar-20 -0.0769231 0.0000019 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0606061 0.0000297 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.0071429 0.0000549 -0.0482555 0.0393866 -0.0001536
6-Mar-20 0.0354610 0.0000194 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.1369863 0.0000180 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.1031746 0.0002350 -0.0294524 0.0059336 0.0104014
11-Mar-20 -0.0071942 0.0000182 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 0.0000000 0.0000675 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 -0.0144928 0.0001958 -0.0434872 0.0449190 -0.0136329
16-Mar-20 0.0220588 0.0000107 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0647482 0.0000126 -0.0953557 -0.0094137 0.0001017
18-Mar-20 -0.0615385 0.0000012 -0.0737785 -0.0159778 -0.0070996
82
19-Mar-20 -0.0655738 0.0001136 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.1228070 0.0023435 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0625000 0.0003946 -0.0922471 0.0597774 0.0111970
24-Mar-20 -0.0500000 0.0000479 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.0000000 0.0000220 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.1403509 0.0002692 0.0044972 -0.0268142 -0.0153101
30-Mar-20 0.0000000 0.0000121 -0.0720181 -0.0081918 0.0131743
31-Mar-20 -0.0076923 0.0000257 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0077519 0.0000157 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.0078125 0.0058874 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.0000000 0.0000005 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.0620155 0.0000089 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0145985 0.0000764 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 -0.0444444 0.0000070 -0.0750387 0.0299623 -0.0023547
9-Apr-20 -0.0310078 0.0000907 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 0.0400000 0.0003166 -0.0485231 -0.0247312 0.0048296
14-Apr-20 -0.0153846 0.0000121 -0.0252576 -0.0174221 -0.0096878
MYOR
2-Mar-20 -0.0194444 0.0000980 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0424929 0.0001030 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0244565 0.0000790 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.0000000 0.0000485 -0.0482555 0.0393866 -0.0001536
6-Mar-20 -0.0106101 0.0000375 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.0509383 0.0001112 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.0169492 0.0000461 -0.0294524 0.0059336 0.0104014
11-Mar-20 0.0277778 0.0001605 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0297297 0.0000560 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 0.0055710 0.0000673 -0.0434872 0.0449190 -0.0136329
16-Mar-20 -0.0304709 0.0000631 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0600000 0.0004800 -0.0953557 -0.0094137 0.0001017
18-Mar-20 0.0091185 0.0003498 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0692771 0.0007134 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.0032362 0.0001831 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0580645 0.0001810 -0.0922471 0.0597774 0.0111970
24-Mar-20 -0.0308219 0.0002362 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.1378092 0.0003566 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.2111801 0.0003231 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0692308 0.0002357 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.0220386 0.0001225 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0134771 0.0001185 -0.0592551 0.0082077 0.0055577
2-Apr-20 -0.0109290 0.0001268 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.0000000 0.0000877 -0.0229080 0.0233789 0.0205071
83
6-Apr-20 0.0441989 0.0002259 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0079365 0.0001297 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 0.0106667 0.0000636 -0.0750387 0.0299623 -0.0023547
9-Apr-20 0.0131926 0.0000387 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 0.0026042 0.0000756 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0103896 0.0000728 -0.0252576 -0.0174221 -0.0096878
WIIM
2-Mar-20 0.0450450 0.0009369 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0258621 0.0006653 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0420168 0.0004960 -0.0219978 0.0117725 0.0096944
5-Mar-20 -0.0080645 0.0004141 -0.0482555 0.0393866 -0.0001536
6-Mar-20 -0.0243902 0.0001991 -0.0706790 -0.0101548 0.0101494
9-Mar-20 -0.0833333 0.0008749 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 0.0545455 0.0007568 -0.0294524 0.0059336 0.0104014
11-Mar-20 -0.0603448 0.0016901 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0733945 0.0022711 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 -0.0099010 0.0022124 -0.0434872 0.0449190 -0.0136329
16-Mar-20 -0.0700000 0.0010822 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0645161 0.0008237 -0.0953557 -0.0094137 0.0001017
18-Mar-20 -0.0689655 0.0008439 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0493827 0.0003458 -0.0964494 -0.0028322 0.0080277
20-Mar-20 0.0000000 0.0023078 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0649351 0.0012145 -0.0922471 0.0597774 0.0111970
24-Mar-20 0.0277778 0.0002966 -0.0563396 0.0467818 0.0065551
26-Mar-20 0.0675676 0.0017560 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.0379747 0.0026401 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0487805 0.0004594 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.0128205 0.0003104 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 0.0253165 0.0012454 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.1728395 0.0031423 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.1368421 0.0035329 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.0370370 0.0018907 -0.0023812 0.0128952 0.0028675
7-Apr-20 -0.0357143 0.0026693 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 -0.0648148 0.0020684 -0.0750387 0.0299623 -0.0023547
9-Apr-20 0.0396040 0.0014526 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 -0.0190476 0.0007812 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0097087 0.0002774 -0.0252576 -0.0174221 -0.0096878
WOOD
2-Mar-20 -0.0151515 0.0003428 -0.0626180 0.0439931 0.0304940
3-Mar-20 0.0410256 0.0013107 -0.0166012 0.0218053 -0.0326071
4-Mar-20 0.0197044 0.0006886 -0.0219978 0.0117725 0.0096944
5-Mar-20 0.2077295 0.0015042 -0.0482555 0.0393866 -0.0001536
6-Mar-20 -0.1520000 0.0019670 -0.0706790 -0.0101548 0.0101494
84
9-Mar-20 -0.0566038 0.0003102 -0.1118480 -0.0167513 -0.0091924
10-Mar-20 -0.0250000 0.0002781 -0.0294524 0.0059336 0.0104014
11-Mar-20 0.0000000 0.0002876 -0.0587351 -0.0383000 -0.0235495
12-Mar-20 -0.0871795 0.0000719 -0.0960094 -0.0095470 -0.0000361
13-Mar-20 0.1966292 0.0007123 -0.0434872 0.0449190 -0.0136329
16-Mar-20 -0.0657277 0.0000128 -0.0898856 0.0086899 0.0174097
17-Mar-20 -0.0653266 0.0000007 -0.0953557 -0.0094137 0.0001017
18-Mar-20 -0.0053763 0.0001874 -0.0737785 -0.0159778 -0.0070996
19-Mar-20 -0.0648649 0.0000061 -0.0964494 -0.0028322 0.0080277
20-Mar-20 -0.0693642 0.0000327 -0.0211534 0.0105368 -0.0098426
23-Mar-20 -0.0683230 0.0000058 -0.0922471 0.0597774 0.0111970
24-Mar-20 -0.0666667 0.0001469 -0.0563396 0.0467818 0.0065551
26-Mar-20 -0.0642857 0.0010931 0.0587294 -0.0227093 -0.0477865
27-Mar-20 0.0000000 0.0050093 0.0044972 -0.0268142 -0.0153101
30-Mar-20 -0.0687023 0.0009540 -0.0720181 -0.0081918 0.0131743
31-Mar-20 0.0163934 0.0018405 -0.0152531 -0.0115312 -0.0149134
1-Apr-20 -0.0241935 0.0004148 -0.0592551 0.0082077 0.0055577
2-Apr-20 0.0661157 0.0008469 -0.0283685 0.0118106 0.0169749
3-Apr-20 0.0310078 0.0011798 -0.0229080 0.0233789 0.0205071
6-Apr-20 0.1278195 0.0020664 -0.0023812 0.0128952 0.0028675
7-Apr-20 0.0066667 0.0004119 -0.0499505 -0.0143929 -0.0026892
8-Apr-20 -0.0264901 0.0001106 -0.0750387 0.0299623 -0.0023547
9-Apr-20 -0.0680272 0.0003900 -0.0383441 -0.0114012 -0.0170519
13-Apr-20 -0.0145985 0.0001426 -0.0485231 -0.0247312 0.0048296
14-Apr-20 0.0592593 0.0003592 -0.0252576 -0.0174221 -0.0096878
Data Mentah Sektor Properti, Real Estate, dan Konstruksi Bangunan 2019
COMPANY Date RETURN SENT MP SMB HML
ADHI
1-Mar-19 0.0100000 0.0009378 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0132013 0.0018256 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0032573 0.0012621 -0.0660975 0.0142269 -0.0135303
6-Mar-19 0.0000000 0.0010974 -0.0557360 0.0026928 0.0026906
8-Mar-19 -0.0065359 0.0011230 -0.0706656 0.0030399 0.0020492
11-Mar-19 0.0032895 0.0007147 -0.0614839 0.0021102 -0.0213420
12-Mar-19 0.0032787 0.0010567 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0228758 0.0019185 -0.0547518 0.0079933 0.0100706
14-Mar-19 -0.0031949 0.0020739 -0.0526576 -0.0175202 0.0004021
15-Mar-19 -0.0064103 0.0009117 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 -0.0064516 0.0028400 -0.0510009 -0.0059806 0.0218819
19-Mar-19 0.0194805 0.0019951 -0.0628017 -0.0037588 0.0050841
85
20-Mar-19 0.0254777 0.0065686 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0031056 0.0021064 -0.0551861 -0.0142237 0.0180511
22-Mar-19 -0.0123839 0.0014438 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0407524 0.0031334 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0098039 0.0014100 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 0.0258900 0.0015705 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0410095 0.0067669 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0030303 0.0049550 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0060790 0.0019443 -0.0606803 -0.0313401 0.0303886
2-Apr-19 -0.0030211 0.0017930 -0.0553067 0.0149014 0.0195988
4-Apr-19 0.0333333 0.0071671 -0.0559383 -0.0318304 0.0355393
5-Apr-19 -0.0087977 0.0030141 -0.0621013 0.0083241 -0.0050415
8-Apr-19 -0.0207101 0.0021378 -0.0671913 -0.0069838 0.0173864
9-Apr-19 0.0181269 0.0029302 -0.0514914 -0.0366114 0.0304045
10-Apr-19 0.0000000 0.0018856 -0.0620326 0.0065376 -0.0035484
11-Apr-19 -0.0296736 0.0038469 -0.0721636 0.0071723 -0.0161317
12-Apr-19 -0.0152905 0.0032352 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 0.0527950 0.0055191 -0.0542418 -0.0007394 0.0076824
ASRI
1-Mar-19 -0.0061728 0.0004021 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0124224 0.0004447 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0306748 0.0010378 -0.0660975 0.0142269 -0.0135303
6-Mar-19 -0.0063291 0.0005098 -0.0557360 0.0026928 0.0026906
8-Mar-19 0.0000000 0.0003259 -0.0706656 0.0030399 0.0020492
11-Mar-19 -0.0254777 0.0005298 -0.0614839 0.0021102 -0.0213420
12-Mar-19 -0.0130719 0.0005225 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0066225 0.0002690 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0131579 0.0001729 -0.0526576 -0.0175202 0.0004021
15-Mar-19 -0.0129870 0.0005859 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0263158 0.0005672 -0.0510009 -0.0059806 0.0218819
19-Mar-19 0.0128205 0.0004738 -0.0628017 -0.0037588 0.0050841
20-Mar-19 0.0063291 0.0002355 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0251572 0.0014015 -0.0551861 -0.0142237 0.0180511
22-Mar-19 -0.0061350 0.0004113 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0432099 0.0004863 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0064516 0.0001414 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 0.0000000 0.0004043 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0064103 0.0001228 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0127389 0.0003089 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0322581 0.0007237 -0.0606803 -0.0313401 0.0303886
2-Apr-19 0.0000000 0.0005274 -0.0553067 0.0149014 0.0195988
4-Apr-19 0.0500000 0.0016836 -0.0559383 -0.0318304 0.0355393
86
5-Apr-19 -0.0059524 0.0006979 -0.0621013 0.0083241 -0.0050415
8-Apr-19 0.0179641 0.0011035 -0.0671913 -0.0069838 0.0173864
9-Apr-19 0.0411765 0.0032422 -0.0514914 -0.0366114 0.0304045
10-Apr-19 -0.0169492 0.0009321 -0.0620326 0.0065376 -0.0035484
11-Apr-19 -0.0287356 0.0006040 -0.0721636 0.0071723 -0.0161317
12-Apr-19 -0.0059172 0.0002689 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 0.0178571 0.0003385 -0.0542418 -0.0007394 0.0076824
BEST
1-Mar-19 -0.0157480 0.0006139 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0000000 0.0006046 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0160000 0.0011613 -0.0660975 0.0142269 -0.0135303
6-Mar-19 0.0000000 0.0003281 -0.0557360 0.0026928 0.0026906
8-Mar-19 0.0000000 0.0003631 -0.0706656 0.0030399 0.0020492
11-Mar-19 -0.0081301 0.0002391 -0.0614839 0.0021102 -0.0213420
12-Mar-19 -0.0491803 0.0017628 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0258621 0.0003612 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0168067 0.0008097 -0.0526576 -0.0175202 0.0004021
15-Mar-19 0.0000000 0.0002201 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0495868 0.0008422 -0.0510009 -0.0059806 0.0218819
19-Mar-19 -0.0236220 0.0004563 -0.0628017 -0.0037588 0.0050841
20-Mar-19 -0.0322581 0.0011523 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0333333 0.0009191 -0.0551861 -0.0142237 0.0180511
22-Mar-19 -0.0161290 0.0003724 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0245902 0.0007608 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0336134 0.0011900 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 0.0081301 0.0006045 -0.0631603 0.0089847 0.0011383
28-Mar-19 -0.0080645 0.0006241 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0243902 0.0007610 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0916667 0.0026778 -0.0606803 -0.0313401 0.0303886
2-Apr-19 0.0687023 0.0061853 -0.0553067 0.0149014 0.0195988
4-Apr-19 -0.0071429 0.0027998 -0.0559383 -0.0318304 0.0355393
5-Apr-19 0.0071942 0.0012178 -0.0621013 0.0083241 -0.0050415
8-Apr-19 0.0428571 0.0044898 -0.0671913 -0.0069838 0.0173864
9-Apr-19 -0.0068493 0.0017792 -0.0514914 -0.0366114 0.0304045
10-Apr-19 0.0068966 0.0010454 -0.0620326 0.0065376 -0.0035484
11-Apr-19 -0.0616438 0.0018014 -0.0721636 0.0071723 -0.0161317
12-Apr-19 0.0145985 0.0014411 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 0.0071942 0.0008975 -0.0542418 -0.0007394 0.0076824
JRPT
1-Mar-19 -0.0160000 0.0000835 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0325203 0.0002169 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0236220 0.0001366 -0.0660975 0.0142269 -0.0135303
6-Mar-19 -0.0161290 0.0001692 -0.0557360 0.0026928 0.0026906
87
8-Mar-19 -0.0081967 0.0000942 -0.0706656 0.0030399 0.0020492
11-Mar-19 -0.0082645 0.0000499 -0.0614839 0.0021102 -0.0213420
12-Mar-19 0.0000000 0.0000959 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 -0.0250000 0.0001234 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0256410 0.0002300 -0.0526576 -0.0175202 0.0004021
15-Mar-19 0.0000000 0.0001420 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0000000 0.0000435 -0.0510009 -0.0059806 0.0218819
19-Mar-19 -0.0083333 0.0001100 -0.0628017 -0.0037588 0.0050841
20-Mar-19 0.0084034 0.0002171 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0083333 0.0005130 -0.0551861 -0.0142237 0.0180511
22-Mar-19 0.0247934 0.0009694 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0564516 0.0003117 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0256410 0.0003157 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 0.0000000 0.0000983 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0000000 0.0001644 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0083333 0.0001733 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0084034 0.0002550 -0.0606803 -0.0313401 0.0303886
2-Apr-19 -0.0166667 0.0001719 -0.0553067 0.0149014 0.0195988
4-Apr-19 0.0000000 0.0003538 -0.0559383 -0.0318304 0.0355393
5-Apr-19 0.0000000 0.0003250 -0.0621013 0.0083241 -0.0050415
8-Apr-19 0.0169492 0.0002245 -0.0671913 -0.0069838 0.0173864
9-Apr-19 -0.0083333 0.0002448 -0.0514914 -0.0366114 0.0304045
10-Apr-19 -0.0084034 0.0002229 -0.0620326 0.0065376 -0.0035484
11-Apr-19 0.0084746 0.0001945 -0.0721636 0.0071723 -0.0161317
12-Apr-19 -0.0084034 0.0002270 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 0.0169492 0.0001693 -0.0542418 -0.0007394 0.0076824
NRCA
1-Mar-19 0.0138889 0.0002021 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0045662 0.0002007 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0045455 0.0001800 -0.0660975 0.0142269 -0.0135303
6-Mar-19 -0.0228311 0.0003406 -0.0557360 0.0026928 0.0026906
8-Mar-19 0.0000000 0.0000847 -0.0706656 0.0030399 0.0020492
11-Mar-19 -0.0186916 0.0000864 -0.0614839 0.0021102 -0.0213420
12-Mar-19 -0.0142857 0.0002906 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0000000 0.0000148 -0.0547518 0.0079933 0.0100706
14-Mar-19 -0.0096618 0.0000339 -0.0526576 -0.0175202 0.0004021
15-Mar-19 0.0146341 0.0008649 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 -0.0048077 0.0000298 -0.0510009 -0.0059806 0.0218819
19-Mar-19 0.0144928 0.0001218 -0.0628017 -0.0037588 0.0050841
20-Mar-19 -0.0047619 0.0000368 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0047847 0.0001099 -0.0551861 -0.0142237 0.0180511
22-Mar-19 -0.0095238 0.0004622 -0.0548936 -0.0080755 -0.0139893
88
25-Mar-19 -0.0048077 0.0000115 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0048309 0.0000269 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 -0.0048077 0.0000075 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0000000 0.0000163 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 0.0000000 0.0000212 -0.0612632 0.0009765 -0.0012520
1-Apr-19 -0.0241546 0.0005477 -0.0606803 -0.0313401 0.0303886
2-Apr-19 0.0000000 0.0000967 -0.0553067 0.0149014 0.0195988
4-Apr-19 -0.0198020 0.0008686 -0.0559383 -0.0318304 0.0355393
5-Apr-19 0.0202020 0.0000276 -0.0621013 0.0083241 -0.0050415
8-Apr-19 0.0049505 0.0000639 -0.0671913 -0.0069838 0.0173864
9-Apr-19 0.0000000 0.0000483 -0.0514914 -0.0366114 0.0304045
10-Apr-19 -0.0098522 0.0000310 -0.0620326 0.0065376 -0.0035484
11-Apr-19 0.0000000 0.0000295 -0.0721636 0.0071723 -0.0161317
12-Apr-19 0.0049751 0.0001356 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 0.0099010 0.0000661 -0.0542418 -0.0007394 0.0076824
PWON
1-Mar-19 0.0322581 0.0006913 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0000000 0.0005935 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 0.0000000 0.0001938 -0.0660975 0.0142269 -0.0135303
6-Mar-19 -0.0156250 0.0003012 -0.0557360 0.0026928 0.0026906
8-Mar-19 0.0000000 0.0003074 -0.0706656 0.0030399 0.0020492
11-Mar-19 -0.0158730 0.0003536 -0.0614839 0.0021102 -0.0213420
12-Mar-19 0.0161290 0.0004988 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0000000 0.0007238 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0158730 0.0004671 -0.0526576 -0.0175202 0.0004021
15-Mar-19 0.0468750 0.0017312 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0074627 0.0011377 -0.0510009 -0.0059806 0.0218819
19-Mar-19 0.0074074 0.0003986 -0.0628017 -0.0037588 0.0050841
20-Mar-19 0.0073529 0.0003572 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0291971 0.0012781 -0.0551861 -0.0142237 0.0180511
22-Mar-19 -0.0141844 0.0004404 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0287770 0.0003944 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0518519 0.0019685 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 -0.0281690 0.0009771 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0144928 0.0004942 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0142857 0.0006845 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0579710 0.0017607 -0.0606803 -0.0313401 0.0303886
2-Apr-19 0.0342466 0.0011222 -0.0553067 0.0149014 0.0195988
4-Apr-19 -0.0066225 0.0006788 -0.0559383 -0.0318304 0.0355393
5-Apr-19 -0.0266667 0.0005990 -0.0621013 0.0083241 -0.0050415
8-Apr-19 0.0068493 0.0007518 -0.0671913 -0.0069838 0.0173864
9-Apr-19 0.0204082 0.0007034 -0.0514914 -0.0366114 0.0304045
89
10-Apr-19 -0.0133333 0.0002787 -0.0620326 0.0065376 -0.0035484
11-Apr-19 -0.0540541 0.0009338 -0.0721636 0.0071723 -0.0161317
12-Apr-19 0.0428571 0.0009366 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 -0.0136986 0.0004783 -0.0542418 -0.0007394 0.0076824
SMRA
1-Mar-19 -0.0106383 0.0006648 -0.0494024 0.0095755 0.0058612
4-Mar-19 -0.0107527 0.0004724 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0271739 0.0010379 -0.0660975 0.0142269 -0.0135303
6-Mar-19 -0.0111732 0.0002694 -0.0557360 0.0026928 0.0026906
8-Mar-19 -0.0056497 0.0003417 -0.0706656 0.0030399 0.0020492
11-Mar-19 -0.0170455 0.0006446 -0.0614839 0.0021102 -0.0213420
12-Mar-19 -0.0173410 0.0007756 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0235294 0.0003407 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0172414 0.0010624 -0.0526576 -0.0175202 0.0004021
15-Mar-19 0.0169492 0.0021142 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0388889 0.0021590 -0.0510009 -0.0059806 0.0218819
19-Mar-19 -0.0053476 0.0007714 -0.0628017 -0.0037588 0.0050841
20-Mar-19 -0.0107527 0.0012426 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0597826 0.0058526 -0.0551861 -0.0142237 0.0180511
22-Mar-19 0.0051282 0.0014736 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0408163 0.0012633 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0319149 0.0007667 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 -0.0206186 0.0010443 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0105263 0.0006691 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0208333 0.0004535 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0851064 0.0038457 -0.0606803 -0.0313401 0.0303886
2-Apr-19 -0.0049020 0.0017730 -0.0553067 0.0149014 0.0195988
4-Apr-19 0.0591133 0.0030931 -0.0559383 -0.0318304 0.0355393
5-Apr-19 0.0325581 0.0045982 -0.0621013 0.0083241 -0.0050415
8-Apr-19 -0.0090090 0.0012289 -0.0671913 -0.0069838 0.0173864
9-Apr-19 0.0636364 0.0025074 -0.0514914 -0.0366114 0.0304045
10-Apr-19 0.0000000 0.0005710 -0.0620326 0.0065376 -0.0035484
11-Apr-19 -0.0042735 0.0004959 -0.0721636 0.0071723 -0.0161317
12-Apr-19 0.0214592 0.0013450 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 -0.0252101 0.0017397 -0.0542418 -0.0007394 0.0076824
SSIA
1-Mar-19 0.0677966 0.0108056 -0.0494024 0.0095755 0.0058612
4-Mar-19 -0.0317460 0.0070768 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0163934 0.0063596 -0.0660975 0.0142269 -0.0135303
6-Mar-19 -0.0083333 0.0038420 -0.0557360 0.0026928 0.0026906
8-Mar-19 0.0000000 0.0052124 -0.0706656 0.0030399 0.0020492
11-Mar-19 -0.0504202 0.0068656 -0.0614839 0.0021102 -0.0213420
12-Mar-19 0.0176991 0.0095028 -0.0607920 -0.0052102 -0.0144063
90
13-Mar-19 0.0086957 0.0053166 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0000000 0.0028024 -0.0526576 -0.0175202 0.0004021
15-Mar-19 -0.0172414 0.0050366 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0087719 0.0034494 -0.0510009 -0.0059806 0.0218819
19-Mar-19 0.0173913 0.0044166 -0.0628017 -0.0037588 0.0050841
20-Mar-19 -0.0170940 0.0038274 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0260870 0.0046563 -0.0551861 -0.0142237 0.0180511
22-Mar-19 -0.0169492 0.0026242 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0431034 0.0058559 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0000000 0.0067589 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 0.0000000 0.0037212 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0000000 0.0028591 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0090090 0.0031864 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0000000 0.0068784 -0.0606803 -0.0313401 0.0303886
2-Apr-19 0.0272727 0.0096790 -0.0553067 0.0149014 0.0195988
4-Apr-19 0.0265487 0.0069063 -0.0559383 -0.0318304 0.0355393
5-Apr-19 -0.0258621 0.0074817 -0.0621013 0.0083241 -0.0050415
8-Apr-19 -0.0176991 0.0073766 -0.0671913 -0.0069838 0.0173864
9-Apr-19 0.0090090 0.0038203 -0.0514914 -0.0366114 0.0304045
10-Apr-19 -0.0089286 0.0042845 -0.0620326 0.0065376 -0.0035484
11-Apr-19 0.0090090 0.0032075 -0.0721636 0.0071723 -0.0161317
12-Apr-19 0.0000000 0.0034422 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 -0.0089286 0.0042084 -0.0542418 -0.0007394 0.0076824
TOTL
1-Mar-19 0.0000000 0.0000929 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0080645 0.0000518 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0080000 0.0001071 -0.0660975 0.0142269 -0.0135303
6-Mar-19 0.0000000 0.0001144 -0.0557360 0.0026928 0.0026906
8-Mar-19 0.0000000 0.0001716 -0.0706656 0.0030399 0.0020492
11-Mar-19 0.0000000 0.0003211 -0.0614839 0.0021102 -0.0213420
12-Mar-19 -0.0080645 0.0001885 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0162602 0.0001221 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0000000 0.0003004 -0.0526576 -0.0175202 0.0004021
15-Mar-19 0.0000000 0.0000876 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0080000 0.0003674 -0.0510009 -0.0059806 0.0218819
19-Mar-19 0.0000000 0.0000760 -0.0628017 -0.0037588 0.0050841
20-Mar-19 0.0079365 0.0000838 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0000000 0.0002461 -0.0551861 -0.0142237 0.0180511
22-Mar-19 0.0000000 0.0001923 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0078740 0.0000891 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0000000 0.0000359 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 0.0158730 0.0000880 -0.0631603 0.0089847 0.0011383
91
28-Mar-19 0.0000000 0.0000652 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0156250 0.0006036 -0.0612632 0.0009765 -0.0012520
1-Apr-19 -0.0158730 0.0002365 -0.0606803 -0.0313401 0.0303886
2-Apr-19 0.0000000 0.0001865 -0.0553067 0.0149014 0.0195988
4-Apr-19 -0.0080645 0.0001631 -0.0559383 -0.0318304 0.0355393
5-Apr-19 0.0081301 0.0002093 -0.0621013 0.0083241 -0.0050415
8-Apr-19 -0.0161290 0.0002812 -0.0671913 -0.0069838 0.0173864
9-Apr-19 -0.0245902 0.0006613 -0.0514914 -0.0366114 0.0304045
10-Apr-19 0.0000000 0.0003638 -0.0620326 0.0065376 -0.0035484
11-Apr-19 0.0000000 0.0001244 -0.0721636 0.0071723 -0.0161317
12-Apr-19 -0.0084034 0.0000714 -0.0610006 -0.0056111 -0.0037207
15-Apr-19 0.0000000 0.0001284 -0.0542418 -0.0007394 0.0076824
WIKA
1-Mar-19 0.0252101 0.0018657 -0.0494024 0.0095755 0.0058612
4-Mar-19 0.0218579 0.0022207 -0.0601732 -0.0110533 -0.0138877
5-Mar-19 -0.0294118 0.0018774 -0.0660975 0.0142269 -0.0135303
6-Mar-19 0.0082645 0.0006993 -0.0557360 0.0026928 0.0026906
8-Mar-19 -0.0109290 0.0012086 -0.0706656 0.0030399 0.0020492
11-Mar-19 0.0055249 0.0014737 -0.0614839 0.0021102 -0.0213420
12-Mar-19 0.0000000 0.0011569 -0.0607920 -0.0052102 -0.0144063
13-Mar-19 0.0302198 0.0025268 -0.0547518 0.0079933 0.0100706
14-Mar-19 0.0240000 0.0057688 -0.0526576 -0.0175202 0.0004021
15-Mar-19 0.0104167 0.0041269 -0.0502988 -0.0095474 -0.0225226
18-Mar-19 0.0000000 0.0017379 -0.0510009 -0.0059806 0.0218819
19-Mar-19 0.0309278 0.0058962 -0.0628017 -0.0037588 0.0050841
20-Mar-19 -0.0050000 0.0037886 -0.0580126 -0.0042375 -0.0170808
21-Mar-19 0.0050251 0.0022433 -0.0551861 -0.0142237 0.0180511
22-Mar-19 -0.0100000 0.0024446 -0.0548936 -0.0080755 -0.0139893
25-Mar-19 -0.0151515 0.0032038 -0.0771391 0.0164357 -0.0132842
26-Mar-19 0.0102564 0.0013297 -0.0506206 -0.0140532 -0.0077441
27-Mar-19 0.0558376 0.0071846 -0.0631603 0.0089847 0.0011383
28-Mar-19 0.0432692 0.0088315 -0.0560191 -0.0080273 -0.0024342
29-Mar-19 -0.0046083 0.0057849 -0.0612632 0.0009765 -0.0012520
1-Apr-19 0.0138889 0.0031550 -0.0606803 -0.0313401 0.0303886
2-Apr-19 -0.0091324 0.0012826 -0.0553067 0.0149014 0.0195988
4-Apr-19 0.0552995 0.0076853 -0.0559383 -0.0318304 0.0355393
5-Apr-19 -0.0349345 0.0041077 -0.0621013 0.0083241 -0.0050415
8-Apr-19 -0.0316742 0.0030794 -0.0671913 -0.0069838 0.0173864
9-Apr-19 0.0327103 0.0034632 -0.0514914 -0.0366114 0.0304045
10-Apr-19 0.0045249 0.0037002 -0.0620326 0.0065376 -0.0035484
11-Apr-19 -0.0180180 0.0020442 -0.0721636 0.0071723 -0.0161317
12-Apr-19 -0.0229358 0.0027070 -0.0610006 -0.0056111 -0.0037207
92
15-Apr-19 0.0516432 0.0046321 -0.0542418 -0.0007394 0.0076824
Data Mentah Sektor Properti, Real Estate, dan Konstruksi Bangunan 2020
COMPANY Date RETURN SENT MP SMB HML
ADHI
2-Mar-20 -0.0132450 0.0037817 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0201342 0.0030259 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0394737 0.0046946 -0.0219978 0.0277748 0.0125933
5-Mar-20 0.0000000 0.0055333 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0316456 0.0013577 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.1241830 0.0047187 -0.1118480 0.0012135 0.0118424
10-Mar-20 0.0149254 0.0069162 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0735294 0.0036301 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.0793651 0.0054328 -0.0960094 0.0060807 0.0414095
13-Mar-20 0.0086207 0.0048623 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0683761 0.0029418 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0642202 0.0020971 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0666667 0.0029687 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0672269 0.0015030 -0.0964494 -0.0167400 0.0325547
20-Mar-20 -0.0630631 0.0070620 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0673077 0.0016542 -0.0922471 0.0053721 0.0380589
24-Mar-20 -0.0051546 0.0069893 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.1813472 0.0074451 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.2280702 0.0097031 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0625000 0.0075406 -0.0720181 -0.0016894 0.0121704
31-Mar-20 0.0190476 0.0019664 -0.0152531 0.0017259 -0.0048291
1-Apr-20 -0.0560748 0.0084140 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.0000000 0.0091925 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.0297030 0.0085408 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.2307692 0.0246795 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 -0.0156250 0.0231565 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0634921 0.0118272 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0000000 0.0033588 -0.0383441 0.0074497 -0.0004202
13-Apr-20 0.0762712 0.0068226 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0236220 0.0076905 -0.0252576 -0.0135363 -0.0216779
ASRI
2-Mar-20 -0.0460526 0.0003962 -0.0626180 0.0019193 -0.0037877
3-Mar-20 -0.0206897 0.0006519 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.1056338 0.0005842 -0.0219978 0.0277748 0.0125933
5-Mar-20 0.0000000 0.0002188 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0254777 0.0002308 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.0718954 0.0005363 -0.1118480 0.0012135 0.0118424
93
10-Mar-20 0.0633803 0.0002222 -0.0294524 0.0123092 0.0329585
11-Mar-20 0.0000000 0.0003973 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.0066225 0.0012217 -0.0960094 0.0060807 0.0414095
13-Mar-20 -0.0666667 0.0002625 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0500000 0.0004085 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0676692 0.0002322 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0645161 0.0002787 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0689655 0.0000353 -0.0964494 -0.0167400 0.0325547
20-Mar-20 -0.0648148 0.0015570 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0693069 0.0004428 -0.0922471 0.0053721 0.0380589
24-Mar-20 -0.0212766 0.0005964 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.1413043 0.0011318 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.0857143 0.0007469 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0614035 0.0001364 -0.0720181 -0.0016894 0.0121704
31-Mar-20 -0.0280374 0.0004314 -0.0152531 0.0017259 -0.0048291
1-Apr-20 0.0000000 0.0003582 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.0096154 0.0004529 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.0476190 0.0006332 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.2181818 0.0014614 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 -0.0671642 0.0035671 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0640000 0.0012874 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0170940 0.0017108 -0.0383441 0.0074497 -0.0004202
13-Apr-20 -0.0336134 0.0015592 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0869565 0.0016156 -0.0252576 -0.0135363 -0.0216779
BEST
2-Mar-20 -0.0222222 0.0017435 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0606061 0.0017984 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0642857 0.0022275 -0.0219978 0.0277748 0.0125933
5-Mar-20 0.0000000 0.0012858 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0335570 0.0005231 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.1041667 0.0020704 -0.1118480 0.0012135 0.0118424
10-Mar-20 0.0387597 0.0012346 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0597015 0.0007439 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.0793651 0.0018734 -0.0960094 0.0060807 0.0414095
13-Mar-20 -0.0172414 0.0026781 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0526316 0.0008237 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0648148 0.0017373 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0396040 0.0014262 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0618557 0.0007358 -0.0964494 -0.0167400 0.0325547
20-Mar-20 0.0439560 0.0014220 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0210526 0.0015549 -0.0922471 0.0053721 0.0380589
24-Mar-20 0.0967742 0.0011725 -0.0563396 0.0932925 0.0170957
94
26-Mar-20 0.0980392 0.0011321 0.0587294 0.0287980 -0.0089191
27-Mar-20 -0.0267857 0.0027273 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0642202 0.0003949 -0.0720181 -0.0016894 0.0121704
31-Mar-20 0.0000000 0.0008142 -0.0152531 0.0017259 -0.0048291
1-Apr-20 -0.0588235 0.0017337 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.1041667 0.0022233 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.0377358 0.0016213 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.1454545 0.0027060 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 -0.0476190 0.0027874 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 0.0000000 0.0033095 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.1666667 0.0071576 -0.0383441 0.0074497 -0.0004202
13-Apr-20 0.0000000 0.0042379 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0000000 0.0024956 -0.0252576 -0.0135363 -0.0216779
JRPT
2-Mar-20 0.0000000 0.0006283 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0000000 0.0006795 -0.0166012 0.0260290 -0.0148693
4-Mar-20 -0.0043478 0.0006067 -0.0219978 0.0277748 0.0125933
5-Mar-20 0.0000000 0.0010020 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0218341 0.0006497 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.0401786 0.0007172 -0.1118480 0.0012135 0.0118424
10-Mar-20 -0.0465116 0.0005644 -0.0294524 0.0123092 0.0329585
11-Mar-20 0.0048780 0.0003559 -0.0587351 0.0039586 0.0382419
12-Mar-20 0.0388350 0.0002960 -0.0960094 0.0060807 0.0414095
13-Mar-20 -0.0560748 0.0004260 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 0.0148515 0.0005276 -0.0898856 -0.0069252 0.0271789
17-Mar-20 0.0780488 0.0006068 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0271493 0.0005831 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0697674 0.0002169 -0.0964494 -0.0167400 0.0325547
20-Mar-20 0.0000000 0.0003959 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0700000 0.0001032 -0.0922471 0.0053721 0.0380589
24-Mar-20 -0.0591398 0.0004810 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.0400000 0.0006836 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.0714286 0.0005303 0.0044972 0.0162489 -0.0137616
30-Mar-20 0.0256410 0.0004629 -0.0720181 -0.0016894 0.0121704
31-Mar-20 -0.0300000 0.0004349 -0.0152531 0.0017259 -0.0048291
1-Apr-20 -0.0257732 0.0005435 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.0582011 0.0004520 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.0100000 0.0005191 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.0544554 0.0006751 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 0.0000000 0.0001749 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0375587 0.0000650 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0195122 0.0000305 -0.0383441 0.0074497 -0.0004202
95
13-Apr-20 0.0047847 0.0000028 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0285714 0.0000196 -0.0252576 -0.0135363 -0.0216779
NRCA
2-Mar-20 0.0000000 0.0018414 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0666667 0.0000465 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0500000 0.0000899 -0.0219978 0.0277748 0.0125933
5-Mar-20 -0.0178571 0.0000463 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0181818 0.0000113 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.0432099 0.0000642 -0.1118480 0.0012135 0.0118424
10-Mar-20 -0.0129032 0.0000175 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0196078 0.0010709 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.0533333 0.0001334 -0.0960094 0.0060807 0.0414095
13-Mar-20 -0.0140845 0.0002394 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0285714 0.0000945 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0441176 0.0000991 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0538462 0.0001847 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0569106 0.0009653 -0.0964494 -0.0167400 0.0325547
20-Mar-20 0.0431034 0.0002025 -0.0211534 0.0187541 -0.0238368
23-Mar-20 0.0000000 0.0007053 -0.0922471 0.0053721 0.0380589
24-Mar-20 0.0743802 0.0003305 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.0769231 0.0008422 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.0142857 0.0003690 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0281690 0.0000974 -0.0720181 -0.0016894 0.0121704
31-Mar-20 0.0144928 0.0000116 -0.0152531 0.0017259 -0.0048291
1-Apr-20 -0.0571429 0.0004444 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.0151515 0.0006624 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.0223881 0.0000155 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.0364964 0.0001615 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 -0.0492958 0.0001696 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 0.0296296 0.0001584 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0000000 0.0000187 -0.0383441 0.0074497 -0.0004202
13-Apr-20 -0.0575540 0.0002202 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0305344 0.0000118 -0.0252576 -0.0135363 -0.0216779
PWON
2-Mar-20 -0.0094340 0.0008497 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0380952 0.0006321 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0275229 0.0007865 -0.0219978 0.0277748 0.0125933
5-Mar-20 -0.0267857 0.0006038 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0275229 0.0003438 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.0566038 0.0011820 -0.1118480 0.0012135 0.0118424
10-Mar-20 -0.0040000 0.0005729 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0963855 0.0012097 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.0844444 0.0009712 -0.0960094 0.0060807 0.0414095
96
13-Mar-20 -0.0436893 0.0015150 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0659898 0.0005896 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0652174 0.0007032 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0406977 0.0010463 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0666667 0.0007496 -0.0964494 -0.0167400 0.0325547
20-Mar-20 -0.0129870 0.0022229 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0592105 0.0009488 -0.0922471 0.0053721 0.0380589
24-Mar-20 -0.0629371 0.0007071 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.1567164 0.0012415 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.0774194 0.0010992 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0658683 0.0004407 -0.0720181 -0.0016894 0.0121704
31-Mar-20 -0.0128205 0.0016684 -0.0152531 0.0017259 -0.0048291
1-Apr-20 0.0129870 0.0011638 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.0512821 0.0007163 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.0487805 0.0009616 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.2093023 0.0022990 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 -0.0288462 0.0044547 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0594059 0.0018775 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0631579 0.0009874 -0.0383441 0.0074497 -0.0004202
13-Apr-20 -0.0297030 0.0007214 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0357143 0.0012163 -0.0252576 -0.0135363 -0.0216779
SMRA
2-Mar-20 -0.0297619 0.0009945 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0184049 0.0007510 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0301205 0.0014525 -0.0219978 0.0277748 0.0125933
5-Mar-20 -0.0233918 0.0004274 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0359281 0.0006471 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.1180124 0.0008101 -0.1118480 0.0012135 0.0118424
10-Mar-20 -0.0281690 0.0008441 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0579710 0.0013508 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.1000000 0.0031179 -0.0960094 0.0060807 0.0414095
13-Mar-20 0.1111111 0.0049608 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0692308 0.0001209 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0661157 0.0003220 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0619469 0.0007799 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0679245 0.0001493 -0.0964494 -0.0167400 0.0325547
20-Mar-20 -0.0688259 0.0019937 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0695652 0.0003426 -0.0922471 0.0053721 0.0380589
24-Mar-20 -0.0654206 0.0013856 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.0000000 0.0124811 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.0750000 0.0078415 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0697674 0.0003275 -0.0720181 -0.0016894 0.0121704
97
31-Mar-20 0.0000000 0.0013484 -0.0152531 0.0017259 -0.0048291
1-Apr-20 -0.0700000 0.0031934 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 -0.0430108 0.0040339 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.1910112 0.0071602 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.2028302 0.0083727 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 0.0196078 0.0051768 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0692308 0.0019534 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0330579 0.0048680 -0.0383441 0.0074497 -0.0004202
13-Apr-20 -0.0280000 0.0020525 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.1111111 0.0022091 -0.0252576 -0.0135363 -0.0216779
SSIA
2-Mar-20 0.0000000 0.0010443 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0000000 0.0007565 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0387597 0.0013923 -0.0219978 0.0277748 0.0125933
5-Mar-20 -0.0298507 0.0016507 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0461538 0.0026719 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.0725806 0.0022341 -0.1118480 0.0012135 0.0118424
10-Mar-20 -0.0173913 0.0037394 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0353982 0.0014708 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.0972477 0.0002813 -0.0960094 0.0060807 0.0414095
13-Mar-20 -0.0691057 0.0001604 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0698690 0.0019946 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0657277 0.0023636 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0653266 0.0007335 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0698925 0.0002321 -0.0964494 -0.0167400 0.0325547
20-Mar-20 0.2485549 0.0036105 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0694444 0.0001597 -0.0922471 0.0053721 0.0380589
24-Mar-20 -0.0696517 0.0003478 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.2459893 0.0100080 0.0587294 0.0287980 -0.0089191
27-Mar-20 -0.0686695 0.0037774 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0691244 0.0001631 -0.0720181 -0.0016894 0.0121704
31-Mar-20 0.0891089 0.0021771 -0.0152531 0.0017259 -0.0048291
1-Apr-20 -0.0681818 0.0007602 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 -0.0682927 0.0052496 -0.0283685 0.0156082 0.0136491
3-Apr-20 -0.0261780 0.0102760 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.0752688 0.0099476 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 -0.0700000 0.0086914 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0645161 0.0017655 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0344828 0.0015985 -0.0383441 0.0074497 -0.0004202
13-Apr-20 0.0000000 0.0063806 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0444444 0.0079110 -0.0252576 -0.0135363 -0.0216779
TOTL 2-Mar-20 0.0000000 0.0005596 -0.0626180 0.0019193 -0.0037877
98
3-Mar-20 0.0215054 0.0003751 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0157895 0.0001194 -0.0219978 0.0277748 0.0125933
5-Mar-20 0.0000000 0.0000409 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0051813 0.0001583 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.0364583 0.0006229 -0.1118480 0.0012135 0.0118424
10-Mar-20 -0.0108108 0.0005396 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0437158 0.0001426 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.0457143 0.0003134 -0.0960094 0.0060807 0.0414095
13-Mar-20 -0.0419162 0.0003883 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0437500 0.0001276 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0196078 0.0006235 -0.0953557 -0.0150023 0.0098532
18-Mar-20 -0.0600000 0.0001822 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0638298 0.0006847 -0.0964494 -0.0167400 0.0325547
20-Mar-20 0.0606061 0.0009082 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0642857 0.0000219 -0.0922471 0.0053721 0.0380589
24-Mar-20 0.0534351 0.0000155 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.0797101 0.0000688 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.0469799 0.0003099 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0192308 0.0001178 -0.0720181 -0.0016894 0.0121704
31-Mar-20 0.0130719 0.0010701 -0.0152531 0.0017259 -0.0048291
1-Apr-20 -0.0064516 0.0002716 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.0064935 0.0001036 -0.0283685 0.0156082 0.0136491
3-Apr-20 -0.0322581 0.0004170 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.0200000 0.0008474 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 -0.0261438 0.0006460 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0402685 0.0001735 -0.0750387 0.0228104 0.0310447
9-Apr-20 0.0139860 0.0000552 -0.0383441 0.0074497 -0.0004202
13-Apr-20 0.0137931 0.0000680 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0068027 0.0003751 -0.0252576 -0.0135363 -0.0216779
WIKA
2-Mar-20 -0.0400000 0.0012355 -0.0626180 0.0019193 -0.0037877
3-Mar-20 0.0055556 0.0020089 -0.0166012 0.0260290 -0.0148693
4-Mar-20 0.0359116 0.0020917 -0.0219978 0.0277748 0.0125933
5-Mar-20 -0.0240000 0.0012350 -0.0482555 0.0083940 0.0125444
6-Mar-20 -0.0191257 0.0007056 -0.0706790 0.0023912 0.0033401
9-Mar-20 -0.1754875 0.0029774 -0.1118480 0.0012135 0.0118424
10-Mar-20 0.0472973 0.0056608 -0.0294524 0.0123092 0.0329585
11-Mar-20 -0.0967742 0.0043838 -0.0587351 0.0039586 0.0382419
12-Mar-20 -0.1821429 0.0097108 -0.0960094 0.0060807 0.0414095
13-Mar-20 0.0305677 0.0067616 -0.0434872 -0.0277566 -0.0084453
16-Mar-20 -0.0677966 0.0024225 -0.0898856 -0.0069252 0.0271789
17-Mar-20 -0.0681818 0.0023610 -0.0953557 -0.0150023 0.0098532
99
18-Mar-20 -0.0682927 0.0029296 -0.0737785 -0.0219544 0.0271967
19-Mar-20 -0.0680628 0.0002079 -0.0964494 -0.0167400 0.0325547
20-Mar-20 -0.0674157 0.0072269 -0.0211534 0.0187541 -0.0238368
23-Mar-20 -0.0662651 0.0056915 -0.0922471 0.0053721 0.0380589
24-Mar-20 -0.0645161 0.0095806 -0.0563396 0.0932925 0.0170957
26-Mar-20 0.1103448 0.0150724 0.0587294 0.0287980 -0.0089191
27-Mar-20 0.0931677 0.0093543 0.0044972 0.0162489 -0.0137616
30-Mar-20 -0.0681818 0.0026714 -0.0720181 -0.0016894 0.0121704
31-Mar-20 0.0182927 0.0029818 -0.0152531 0.0017259 -0.0048291
1-Apr-20 0.0000000 0.0057719 -0.0592551 -0.0140230 -0.0016707
2-Apr-20 0.0359281 0.0039087 -0.0283685 0.0156082 0.0136491
3-Apr-20 0.0520231 0.0063828 -0.0229080 -0.0344539 -0.0246426
6-Apr-20 0.2472527 0.0107859 -0.0023812 -0.0256979 -0.0139655
7-Apr-20 0.0748899 0.0131903 -0.0499505 -0.0386399 -0.0063532
8-Apr-20 -0.0696721 0.0071192 -0.0750387 0.0228104 0.0310447
9-Apr-20 -0.0396476 0.0067767 -0.0383441 0.0074497 -0.0004202
13-Apr-20 -0.0137615 0.0073987 -0.0485231 0.0007674 0.0146388
14-Apr-20 0.0511628 0.0054497 -0.0252576 -0.0135363 -0.0216779
Data Mentah Sektor Infrastruktur, Utilitas, dan Tarnsportasi Maret – April 2019
COMPANY Date RETURN SENT MP SMB HML
BIRD
1-Mar-19 0.0000000 0.0000953 -0.0494024 -0.0034055 0.0009476
4-Mar-19 -0.0133333 0.0000127 -0.0601732 0.0121427 0.0057509
5-Mar-19 0.0033784 0.0000534 -0.0660975 0.0349356 -0.0197699
6-Mar-19 0.0101010 0.0005711 -0.0557360 0.0545385 0.0524795
8-Mar-19 0.0000000 0.0002226 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0066667 0.0000275 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 0.0033557 0.0000282 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 0.0000000 0.0000592 -0.0547518 -0.0113366 0.0312586
14-Mar-19 0.0000000 0.0000117 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 0.0000000 0.0006758 -0.0502988 -0.0323173 0.0188095
18-Mar-19 0.0133779 0.0010654 -0.0510009 -0.0015837 0.0616280
19-Mar-19 0.0429043 0.0021065 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 0.0158228 0.0025666 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 0.0623053 0.0018612 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 -0.0029326 0.0013677 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0147059 0.0007093 -0.0771391 0.0067350 -0.0178628
26-Mar-19 0.0059701 0.0008933 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 0.0326409 0.0007273 -0.0631603 0.0070350 0.0260551
100
28-Mar-19 -0.0057471 0.0006786 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 0.0260116 0.0002700 -0.0612632 0.0009721 -0.0321782
1-Apr-19 -0.0450704 0.0003986 -0.0606803 0.0234170 0.0203997
2-Apr-19 0.0000000 0.0007262 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0000000 0.0008072 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 0.0000000 0.0004103 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0117994 0.0000761 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0000000 0.0004294 -0.0514914 0.0012796 0.0224035
10-Apr-19 0.0089552 0.0000178 -0.0620326 0.0036217 -0.0025277
11-Apr-19 0.0000000 0.0000803 -0.0721636 0.0073023 -0.0176011
12-Apr-19 0.0059172 0.0001993 -0.0610006 -0.0054384 0.0342472
15-Apr-19 -0.0117647 0.0001295 -0.0542418 0.0092350 0.0238296
GIAA
1-Mar-19 0.0183486 0.0036276 -0.0494024 -0.0034055 0.0009476
4-Mar-19 0.0180180 0.0024048 -0.0601732 0.0121427 0.0057509
5-Mar-19 -0.0088496 0.0009631 -0.0660975 0.0349356 -0.0197699
6-Mar-19 0.1250000 0.0088088 -0.0557360 0.0545385 0.0524795
8-Mar-19 -0.0238095 0.0032404 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0325203 0.0018381 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 0.0000000 0.0015814 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 0.0084034 0.0016825 -0.0547518 -0.0113366 0.0312586
14-Mar-19 -0.0333333 0.0014087 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 -0.0086207 0.0015172 -0.0502988 -0.0323173 0.0188095
18-Mar-19 0.0608696 0.0022178 -0.0510009 -0.0015837 0.0616280
19-Mar-19 -0.0327869 0.0011030 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 -0.0169492 0.0005275 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 -0.0431034 0.0019767 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 0.0000000 0.0034582 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0360360 0.0019830 -0.0771391 0.0067350 -0.0178628
26-Mar-19 -0.1364486 0.0132309 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 0.0519481 0.0083208 -0.0631603 0.0070350 0.0260551
28-Mar-19 -0.0123457 0.0030728 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 -0.0125000 0.0009233 -0.0612632 0.0009721 -0.0321782
1-Apr-19 0.0379747 0.0023392 -0.0606803 0.0234170 0.0203997
2-Apr-19 0.0040650 0.0017650 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 -0.0485830 0.0013187 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 0.0042553 0.0005987 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0720339 0.0014294 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0410959 0.0018457 -0.0514914 0.0012796 0.0224035
10-Apr-19 -0.0219298 0.0005715 -0.0620326 0.0036217 -0.0025277
11-Apr-19 -0.0224215 0.0007295 -0.0721636 0.0073023 -0.0176011
12-Apr-19 0.0045872 0.0013543 -0.0610006 -0.0054384 0.0342472
101
15-Apr-19 0.0547945 0.0028078 -0.0542418 0.0092350 0.0238296
ISAT
1-Mar-19 0.0060606 0.0015330 -0.0494024 -0.0034055 0.0009476
4-Mar-19 -0.0421687 0.0007221 -0.0601732 0.0121427 0.0057509
5-Mar-19 0.0000000 0.0011906 -0.0660975 0.0349356 -0.0197699
6-Mar-19 -0.0408805 0.0010681 -0.0557360 0.0545385 0.0524795
8-Mar-19 -0.0721311 0.0014233 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0353357 0.0010249 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 -0.0219780 0.0006296 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 0.0486891 0.0019267 -0.0547518 -0.0113366 0.0312586
14-Mar-19 -0.0321429 0.0008410 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 0.0036900 0.0005170 -0.0502988 -0.0323173 0.0188095
18-Mar-19 0.0992647 0.0022490 -0.0510009 -0.0015837 0.0616280
19-Mar-19 0.0033445 0.0018003 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 -0.0400000 0.0006362 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 0.0000000 0.0006727 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 -0.0243056 0.0004536 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0569395 0.0005365 -0.0771391 0.0067350 -0.0178628
26-Mar-19 -0.0377358 0.0009725 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 0.0156863 0.0005994 -0.0631603 0.0070350 0.0260551
28-Mar-19 -0.0115830 0.0002677 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 -0.0234375 0.0002295 -0.0612632 0.0009721 -0.0321782
1-Apr-19 -0.0440000 0.0005418 -0.0606803 0.0234170 0.0203997
2-Apr-19 -0.0251046 0.0008340 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0515021 0.0003949 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 0.0693878 0.0012338 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0229008 0.0005283 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0156250 0.0006298 -0.0514914 0.0012796 0.0224035
10-Apr-19 -0.0038462 0.0003066 -0.0620326 0.0036217 -0.0025277
11-Apr-19 -0.0154440 0.0003412 -0.0721636 0.0073023 -0.0176011
12-Apr-19 0.0705882 0.0021954 -0.0610006 -0.0054384 0.0342472
15-Apr-19 -0.0073260 0.0009011 -0.0542418 0.0092350 0.0238296
IPCC
1-Mar-19 0.0035971 0.0035971 -0.0494024 -0.0034055 0.0009476
4-Mar-19 0.0430108 0.0430108 -0.0601732 0.0121427 0.0057509
5-Mar-19 0.1271478 0.1271478 -0.0660975 0.0349356 -0.0197699
6-Mar-19 -0.1158537 -0.1158537 -0.0557360 0.0545385 0.0524795
8-Mar-19 -0.0206897 -0.0206897 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0140845 -0.0140845 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 0.0000000 0.0000000 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 0.0000000 0.0000000 -0.0547518 -0.0113366 0.0312586
14-Mar-19 0.0035714 0.0035714 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 0.0035587 0.0035587 -0.0502988 -0.0323173 0.0188095
102
18-Mar-19 -0.0035461 -0.0035461 -0.0510009 -0.0015837 0.0616280
19-Mar-19 0.0000000 0.0000000 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 0.0000000 0.0000000 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 0.0000000 0.0000000 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 0.0035587 0.0035587 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0425532 -0.0425532 -0.0771391 0.0067350 -0.0178628
26-Mar-19 0.0370370 0.0370370 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 0.0000000 0.0000000 -0.0631603 0.0070350 0.0260551
28-Mar-19 0.0000000 0.0000000 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 -0.0142857 -0.0142857 -0.0612632 0.0009721 -0.0321782
1-Apr-19 -0.0362319 -0.0362319 -0.0606803 0.0234170 0.0203997
2-Apr-19 0.0075188 0.0075188 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0111940 0.0111940 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 -0.0184502 -0.0184502 -0.0621013 -0.0120727 0.0121946
8-Apr-19 0.0338346 0.0338346 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 -0.0109091 -0.0109091 -0.0514914 0.0012796 0.0224035
10-Apr-19 0.0000000 0.0000000 -0.0620326 0.0036217 -0.0025277
11-Apr-19 -0.0257353 -0.0257353 -0.0721636 0.0073023 -0.0176011
12-Apr-19 -0.0037736 -0.0037736 -0.0610006 -0.0054384 0.0342472
15-Apr-19 -0.0075758 -0.0075758 -0.0542418 0.0092350 0.0238296
JSMR
1-Mar-19 0.0287081 0.0012844 -0.0494024 -0.0034055 0.0009476
4-Mar-19 0.0000000 0.0008759 -0.0601732 0.0121427 0.0057509
5-Mar-19 -0.0232558 0.0006874 -0.0660975 0.0349356 -0.0197699
6-Mar-19 -0.0190476 0.0003508 -0.0557360 0.0545385 0.0524795
8-Mar-19 -0.0145631 0.0007145 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0147783 0.0007462 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 0.0050000 0.0003307 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 0.0049751 0.0004639 -0.0547518 -0.0113366 0.0312586
14-Mar-19 0.0049505 0.0003321 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 0.0492611 0.0014831 -0.0502988 -0.0323173 0.0188095
18-Mar-19 0.0000000 0.0006481 -0.0510009 -0.0015837 0.0616280
19-Mar-19 -0.0046948 0.0003449 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 0.0000000 0.0001787 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 0.0283019 0.0009253 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 -0.0229358 0.0005320 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0234742 0.0008665 -0.0771391 0.0067350 -0.0178628
26-Mar-19 0.0384615 0.0007517 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 0.0462963 0.0031841 -0.0631603 0.0070350 0.0260551
28-Mar-19 0.0398230 0.0020001 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 0.0170213 0.0029032 -0.0612632 0.0009721 -0.0321782
1-Apr-19 -0.0125523 0.0005801 -0.0606803 0.0234170 0.0203997
103
2-Apr-19 0.0169492 0.0005904 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0250000 0.0009744 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 -0.0162602 0.0012877 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0082645 0.0009337 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0291667 0.0012432 -0.0514914 0.0012796 0.0224035
10-Apr-19 -0.0202429 0.0024113 -0.0620326 0.0036217 -0.0025277
11-Apr-19 -0.0082645 0.0003660 -0.0721636 0.0073023 -0.0176011
12-Apr-19 0.0000000 0.0005986 -0.0610006 -0.0054384 0.0342472
15-Apr-19 0.0208333 0.0005968 -0.0542418 0.0092350 0.0238296
PGAS
1-Mar-19 -0.0196850 0.0022029 -0.0494024 -0.0034055 0.0009476
4-Mar-19 0.0200803 0.0019893 -0.0601732 0.0121427 0.0057509
5-Mar-19 -0.0314961 0.0026471 -0.0660975 0.0349356 -0.0197699
6-Mar-19 0.0000000 0.0020761 -0.0557360 0.0545385 0.0524795
8-Mar-19 -0.0121951 0.0019041 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0246914 0.0025218 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 -0.0084388 0.0029494 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 0.0170213 0.0020767 -0.0547518 -0.0113366 0.0312586
14-Mar-19 0.0125523 0.0016127 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 0.0165289 0.0044015 -0.0502988 -0.0323173 0.0188095
18-Mar-19 0.0121951 0.0011366 -0.0510009 -0.0015837 0.0616280
19-Mar-19 -0.0120482 0.0006185 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 -0.0203252 0.0018968 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 -0.0124481 0.0020113 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 -0.0084034 0.0016621 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0127119 0.0017676 -0.0771391 0.0067350 -0.0178628
26-Mar-19 0.0171674 0.0015692 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 -0.0084388 0.0013150 -0.0631603 0.0070350 0.0260551
28-Mar-19 0.0000000 0.0012307 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 0.0000000 0.0016372 -0.0612632 0.0009721 -0.0321782
1-Apr-19 0.0000000 0.0008926 -0.0606803 0.0234170 0.0203997
2-Apr-19 -0.0425532 0.0040735 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0266667 0.0014337 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 -0.0129870 0.0007440 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0043860 0.0016540 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0088106 0.0011566 -0.0514914 0.0012796 0.0224035
10-Apr-19 0.0000000 0.0013072 -0.0620326 0.0036217 -0.0025277
11-Apr-19 -0.0174672 0.0010389 -0.0721636 0.0073023 -0.0176011
12-Apr-19 0.0133333 0.0008790 -0.0610006 -0.0054384 0.0342472
15-Apr-19 0.0000000 0.0007898 -0.0542418 0.0092350 0.0238296
PPRE 1-Mar-19 0.0053191 0.0005953 -0.0494024 -0.0034055 0.0009476
4-Mar-19 -0.0211640 0.0005368 -0.0601732 0.0121427 0.0057509
104
5-Mar-19 -0.0108108 0.0004047 -0.0660975 0.0349356 -0.0197699
6-Mar-19 0.0655738 0.0008527 -0.0557360 0.0545385 0.0524795
8-Mar-19 -0.0102564 0.0004900 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0051813 0.0002790 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 -0.0052083 0.0005126 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 -0.0052356 0.0004333 -0.0547518 -0.0113366 0.0312586
14-Mar-19 0.0368421 0.0011807 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 -0.0101523 0.0001845 -0.0502988 -0.0323173 0.0188095
18-Mar-19 -0.0205128 0.0005577 -0.0510009 -0.0015837 0.0616280
19-Mar-19 0.0209424 0.0009521 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 -0.0102564 0.0005608 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 0.0207254 0.0012402 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 0.0253807 0.0014039 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0148515 0.0011093 -0.0771391 0.0067350 -0.0178628
26-Mar-19 0.0000000 0.0011334 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 -0.0050251 0.0007760 -0.0631603 0.0070350 0.0260551
28-Mar-19 0.0101010 0.0012279 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 0.0150000 0.0017304 -0.0612632 0.0009721 -0.0321782
1-Apr-19 0.0000000 0.0008720 -0.0606803 0.0234170 0.0203997
2-Apr-19 -0.0197044 0.0011354 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0100503 0.0012153 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 -0.0049751 0.0010298 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0100000 0.0010187 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0101010 0.0010959 -0.0514914 0.0012796 0.0224035
10-Apr-19 0.0050000 0.0011010 -0.0620326 0.0036217 -0.0025277
11-Apr-19 0.0348259 0.0020117 -0.0721636 0.0073023 -0.0176011
12-Apr-19 -0.0048077 0.0007431 -0.0610006 -0.0054384 0.0342472
15-Apr-19 0.0000000 0.0009975 -0.0542418 0.0092350 0.0238296
TGRA
1-Mar-19 0.0000000 0.0140737 -0.0494024 -0.0034055 0.0009476
4-Mar-19 0.0000000 0.0104505 -0.0601732 0.0121427 0.0057509
5-Mar-19 0.0248447 0.0139780 -0.0660975 0.0349356 -0.0197699
6-Mar-19 0.0060606 0.0058246 -0.0557360 0.0545385 0.0524795
8-Mar-19 0.0120482 0.0108514 -0.0706656 0.0150403 -0.0337748
11-Mar-19 -0.0059524 0.0129795 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 -0.0059880 0.0094142 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 -0.0120482 0.0078650 -0.0547518 -0.0113366 0.0312586
14-Mar-19 -0.0304878 0.0075144 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 -0.0314465 0.0100935 -0.0502988 -0.0323173 0.0188095
18-Mar-19 -0.0064935 0.0063345 -0.0510009 -0.0015837 0.0616280
19-Mar-19 -0.0130719 0.0044500 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 -0.0132450 0.0088236 -0.0580126 -0.0004403 -0.0185057
105
21-Mar-19 0.0268456 0.0066304 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 -0.0065359 0.0081475 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0065789 0.0167561 -0.0771391 0.0067350 -0.0178628
26-Mar-19 -0.0066225 0.0124173 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 0.0066667 0.0144565 -0.0631603 0.0070350 0.0260551
28-Mar-19 0.0198675 0.0066723 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 0.0259740 0.0121985 -0.0612632 0.0009721 -0.0321782
1-Apr-19 0.0000000 0.0050208 -0.0606803 0.0234170 0.0203997
2-Apr-19 0.0000000 0.0050197 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0000000 0.0173438 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 -0.0063291 0.0114815 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0127389 0.0079051 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0064516 0.0135184 -0.0514914 0.0012796 0.0224035
10-Apr-19 -0.0064103 0.0132250 -0.0620326 0.0036217 -0.0025277
11-Apr-19 0.0064516 0.0108110 -0.0721636 0.0073023 -0.0176011
12-Apr-19 0.0000000 0.0116435 -0.0610006 -0.0054384 0.0342472
15-Apr-19 0.0000000 0.0084570 -0.0542418 0.0092350 0.0238296
TLKM
1-Mar-19 0.0129534 0.0005028 -0.0494024 -0.0034055 0.0009476
4-Mar-19 -0.0153453 0.0003256 -0.0601732 0.0121427 0.0057509
5-Mar-19 0.0051948 0.0004156 -0.0660975 0.0349356 -0.0197699
6-Mar-19 -0.0129199 0.0007059 -0.0557360 0.0545385 0.0524795
8-Mar-19 -0.0209424 0.0010697 -0.0706656 0.0150403 -0.0337748
11-Mar-19 0.0080214 0.0006284 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 0.0079576 0.0006171 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 -0.0184211 0.0008750 -0.0547518 -0.0113366 0.0312586
14-Mar-19 0.0000000 0.0009015 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 0.0026810 0.0015399 -0.0502988 -0.0323173 0.0188095
18-Mar-19 0.0240642 0.0006117 -0.0510009 -0.0015837 0.0616280
19-Mar-19 -0.0130548 0.0004790 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 0.0000000 0.0006556 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 0.0052910 0.0005737 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 0.0052632 0.0004770 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0130890 0.0006804 -0.0771391 0.0067350 -0.0178628
26-Mar-19 0.0132626 0.0003211 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 0.0000000 0.0005623 -0.0631603 0.0070350 0.0260551
28-Mar-19 0.0183246 0.0008630 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 0.0154242 0.0014638 -0.0612632 0.0009721 -0.0321782
1-Apr-19 -0.0050633 0.0004857 -0.0606803 0.0234170 0.0203997
2-Apr-19 0.0050891 0.0004796 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 0.0227848 0.0011618 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 0.0024752 0.0009134 -0.0621013 -0.0120727 0.0121946
106
8-Apr-19 -0.0172840 0.0011417 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 -0.0025126 0.0011510 -0.0514914 0.0012796 0.0224035
10-Apr-19 -0.0050378 0.0007768 -0.0620326 0.0036217 -0.0025277
11-Apr-19 -0.0202532 0.0007614 -0.0721636 0.0073023 -0.0176011
12-Apr-19 -0.0103359 0.0006509 -0.0610006 -0.0054384 0.0342472
15-Apr-19 0.0000000 0.0004493 -0.0542418 0.0092350 0.0238296
TOWR
1-Mar-19 0.0063291 0.0002275 -0.0494024 -0.0034055 0.0009476
4-Mar-19 0.0062893 0.0004539 -0.0601732 0.0121427 0.0057509
5-Mar-19 -0.0250000 0.0002521 -0.0660975 0.0349356 -0.0197699
6-Mar-19 0.0000000 0.0001582 -0.0557360 0.0545385 0.0524795
8-Mar-19 0.0000000 0.0002702 -0.0706656 0.0150403 -0.0337748
11-Mar-19 0.0192308 0.0001629 -0.0614839 -0.0053170 -0.0351038
12-Mar-19 0.0062893 0.0005751 -0.0607920 -0.0011735 -0.0081719
13-Mar-19 0.0000000 0.0005192 -0.0547518 -0.0113366 0.0312586
14-Mar-19 0.0375000 0.0006918 -0.0526576 -0.0214184 -0.0156954
15-Mar-19 -0.0120482 0.0002352 -0.0502988 -0.0323173 0.0188095
18-Mar-19 -0.0243902 0.0001423 -0.0510009 -0.0015837 0.0616280
19-Mar-19 -0.0062500 0.0002670 -0.0628017 -0.0019591 -0.0072072
20-Mar-19 0.0062893 0.0002375 -0.0580126 -0.0004403 -0.0185057
21-Mar-19 0.0000000 0.0002229 -0.0551861 -0.0044347 -0.0394093
22-Mar-19 -0.0062500 0.0000348 -0.0548936 0.0139722 -0.0046625
25-Mar-19 -0.0440252 0.0003081 -0.0771391 0.0067350 -0.0178628
26-Mar-19 0.0263158 0.0002714 -0.0506206 -0.0589006 -0.0799498
27-Mar-19 -0.0064103 0.0004037 -0.0631603 0.0070350 0.0260551
28-Mar-19 0.0000000 0.0002721 -0.0560191 -0.0114069 -0.0235835
29-Mar-19 0.0129032 0.0004285 -0.0612632 0.0009721 -0.0321782
1-Apr-19 -0.0445860 0.0007020 -0.0606803 0.0234170 0.0203997
2-Apr-19 0.0333333 0.0002643 -0.0553067 -0.0007761 -0.0244875
4-Apr-19 -0.0193548 0.0001326 -0.0559383 -0.0357670 -0.0056068
5-Apr-19 0.0263158 0.0004432 -0.0621013 -0.0120727 0.0121946
8-Apr-19 -0.0320513 0.0004498 -0.0671913 -0.0113952 -0.0241354
9-Apr-19 0.0066225 0.0001089 -0.0514914 0.0012796 0.0224035
10-Apr-19 -0.0197368 0.0001613 -0.0620326 0.0036217 -0.0025277
11-Apr-19 0.0000000 0.0001774 -0.0721636 0.0073023 -0.0176011
12-Apr-19 -0.0335570 0.0011325 -0.0610006 -0.0054384 0.0342472
15-Apr-19 0.0069444 0.0006591 -0.0542418 0.0092350 0.0238296
107
Data Mentah Sektor Infrastruktur, Utilitas, dan Tarnsportasi Maret – April 2019
COMPANY Date RETURN SENT MP SMB HML
BIRD
2-Mar-20 -0.0222222 0.0001576 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0000000 0.0001060 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 -0.0136364 0.0001677 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 -0.0092166 0.0004121 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0279070 0.0001220 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.0287081 0.0003051 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0344828 0.0008717 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0285714 0.0006071 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.0539216 0.0000878 -0.0960094 0.0117541 -0.0047855
13-Mar-20 0.0362694 0.0005098 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0700000 0.0000407 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0698925 0.0000699 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0693642 0.0000653 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0683230 0.0000217 -0.0964494 0.0000152 -0.0004433
20-Mar-20 -0.0700000 0.0000692 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0681004 0.0000160 -0.0922471 0.0046806 0.0038411
24-Mar-20 -0.0692308 0.0000682 -0.0563396 0.0244360 -0.0070545
26-Mar-20 -0.0661157 0.0011621 0.0587294 0.0054266 -0.0187541
27-Mar-20 -0.0663717 0.0028908 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0663507 0.0002194 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 -0.0203046 0.0003147 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 -0.0518135 0.0002392 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.0546448 0.0007352 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.0518135 0.0008082 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.0000000 0.0003001 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 -0.0147783 0.0013549 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0050000 0.0003645 -0.0750387 0.0320845 0.0106638
9-Apr-20 0.0201005 0.0000846 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0000000 0.0001689 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0000000 0.0001669 -0.0252576 -0.0261018 -0.0166719
GIAA
2-Mar-20 0.0160000 0.0022707 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0551181 0.0018109 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0298507 0.0008169 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 0.0289855 0.0024642 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0211268 0.0008209 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.1007194 0.0010266 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0480000 0.0009219 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0687023 0.0007281 -0.0587351 0.0003206 -0.0097628
108
12-Mar-20 -0.0737705 0.0010683 -0.0960094 0.0117541 -0.0047855
13-Mar-20 -0.0176991 0.0006551 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0630631 0.0005364 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0673077 0.0003927 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0670103 0.0003823 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0662983 0.0003215 -0.0964494 0.0000152 -0.0004433
20-Mar-20 -0.0591716 0.0007237 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0566038 0.0004425 -0.0922471 0.0046806 0.0038411
24-Mar-20 0.0000000 0.0005189 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.1333333 0.0016272 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0882353 0.0024472 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0540541 0.0005654 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0342857 0.0006177 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 0.0055249 0.0007302 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.0054945 0.0008188 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.0437158 0.0009957 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.0994764 0.0016596 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 0.0380952 0.0012246 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0642202 0.0007838 -0.0750387 0.0320845 0.0106638
9-Apr-20 0.0294118 0.0006091 -0.0383441 0.0083835 0.0070372
13-Apr-20 -0.0095238 0.0002759 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0096154 0.0010561 -0.0252576 -0.0261018 -0.0166719
ISAT
2-Mar-20 0.0245098 0.0008826 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0334928 0.0006605 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0462963 0.0010572 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 -0.0088496 0.0005880 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0357143 0.0005570 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.0740741 0.0005232 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0300000 0.0005536 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0800971 0.0006533 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.0949868 0.0009365 -0.0960094 0.0117541 -0.0047855
13-Mar-20 -0.0116618 0.0005744 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0678466 0.0004018 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0696203 0.0002011 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0680272 0.0009885 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0693431 0.0000402 -0.0964494 0.0000152 -0.0004433
20-Mar-20 0.0784314 0.0014552 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0690909 0.0001086 -0.0922471 0.0046806 0.0038411
24-Mar-20 -0.0625000 0.0008419 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.1166667 0.0020111 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0447761 0.0025030 0.0044972 -0.0193301 -0.0121489
109
30-Mar-20 0.0178571 0.0004555 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0912281 0.0009165 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 -0.0032154 0.0008464 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.1193548 0.0011279 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.1210375 0.0016666 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.1208226 0.0011799 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 -0.0550459 0.0024107 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0679612 0.0012494 -0.0750387 0.0320845 0.0106638
9-Apr-20 0.0182292 0.0009491 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0179028 0.0005914 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0402010 0.0013288 -0.0252576 -0.0261018 -0.0166719
IPCC
2-Mar-20 0.0044053 0.0004792 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0307018 0.0004808 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 -0.0255319 0.0008574 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 -0.0087336 0.0007435 -0.0482555 0.0106247 0.0086618
6-Mar-20 0.0132159 0.0003568 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.2478261 0.0076938 -0.1118480 -0.0226638 0.0020942
10-Mar-20 -0.0578035 0.0130276 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0368098 0.0036279 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.0382166 0.0011839 -0.0960094 0.0117541 -0.0047855
13-Mar-20 -0.0198675 0.0012985 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0270270 0.0011159 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0555556 0.0011065 -0.0953557 0.0034851 0.0021450
18-Mar-20 0.0514706 0.0017104 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0699301 0.0013431 -0.0964494 0.0000152 -0.0004433
20-Mar-20 -0.0676692 0.0034805 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0645161 0.0050262 -0.0922471 0.0046806 0.0038411
24-Mar-20 0.0431034 0.0014368 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.2148760 0.0022255 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0068027 0.0030739 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0675676 0.0009729 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0072464 0.0005946 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 -0.0431655 0.0008698 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.0526316 0.0011768 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.0500000 0.0036186 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.0136054 0.0044903 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 0.0000000 0.0084344 -0.0499505 0.0181666 0.0095512
8-Apr-20 0.0805369 0.0622975 -0.0750387 0.0320845 0.0106638
9-Apr-20 -0.0124224 0.0061963 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0062893 0.0026108 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0250000 0.0028457 -0.0252576 -0.0261018 -0.0166719
110
JSMR
2-Mar-20 -0.0128205 0.0006864 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0303030 0.0007832 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0126050 0.0004725 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 0.0145228 0.0008157 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0306748 0.0007761 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.0696203 0.0007142 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0204082 0.0007091 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0333333 0.0007915 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.1034483 0.0008166 -0.0960094 0.0117541 -0.0047855
13-Mar-20 -0.0512821 0.0022117 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0675676 0.0004898 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0695652 0.0002751 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0685358 0.0008063 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0668896 0.0003628 -0.0964494 0.0000152 -0.0004433
20-Mar-20 -0.0358423 0.0017279 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0669145 0.0004260 -0.0922471 0.0046806 0.0038411
24-Mar-20 -0.0677291 0.0011065 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.0512821 0.0034567 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0569106 0.0025079 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0692308 0.0008467 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0495868 0.0014483 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 -0.0157480 0.0017541 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.0400000 0.0010018 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.1076923 0.0012978 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.1458333 0.0018498 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 -0.0303030 0.0023787 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0687500 0.0012667 -0.0750387 0.0320845 0.0106638
9-Apr-20 -0.0469799 0.0021972 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0739437 0.0016309 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0229508 0.0015892 -0.0252576 -0.0261018 -0.0166719
PGAS
2-Mar-20 0.0078125 0.0036359 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0426357 0.0037379 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0594796 0.0036637 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 0.0000000 0.0026795 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0561404 0.0023232 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.1301115 0.0036019 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0299145 0.0034834 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0663900 0.0032082 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.1066667 0.0032341 -0.0960094 0.0117541 -0.0047855
13-Mar-20 -0.0248756 0.0047153 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0663265 0.0020632 -0.0898856 0.0077735 0.0006395
111
17-Mar-20 -0.0655738 0.0032461 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0643275 0.0030586 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0687500 0.0004271 -0.0964494 0.0000152 -0.0004433
20-Mar-20 -0.0671141 0.0095145 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0647482 0.0005700 -0.0922471 0.0046806 0.0038411
24-Mar-20 -0.0692308 0.0082754 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.1239669 0.0117536 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.1176471 0.0130526 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0394737 0.0035671 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0616438 0.0053361 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 -0.0516129 0.0061080 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.0884354 0.0072639 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.0000000 0.0082160 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.1187500 0.0122638 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 0.0223464 0.0126646 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0655738 0.0051652 -0.0750387 0.0320845 0.0106638
9-Apr-20 -0.0233918 0.0071129 -0.0383441 0.0083835 0.0070372
13-Apr-20 -0.0059880 0.0038238 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0843373 0.0090414 -0.0252576 -0.0261018 -0.0166719
PPRE
2-Mar-20 -0.0125000 0.0009270 -0.0626180 -0.0000149 0.0029569
3-Mar-20 -0.0063291 0.0026793 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0000000 0.0046017 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 0.0700637 0.0050577 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0535714 0.0015200 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.1069182 0.0024287 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0140845 0.0014325 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0763889 0.0018381 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.0977444 0.0011008 -0.0960094 0.0117541 -0.0047855
13-Mar-20 -0.0333333 0.0012227 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0689655 0.0015378 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0648148 0.0017709 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0693069 0.0016115 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0638298 0.0002073 -0.0964494 0.0000152 -0.0004433
20-Mar-20 -0.0454545 0.0023985 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0595238 0.0009293 -0.0922471 0.0046806 0.0038411
24-Mar-20 -0.0126582 0.0019053 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.1538462 0.0024392 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0555556 0.0027564 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0315789 0.0011442 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0434783 0.0010805 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 0.0000000 0.0026496 -0.0592551 0.0117922 0.0133914
112
2-Apr-20 0.1250000 0.0026616 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.0185185 0.0027039 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.1727273 0.0024779 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 0.0465116 0.0037758 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0666667 0.0017186 -0.0750387 0.0320845 0.0106638
9-Apr-20 -0.0158730 0.0011441 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0241935 0.0011639 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0314961 0.0021176 -0.0252576 -0.0261018 -0.0166719
TGRA
2-Mar-20 0.0253165 0.0006823 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0370370 0.0007974 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0357143 0.0015122 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 0.0114943 0.0011211 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0454545 0.0012673 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.0714286 0.0005272 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0000000 0.0003920 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0256410 0.0001124 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.0657895 0.0002570 -0.0960094 0.0117541 -0.0047855
13-Mar-20 -0.0281690 0.0000954 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0579710 0.0001218 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0615385 0.0001184 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0655738 0.0000790 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0526316 0.0000476 -0.0964494 0.0000152 -0.0004433
20-Mar-20 0.1296296 0.0003695 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0491803 0.0000964 -0.0922471 0.0046806 0.0038411
24-Mar-20 0.0172414 0.0001201 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.0677966 0.0001132 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0317460 0.0003245 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0461538 0.0000320 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 -0.0483871 0.0000261 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 0.0677966 0.0000443 -0.0592551 0.0117922 0.0133914
2-Apr-20 -0.0158730 0.0002227 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.0483871 0.0002541 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.0000000 0.0001449 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 -0.0307692 0.0003772 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0158730 0.0000791 -0.0750387 0.0320845 0.0106638
9-Apr-20 0.0161290 0.0000472 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0317460 0.0002287 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 -0.0153846 0.0001969 -0.0252576 -0.0261018 -0.0166719
TLKM
2-Mar-20 -0.0143266 0.0009772 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0523256 0.0011578 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0580110 0.0013737 -0.0219978 -0.0249640 -0.0120817
113
5-Mar-20 0.0000000 0.0010219 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0208877 0.0008729 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.0666667 0.0011038 -0.1118480 -0.0226638 0.0020942
10-Mar-20 -0.0028571 0.0012085 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0257880 0.0011658 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.0264706 0.0008516 -0.0960094 0.0117541 -0.0047855
13-Mar-20 0.0241692 0.0017388 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0678466 0.0011707 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0696203 0.0015154 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0442177 0.0015157 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0676157 0.0014030 -0.0964494 0.0000152 -0.0004433
20-Mar-20 0.0992366 0.0027023 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0694444 0.0008697 -0.0922471 0.0046806 0.0038411
24-Mar-20 -0.0223881 0.0024609 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.1374046 0.0026990 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0369128 0.0020285 0.0044972 -0.0193301 -0.0121489
30-Mar-20 0.0161812 0.0013575 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0063694 0.0015274 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 -0.0189873 0.0010554 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.0096774 0.0009377 -0.0283685 -0.0139632 0.0164712
3-Apr-20 0.0223642 0.0008426 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.0406250 0.0011659 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 -0.0330330 0.0016800 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0341615 0.0012573 -0.0750387 0.0320845 0.0106638
9-Apr-20 0.0032154 0.0012378 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0192308 0.0004590 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0188679 0.0007986 -0.0252576 -0.0261018 -0.0166719
TOWR
2-Mar-20 0.0000000 0.0019321 -0.0626180 -0.0000149 0.0029569
3-Mar-20 0.0372671 0.0024909 -0.0166012 -0.0082945 -0.0148646
4-Mar-20 0.0239521 0.0023264 -0.0219978 -0.0249640 -0.0120817
5-Mar-20 0.0058480 0.0017832 -0.0482555 0.0106247 0.0086618
6-Mar-20 -0.0232558 0.0017399 -0.0706790 0.0082001 -0.0086858
9-Mar-20 -0.0833333 0.0012159 -0.1118480 -0.0226638 0.0020942
10-Mar-20 0.0064935 0.0016743 -0.0294524 -0.0088949 0.0040871
11-Mar-20 -0.0129032 0.0016948 -0.0587351 0.0003206 -0.0097628
12-Mar-20 -0.0588235 0.0013759 -0.0960094 0.0117541 -0.0047855
13-Mar-20 0.0625000 0.0017708 -0.0434872 -0.0069071 -0.0101033
16-Mar-20 -0.0653595 0.0013085 -0.0898856 0.0077735 0.0006395
17-Mar-20 -0.0699301 0.0007604 -0.0953557 0.0034851 0.0021450
18-Mar-20 -0.0526316 0.0027035 -0.0737785 0.0151514 -0.0064766
19-Mar-20 -0.0476190 0.0023622 -0.0964494 0.0000152 -0.0004433
114
20-Mar-20 0.0500000 0.0018902 -0.0211534 -0.0340507 -0.0165365
23-Mar-20 -0.0634921 0.0016990 -0.0922471 0.0046806 0.0038411
24-Mar-20 0.0677966 0.0016855 -0.0563396 0.0244360 -0.0070545
26-Mar-20 0.0793651 0.0035553 0.0587294 0.0054266 -0.0187541
27-Mar-20 0.0000000 0.0017866 0.0044972 -0.0193301 -0.0121489
30-Mar-20 -0.0661765 0.0023111 -0.0720181 -0.0194295 -0.0041429
31-Mar-20 0.0629921 0.0018801 -0.0152531 -0.0345746 -0.0240270
1-Apr-20 -0.0296296 0.0012339 -0.0592551 0.0117922 0.0133914
2-Apr-20 0.0152672 0.0013288 -0.0283685 -0.0139632 0.0164712
3-Apr-20 -0.0075188 0.0023904 -0.0229080 -0.0049779 -0.0006364
6-Apr-20 0.0833333 0.0031249 -0.0023812 -0.0318667 -0.0161774
7-Apr-20 0.0069930 0.0017844 -0.0499505 0.0181666 0.0095512
8-Apr-20 -0.0486111 0.0016250 -0.0750387 0.0320845 0.0106638
9-Apr-20 0.0218978 0.0017826 -0.0383441 0.0083835 0.0070372
13-Apr-20 0.0571429 0.0010319 -0.0485231 -0.0130113 -0.0157296
14-Apr-20 0.0743243 0.0014565 -0.0252576 -0.0261018 -0.0166719
Data Mentah Sektor Keuangan 2019
COMPANY Date RETURN SENT MP SMB HML
ADMF
1-Mar-19 0.0047059 0.0002065 -0.0494024 0.0158109 -0.0108392
4-Mar-19 -0.0023419 0.0000628 -0.0601732 0.0154664 -0.0184988
5-Mar-19 -0.0211268 0.0001520 -0.0660975 -0.0147151 0.0037327
6-Mar-19 -0.0119904 0.0001054 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0072816 0.0001884 -0.0706656 0.0092118 -0.0175133
11-Mar-19 0.0073350 0.0002792 -0.0614839 0.0043438 -0.0140033
12-Mar-19 -0.0024272 0.0001718 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0194647 0.0003669 -0.0547518 -0.0203150 0.0337996
14-Mar-19 0.0095465 0.0001900 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 0.0000000 0.0003185 -0.0502988 0.0114810 -0.0099423
18-Mar-19 0.0070922 0.0001606 -0.0510009 0.0209804 -0.0118726
19-Mar-19 -0.0140845 0.0002781 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 0.0023810 0.0001821 -0.0580126 -0.0020654 0.0061848
21-Mar-19 -0.0071259 0.0002917 -0.0551861 -0.0015288 0.0027570
22-Mar-19 0.0047847 0.0002039 -0.0548936 0.0039239 -0.0011089
25-Mar-19 0.0000000 0.0003524 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 0.0047619 0.0002258 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 -0.0023697 0.0003366 -0.0631603 -0.0056405 0.0084882
28-Mar-19 0.0166271 0.0001961 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 0.0186916 0.0001562 -0.0612632 -0.0181513 0.0324966
1-Apr-19 -0.0275229 0.0002380 -0.0606803 0.0198622 -0.0370165
115
2-Apr-19 -0.0023585 0.0001253 -0.0553067 -0.0157146 0.0474461
4-Apr-19 0.0023641 0.0002083 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0117925 0.0000750 -0.0621013 -0.0233556 0.0459983
8-Apr-19 -0.0023310 0.0002802 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0000000 0.0004761 -0.0514914 0.0087093 -0.0138245
10-Apr-19 -0.0700935 0.0004233 -0.0620326 0.0204403 -0.0282514
11-Apr-19 0.0000000 0.0000938 -0.0721636 0.0072658 -0.0096980
12-Apr-19 -0.0226131 0.0002774 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0025707 0.0003166 -0.0542418 0.0141801 -0.0020191
ASMI
1-Mar-19 0.0000000 0.0000956 -0.0494024 0.0158109 -0.0108392
4-Mar-19 0.0000000 0.0001624 -0.0601732 0.0154664 -0.0184988
5-Mar-19 -0.0151515 0.0001350 -0.0660975 -0.0147151 0.0037327
6-Mar-19 0.0076923 0.0003470 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0076336 0.0001001 -0.0706656 0.0092118 -0.0175133
11-Mar-19 0.0000000 0.0003969 -0.0614839 0.0043438 -0.0140033
12-Mar-19 0.0000000 0.0001615 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0000000 0.0001828 -0.0547518 -0.0203150 0.0337996
14-Mar-19 -0.0076923 0.0002090 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 0.0000000 0.0001205 -0.0502988 0.0114810 -0.0099423
18-Mar-19 0.0077519 0.0001836 -0.0510009 0.0209804 -0.0118726
19-Mar-19 -0.0230769 0.0003073 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 -0.0157480 0.0000717 -0.0580126 -0.0020654 0.0061848
21-Mar-19 -0.0080000 0.0003491 -0.0551861 -0.0015288 0.0027570
22-Mar-19 0.0000000 0.0001322 -0.0548936 0.0039239 -0.0011089
25-Mar-19 0.0000000 0.0001159 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 0.0000000 0.0003171 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 -0.0161290 0.0001494 -0.0631603 -0.0056405 0.0084882
28-Mar-19 -0.0081967 0.0002060 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 -0.0165289 0.0000843 -0.0612632 -0.0181513 0.0324966
1-Apr-19 0.0084034 0.0001743 -0.0606803 0.0198622 -0.0370165
2-Apr-19 -0.0250000 0.0003045 -0.0553067 -0.0157146 0.0474461
4-Apr-19 -0.0085470 0.0001375 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0000000 0.0000674 -0.0621013 -0.0233556 0.0459983
8-Apr-19 -0.0172414 0.0001261 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0175439 0.0003038 -0.0514914 0.0087093 -0.0138245
10-Apr-19 0.0344828 0.0000932 -0.0620326 0.0204403 -0.0282514
11-Apr-19 0.0083333 0.0001541 -0.0721636 0.0072658 -0.0096980
12-Apr-19 0.0082645 0.0001175 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0327869 0.0003150 -0.0542418 0.0141801 -0.0020191
BFIN 1-Mar-19 -0.0155039 0.0001129 -0.0494024 0.0158109 -0.0108392
4-Mar-19 -0.0078740 0.0001524 -0.0601732 0.0154664 -0.0184988
116
5-Mar-19 0.0238095 0.0000995 -0.0660975 -0.0147151 0.0037327
6-Mar-19 -0.0465116 0.0000315 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0162602 0.0001417 -0.0706656 0.0092118 -0.0175133
11-Mar-19 -0.0165289 0.0001811 -0.0614839 0.0043438 -0.0140033
12-Mar-19 0.0336134 0.0000096 -0.0607920 -0.0099047 0.0013692
13-Mar-19 -0.0081301 0.0000042 -0.0547518 -0.0203150 0.0337996
14-Mar-19 0.0000000 0.0003180 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 -0.0163934 0.0000181 -0.0502988 0.0114810 -0.0099423
18-Mar-19 0.0000000 0.0000472 -0.0510009 0.0209804 -0.0118726
19-Mar-19 0.0833333 0.0000692 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 -0.0307692 0.0000035 -0.0580126 -0.0020654 0.0061848
21-Mar-19 -0.0079365 0.0000005 -0.0551861 -0.0015288 0.0027570
22-Mar-19 0.0160000 0.0000018 -0.0548936 0.0039239 -0.0011089
25-Mar-19 0.0078740 0.0000058 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 0.0000000 0.0000244 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 0.0000000 0.0000411 -0.0631603 -0.0056405 0.0084882
28-Mar-19 0.0468750 0.0001353 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 -0.0149254 0.0000532 -0.0612632 -0.0181513 0.0324966
1-Apr-19 0.0227273 0.0000413 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0000000 0.0004637 -0.0553067 -0.0157146 0.0474461
4-Apr-19 0.0000000 0.0000071 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0222222 0.0002833 -0.0621013 -0.0233556 0.0459983
8-Apr-19 -0.0217391 0.0000014 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0000000 0.0000041 -0.0514914 0.0087093 -0.0138245
10-Apr-19 0.0000000 0.0000159 -0.0620326 0.0204403 -0.0282514
11-Apr-19 -0.0074074 0.0002789 -0.0721636 0.0072658 -0.0096980
12-Apr-19 -0.0149254 0.0000670 -0.0610006 0.0288642 -0.0217298
15-Apr-19 -0.0075758 0.0000334 -0.0542418 0.0141801 -0.0020191
BMRI
1-Mar-19 0.0070175 0.0005087 -0.0494024 0.0158109 -0.0108392
4-Mar-19 -0.0104530 0.0003210 -0.0601732 0.0154664 -0.0184988
5-Mar-19 -0.0211268 0.0024146 -0.0660975 -0.0147151 0.0037327
6-Mar-19 0.0179856 0.0010279 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0247350 0.0007741 -0.0706656 0.0092118 -0.0175133
11-Mar-19 -0.0144928 0.0007526 -0.0614839 0.0043438 -0.0140033
12-Mar-19 -0.0147059 0.0008883 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0037313 0.0008885 -0.0547518 -0.0203150 0.0337996
14-Mar-19 0.0297398 0.0006285 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 0.0252708 0.0018405 -0.0502988 0.0114810 -0.0099423
18-Mar-19 0.0000000 0.0009958 -0.0510009 0.0209804 -0.0118726
19-Mar-19 0.0422535 0.0022232 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 0.0067568 0.0008330 -0.0580126 -0.0020654 0.0061848
117
21-Mar-19 0.0067114 0.0009751 -0.0551861 -0.0015288 0.0027570
22-Mar-19 -0.0066667 0.0009069 -0.0548936 0.0039239 -0.0011089
25-Mar-19 -0.0302013 0.0006807 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 0.0207612 0.0004658 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 -0.0271186 0.0007627 -0.0631603 -0.0056405 0.0084882
28-Mar-19 0.0313589 0.0007256 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 0.0067568 0.0010869 -0.0612632 -0.0181513 0.0324966
1-Apr-19 -0.0033557 0.0007743 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0033670 0.0005592 -0.0553067 -0.0157146 0.0474461
4-Apr-19 0.0302013 0.0015779 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 -0.0162866 0.0005919 -0.0621013 -0.0233556 0.0459983
8-Apr-19 0.0033113 0.0008134 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0099010 0.0009088 -0.0514914 0.0087093 -0.0138245
10-Apr-19 -0.0065359 0.0004580 -0.0620326 0.0204403 -0.0282514
11-Apr-19 -0.0263158 0.0009996 -0.0721636 0.0072658 -0.0096980
12-Apr-19 -0.0101351 0.0009186 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0034130 0.0005222 -0.0542418 0.0141801 -0.0020191
BRIS
1-Mar-19 0.0092593 0.0002676 -0.0494024 0.0158109 -0.0108392
4-Mar-19 0.0000000 0.0003512 -0.0601732 0.0154664 -0.0184988
5-Mar-19 -0.0091743 0.0009755 -0.0660975 -0.0147151 0.0037327
6-Mar-19 0.0000000 0.0001308 -0.0557360 0.0066069 0.0087898
8-Mar-19 0.0000000 0.0003051 -0.0706656 0.0092118 -0.0175133
11-Mar-19 -0.0092593 0.0002476 -0.0614839 0.0043438 -0.0140033
12-Mar-19 0.0000000 0.0005257 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0000000 0.0003092 -0.0547518 -0.0203150 0.0337996
14-Mar-19 0.0093458 0.0001775 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 0.0092593 0.0005262 -0.0502988 0.0114810 -0.0099423
18-Mar-19 -0.0091743 0.0001981 -0.0510009 0.0209804 -0.0118726
19-Mar-19 0.0092593 0.0002446 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 -0.0091743 0.0002769 -0.0580126 -0.0020654 0.0061848
21-Mar-19 0.0185185 0.0005891 -0.0551861 -0.0015288 0.0027570
22-Mar-19 -0.0090909 0.0002794 -0.0548936 0.0039239 -0.0011089
25-Mar-19 -0.0275229 0.0008950 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 0.0094340 0.0001785 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 0.0000000 0.0002474 -0.0631603 -0.0056405 0.0084882
28-Mar-19 0.0000000 0.0001635 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 -0.0093458 0.0003329 -0.0612632 -0.0181513 0.0324966
1-Apr-19 0.0000000 0.0001776 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0000000 0.0004898 -0.0553067 -0.0157146 0.0474461
4-Apr-19 0.0188679 0.0005762 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 -0.0185185 0.0007251 -0.0621013 -0.0233556 0.0459983
118
8-Apr-19 -0.0094340 0.0011928 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0000000 0.0005004 -0.0514914 0.0087093 -0.0138245
10-Apr-19 0.0000000 0.0007963 -0.0620326 0.0204403 -0.0282514
11-Apr-19 0.0000000 0.0002049 -0.0721636 0.0072658 -0.0096980
12-Apr-19 0.0000000 0.0004129 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0095238 0.0012351 -0.0542418 0.0141801 -0.0020191
BTPN
1-Mar-19 -0.0027027 0.0000013 -0.0494024 0.0158109 -0.0108392
4-Mar-19 -0.0216802 0.0000757 -0.0601732 0.0154664 -0.0184988
5-Mar-19 0.0083102 0.0000087 -0.0660975 -0.0147151 0.0037327
6-Mar-19 0.0000000 0.0000844 -0.0557360 0.0066069 0.0087898
8-Mar-19 0.0164835 0.0000016 -0.0706656 0.0092118 -0.0175133
11-Mar-19 -0.0027027 0.0000021 -0.0614839 0.0043438 -0.0140033
12-Mar-19 -0.0189702 0.0000035 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0110497 0.0000041 -0.0547518 -0.0203150 0.0337996
14-Mar-19 0.0054645 0.0000021 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 -0.0054348 0.0000018 -0.0502988 0.0114810 -0.0099423
18-Mar-19 -0.0163934 0.0000151 -0.0510009 0.0209804 -0.0118726
19-Mar-19 0.0000000 0.0000639 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 0.0083333 0.0000029 -0.0580126 -0.0020654 0.0061848
21-Mar-19 -0.0027548 0.0000076 -0.0551861 -0.0015288 0.0027570
22-Mar-19 -0.0055249 0.0000046 -0.0548936 0.0039239 -0.0011089
25-Mar-19 0.0222222 0.0000220 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 -0.0190217 0.0000149 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 0.0000000 0.0000035 -0.0631603 -0.0056405 0.0084882
28-Mar-19 0.0055402 0.0000721 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 -0.0082645 0.0001008 -0.0612632 -0.0181513 0.0324966
1-Apr-19 0.0083333 0.0000113 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0027548 0.0000895 -0.0553067 -0.0157146 0.0474461
4-Apr-19 0.0000000 0.0000277 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0000000 0.0000817 -0.0621013 -0.0233556 0.0459983
8-Apr-19 -0.0109890 0.0000506 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0000000 0.0000061 -0.0514914 0.0087093 -0.0138245
10-Apr-19 0.0083333 0.0000047 -0.0620326 0.0204403 -0.0282514
11-Apr-19 0.0137741 0.0001098 -0.0721636 0.0072658 -0.0096980
12-Apr-19 -0.0027174 0.0000062 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0000000 0.0000015 -0.0542418 0.0141801 -0.0020191
PANS
1-Mar-19 0.0035842 0.0000440 -0.0494024 0.0158109 -0.0108392
4-Mar-19 0.0000000 0.0000471 -0.0601732 0.0154664 -0.0184988
5-Mar-19 0.0000000 0.0000339 -0.0660975 -0.0147151 0.0037327
6-Mar-19 0.0142857 0.0000006 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0140845 0.0000678 -0.0706656 0.0092118 -0.0175133
119
11-Mar-19 0.0000000 0.0000614 -0.0614839 0.0043438 -0.0140033
12-Mar-19 -0.0035714 0.0000206 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0035842 0.0000165 -0.0547518 -0.0203150 0.0337996
14-Mar-19 0.0000000 0.0000118 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 0.0035714 0.0000308 -0.0502988 0.0114810 -0.0099423
18-Mar-19 -0.0035587 0.0004689 -0.0510009 0.0209804 -0.0118726
19-Mar-19 0.0000000 0.0000308 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 0.0000000 0.0000147 -0.0580126 -0.0020654 0.0061848
21-Mar-19 0.0000000 0.0000869 -0.0551861 -0.0015288 0.0027570
22-Mar-19 -0.0035714 0.0000411 -0.0548936 0.0039239 -0.0011089
25-Mar-19 -0.0071685 0.0000524 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 -0.0036101 0.0000603 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 0.0000000 0.0000133 -0.0631603 -0.0056405 0.0084882
28-Mar-19 -0.0036232 0.0000221 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 0.0036364 0.0002550 -0.0612632 -0.0181513 0.0324966
1-Apr-19 -0.0217391 0.0004151 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0259259 0.0000217 -0.0553067 -0.0157146 0.0474461
4-Apr-19 -0.0180505 0.0000138 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0110294 0.0000239 -0.0621013 -0.0233556 0.0459983
8-Apr-19 -0.0109091 0.0000132 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0000000 0.0000039 -0.0514914 0.0087093 -0.0138245
10-Apr-19 -0.0257353 0.0001474 -0.0620326 0.0204403 -0.0282514
11-Apr-19 -0.0037736 0.0003469 -0.0721636 0.0072658 -0.0096980
12-Apr-19 0.0151515 0.0000214 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0223881 0.0000246 -0.0542418 0.0141801 -0.0020191
PNIN
1-Mar-19 0.0073529 0.0001205 -0.0494024 0.0158109 -0.0108392
4-Mar-19 -0.0182482 0.0001202 -0.0601732 0.0154664 -0.0184988
5-Mar-19 -0.0223048 0.0003684 -0.0660975 -0.0147151 0.0037327
6-Mar-19 -0.0114068 0.0004649 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0269231 0.0002942 -0.0706656 0.0092118 -0.0175133
11-Mar-19 -0.0474308 0.0003485 -0.0614839 0.0043438 -0.0140033
12-Mar-19 -0.0124481 0.0001478 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0084034 0.0005269 -0.0547518 -0.0203150 0.0337996
14-Mar-19 -0.0041667 0.0002046 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 0.0041841 0.0005153 -0.0502988 0.0114810 -0.0099423
18-Mar-19 0.0208333 0.0000398 -0.0510009 0.0209804 -0.0118726
19-Mar-19 -0.0326531 0.0002298 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 0.0000000 0.0001235 -0.0580126 -0.0020654 0.0061848
21-Mar-19 0.0042194 0.0001107 -0.0551861 -0.0015288 0.0027570
22-Mar-19 0.0294118 0.0002223 -0.0548936 0.0039239 -0.0011089
25-Mar-19 -0.0285714 0.0010926 -0.0771391 -0.0114574 -0.0033531
120
26-Mar-19 -0.0084034 0.0003854 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 -0.0254237 0.0064193 -0.0631603 -0.0056405 0.0084882
28-Mar-19 0.0086957 0.0078610 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 0.0086207 0.0002240 -0.0612632 -0.0181513 0.0324966
1-Apr-19 0.0256410 0.0001255 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0166667 0.0001325 -0.0553067 -0.0157146 0.0474461
4-Apr-19 -0.0163934 0.0001425 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0291667 0.0002551 -0.0621013 -0.0233556 0.0459983
8-Apr-19 -0.0161943 0.0001343 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0000000 0.0000551 -0.0514914 0.0087093 -0.0138245
10-Apr-19 -0.0041152 0.0000324 -0.0620326 0.0204403 -0.0282514
11-Apr-19 -0.0206612 0.0001553 -0.0721636 0.0072658 -0.0096980
12-Apr-19 -0.0042194 0.0001118 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0084746 0.0000901 -0.0542418 0.0141801 -0.0020191
PNLF
1-Mar-19 -0.0313901 0.0033577 -0.0494024 0.0158109 -0.0108392
4-Mar-19 -0.0370370 0.0020972 -0.0601732 0.0154664 -0.0184988
5-Mar-19 0.0048077 0.0022145 -0.0660975 -0.0147151 0.0037327
6-Mar-19 0.0095694 0.0015195 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0426540 0.0007783 -0.0706656 0.0092118 -0.0175133
11-Mar-19 -0.0198020 0.0010892 -0.0614839 0.0043438 -0.0140033
12-Mar-19 0.0202020 0.0006648 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0594059 0.0020248 -0.0547518 -0.0203150 0.0337996
14-Mar-19 -0.0327103 0.0012433 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 -0.0193237 0.0006599 -0.0502988 0.0114810 -0.0099423
18-Mar-19 -0.0246305 0.0007960 -0.0510009 0.0209804 -0.0118726
19-Mar-19 -0.0151515 0.0012111 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 -0.0153846 0.0011623 -0.0580126 -0.0020654 0.0061848
21-Mar-19 -0.0052083 0.0009107 -0.0551861 -0.0015288 0.0027570
22-Mar-19 -0.0104712 0.0011321 -0.0548936 0.0039239 -0.0011089
25-Mar-19 0.0000000 0.0011752 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 -0.0052910 0.0010221 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 0.0000000 0.0010415 -0.0631603 -0.0056405 0.0084882
28-Mar-19 -0.0265957 0.0013577 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 0.0382514 0.0021806 -0.0612632 -0.0181513 0.0324966
1-Apr-19 -0.0578947 0.0003486 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0502793 0.0016138 -0.0553067 -0.0157146 0.0474461
4-Apr-19 -0.0053191 0.0001063 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0748663 0.0056498 -0.0621013 -0.0233556 0.0459983
8-Apr-19 -0.0348259 0.0032306 -0.0671913 0.0059996 -0.0109611
9-Apr-19 -0.0051546 0.0036464 -0.0514914 0.0087093 -0.0138245
10-Apr-19 -0.0103627 0.0016100 -0.0620326 0.0204403 -0.0282514
121
11-Apr-19 -0.0157068 0.0008548 -0.0721636 0.0072658 -0.0096980
12-Apr-19 -0.0531915 0.0022769 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0112360 0.0008368 -0.0542418 0.0141801 -0.0020191
WOMF
1-Mar-19 0.0054054 0.0003586 -0.0494024 0.0158109 -0.0108392
4-Mar-19 -0.0053763 0.0003074 -0.0601732 0.0154664 -0.0184988
5-Mar-19 -0.0270270 0.0001772 -0.0660975 -0.0147151 0.0037327
6-Mar-19 0.0000000 0.0002422 -0.0557360 0.0066069 0.0087898
8-Mar-19 -0.0055556 0.0002047 -0.0706656 0.0092118 -0.0175133
11-Mar-19 0.0167598 0.0001433 -0.0614839 0.0043438 -0.0140033
12-Mar-19 -0.0054945 0.0001116 -0.0607920 -0.0099047 0.0013692
13-Mar-19 0.0110497 0.0003729 -0.0547518 -0.0203150 0.0337996
14-Mar-19 -0.0163934 0.0004638 -0.0526576 -0.0009882 -0.0209856
15-Mar-19 0.0166667 0.0013757 -0.0502988 0.0114810 -0.0099423
18-Mar-19 0.0437158 0.0021636 -0.0510009 0.0209804 -0.0118726
19-Mar-19 -0.0052356 0.0017104 -0.0628017 -0.0259971 -0.0355973
20-Mar-19 -0.0157895 0.0012690 -0.0580126 -0.0020654 0.0061848
21-Mar-19 -0.0374332 0.0011839 -0.0551861 -0.0015288 0.0027570
22-Mar-19 -0.0055556 0.0001798 -0.0548936 0.0039239 -0.0011089
25-Mar-19 -0.0055866 0.0004943 -0.0771391 -0.0114574 -0.0033531
26-Mar-19 -0.0056180 0.0002589 -0.0506206 -0.0006861 -0.0108392
27-Mar-19 -0.0056497 0.0000985 -0.0631603 -0.0056405 0.0084882
28-Mar-19 -0.0056818 0.0001313 -0.0560191 -0.0107021 -0.0274899
29-Mar-19 0.0000000 0.0001298 -0.0612632 -0.0181513 0.0324966
1-Apr-19 -0.0171429 0.0001870 -0.0606803 0.0198622 -0.0370165
2-Apr-19 0.0174419 0.0001412 -0.0553067 -0.0157146 0.0474461
4-Apr-19 0.0114286 0.0001327 -0.0559383 -0.0071948 -0.0145474
5-Apr-19 0.0056497 0.0002894 -0.0621013 -0.0233556 0.0459983
8-Apr-19 0.0056180 0.0002365 -0.0671913 0.0059996 -0.0109611
9-Apr-19 0.0167598 0.0002223 -0.0514914 0.0087093 -0.0138245
10-Apr-19 -0.0054945 0.0010528 -0.0620326 0.0204403 -0.0282514
11-Apr-19 0.0000000 0.0000632 -0.0721636 0.0072658 -0.0096980
12-Apr-19 -0.0110497 0.0000406 -0.0610006 0.0288642 -0.0217298
15-Apr-19 0.0000000 0.0001555 -0.0542418 0.0141801 -0.0020191
Data Mentah Sektor Keuangan 2019
COMPANY Date RETURN SENT MP SMB HML
ADMF
2-Mar-20 0.0000000 0.0000794 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 0.0000000 0.0004002 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0000000 0.0001039 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.0000000 0.0001963 -0.0482555 0.0299448 0.0827710
122
6-Mar-20 -0.0050125 0.0000691 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0403023 0.0001309 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 0.0026247 0.0000524 -0.0294524 0.0489124 0.0185442
11-Mar-20 -0.0392670 0.0002721 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0217984 0.0000947 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0194986 0.0001762 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0625000 0.0001200 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0545455 0.0001305 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0673077 0.0001257 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0687285 0.0001926 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 0.0479705 0.0001819 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0669014 0.0000451 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 0.0415094 0.0000914 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.0289855 0.0002849 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.0387324 0.0002590 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0644068 0.0001111 -0.0720181 -0.0051911 0.0157557
31-Mar-20 0.0398551 0.0004852 -0.0152531 -0.1276228 0.1678859
1-Apr-20 0.0034843 0.0007866 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.0486111 0.0010736 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0331126 0.0016747 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0256410 0.0032406 -0.0023812 -0.0001956 0.0217062
7-Apr-20 0.0000000 0.0024076 -0.0499505 0.0434425 -0.0674008
8-Apr-20 0.0000000 0.0030506 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 -0.0687500 0.0001011 -0.0383441 0.0691631 -0.0463746
13-Apr-20 -0.0671141 0.0001626 -0.0485231 -0.0015604 0.0614760
14-Apr-20 -0.0179856 0.0015355 -0.0252576 0.0273284 -0.0065224
ASMI
2-Mar-20 -0.0080000 0.0000351 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 0.0040323 0.0000323 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 -0.0401606 0.0000294 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.0209205 0.0000165 -0.0482555 0.0299448 0.0827710
6-Mar-20 -0.0040984 0.0000115 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0205761 0.0000165 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 -0.0336134 0.0019531 -0.0294524 0.0489124 0.0185442
11-Mar-20 0.0000000 0.0000048 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0434783 0.0000089 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0136364 0.0000093 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0092166 0.0000072 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0604651 0.0000154 -0.0953557 0.0236266 -0.0027624
18-Mar-20 0.0148515 0.0000027 -0.0737785 0.0109178 -0.0052190
19-Mar-20 0.0146341 0.0000013 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 0.0096154 0.0000020 -0.0211534 0.0171578 -0.0244817
123
23-Mar-20 -0.0523810 0.0000000 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 0.0000000 0.0000012 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.0351759 0.0000068 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.1941748 0.0000023 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0284553 0.0000011 -0.0720181 -0.0051911 0.0157557
31-Mar-20 0.0292887 0.0000006 -0.0152531 -0.1276228 0.1678859
1-Apr-20 -0.0284553 0.0000003 -0.0592551 0.0373572 -0.0342122
2-Apr-20 -0.0041841 0.0000001 -0.0283685 0.0824148 -0.0934507
3-Apr-20 -0.0042017 0.0000001 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0084388 0.0002874 -0.0023812 -0.0001956 0.0217062
7-Apr-20 -0.0041841 0.0000001 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0084034 0.0000001 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 -0.0042373 0.0000001 -0.0383441 0.0691631 -0.0463746
13-Apr-20 0.0000000 0.0000006 -0.0485231 -0.0015604 0.0614760
14-Apr-20 0.0000000 0.0000005 -0.0252576 0.0273284 -0.0065224
BFIN
2-Mar-20 -0.0044248 0.0000384 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 0.0000000 0.0000076 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0000000 0.0000472 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.0000000 0.0000226 -0.0482555 0.0299448 0.0827710
6-Mar-20 0.0000000 0.0000120 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0488889 0.0003367 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 0.0467290 0.0000805 -0.0294524 0.0489124 0.0185442
11-Mar-20 -0.0848214 0.0000459 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0048780 0.0001268 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0686275 0.0003158 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0368421 0.0001830 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0655738 0.0003325 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0584795 0.0001385 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0683230 0.0000835 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 0.0333333 0.0007768 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0645161 0.0000322 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 0.0000000 0.0000093 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 -0.0689655 0.0002349 0.0587294 -0.0324597 0.0715087
27-Mar-20 -0.0444444 0.0003548 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0697674 0.0001215 -0.0720181 -0.0051911 0.0157557
31-Mar-20 0.0000000 0.0001448 -0.0152531 -0.1276228 0.1678859
1-Apr-20 0.0000000 0.0000646 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.1583333 0.0001873 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0000000 0.0000425 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0431655 0.0000620 -0.0023812 -0.0001956 0.0217062
7-Apr-20 0.1517241 0.0000248 -0.0499505 0.0434425 -0.0674008
124
8-Apr-20 -0.0658683 0.0000569 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 0.1089744 0.0000044 -0.0383441 0.0691631 -0.0463746
13-Apr-20 -0.0693642 0.0000340 -0.0485231 -0.0015604 0.0614760
14-Apr-20 0.0248447 0.0000217 -0.0252576 0.0273284 -0.0065224
BMRI
2-Mar-20 -0.0446735 0.0010990 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 0.0359712 0.0010438 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0381944 0.0010017 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.0167224 0.0011336 -0.0482555 0.0299448 0.0827710
6-Mar-20 -0.0460526 0.0007826 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0931034 0.0012244 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 0.0456274 0.0012343 -0.0294524 0.0489124 0.0185442
11-Mar-20 -0.0072727 0.0010516 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0586081 0.0009911 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0116732 0.0025825 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0669291 0.0013233 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0675105 0.0020171 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0678733 0.0023280 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0699029 0.0018168 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 -0.0688935 0.0051757 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0695067 0.0006492 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 -0.0698795 0.0025681 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.1580311 0.0041835 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.1051454 0.0042945 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0688259 0.0004304 -0.0720181 -0.0051911 0.0157557
31-Mar-20 0.0173913 0.0022516 -0.0152531 -0.1276228 0.1678859
1-Apr-20 -0.0149573 0.0016490 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.0303688 0.0014310 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0578947 0.0011388 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0348259 0.0012336 -0.0023812 -0.0001956 0.0217062
7-Apr-20 -0.0144231 0.0020721 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0692683 0.0016865 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 -0.0209644 0.0017702 -0.0383441 0.0691631 -0.0463746
13-Apr-20 -0.0428266 0.0012482 -0.0485231 -0.0015604 0.0614760
14-Apr-20 0.0223714 0.0014377 -0.0252576 0.0273284 -0.0065224
BRIS
2-Mar-20 -0.0636364 0.0010104 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 -0.0291262 0.0017093 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0200000 0.0043679 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.2450980 0.0054373 -0.0482555 0.0299448 0.0827710
6-Mar-20 -0.0157480 0.0062375 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.1440000 0.0018110 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 0.1682243 0.0044447 -0.0294524 0.0489124 0.0185442
125
11-Mar-20 -0.0560000 0.0035008 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0932203 0.0013269 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0093458 0.0013709 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0660377 0.0012267 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0656566 0.0005513 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0648649 0.0008921 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0693642 0.0000691 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 -0.0372671 0.0013102 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0645161 0.0002604 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 -0.0689655 0.0019399 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.1851852 0.0029224 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.2375000 0.0046623 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0505051 0.0023341 -0.0720181 -0.0051911 0.0157557
31-Mar-20 0.0425532 0.0015985 -0.0152531 -0.1276228 0.1678859
1-Apr-20 -0.0561224 0.0012515 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.0216216 0.0008064 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0211640 0.0012986 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0569948 0.0029230 -0.0023812 -0.0001956 0.0217062
7-Apr-20 -0.0098039 0.0024131 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0544554 0.0010633 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 0.0104712 0.0006370 -0.0383441 0.0691631 -0.0463746
13-Apr-20 0.0362694 0.0028785 -0.0485231 -0.0015604 0.0614760
14-Apr-20 0.0100000 0.0027295 -0.0252576 0.0273284 -0.0065224
BTPN
2-Mar-20 -0.0110701 0.0000056 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 -0.0037313 0.0000028 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0374532 0.0000142 -0.0219978 0.0063062 0.0056837
5-Mar-20 -0.0252708 0.0000057 -0.0482555 0.0299448 0.0827710
6-Mar-20 -0.0037037 0.0000070 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0483271 0.0000028 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 -0.0117188 0.0000023 -0.0294524 0.0489124 0.0185442
11-Mar-20 -0.0355731 0.0000113 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0983607 0.0000145 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0636364 0.0000116 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0533981 0.0000038 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0666667 0.0000016 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0494505 0.0000028 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0028902 0.0000024 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 -0.0318841 0.0000036 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0389222 0.0000041 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 0.1183801 0.0000033 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.0362117 0.0000090 0.0587294 -0.0324597 0.0715087
126
27-Mar-20 0.0322581 0.0000119 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0182292 0.0000091 -0.0720181 -0.0051911 0.0157557
31-Mar-20 0.0132626 0.0000013 -0.0152531 -0.1276228 0.1678859
1-Apr-20 -0.0314136 0.0000017 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.0270270 0.0000035 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0052632 0.0000416 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0471204 0.0000490 -0.0023812 -0.0001956 0.0217062
7-Apr-20 0.0100000 0.0000150 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0346535 0.0000041 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 -0.0307692 0.0000034 -0.0383441 0.0691631 -0.0463746
13-Apr-20 0.0079365 0.0000021 -0.0485231 -0.0015604 0.0614760
14-Apr-20 -0.0524934 0.0000500 -0.0252576 0.0273284 -0.0065224
PANS
2-Mar-20 -0.0500000 0.0003993 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 0.0263158 0.0000169 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0256410 0.0006203 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.0000000 0.0000069 -0.0482555 0.0299448 0.0827710
6-Mar-20 0.0900000 0.0002194 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.1238532 0.0000875 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 0.0261780 0.0001075 -0.0294524 0.0489124 0.0185442
11-Mar-20 -0.0204082 0.0001817 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0729167 0.0002368 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0561798 0.0000799 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0654762 0.0001643 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0636943 0.0002410 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0680272 0.0005842 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0656934 0.0002267 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 0.1250000 0.0000371 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0694444 0.0000875 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 0.0000000 0.0000315 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.1940299 0.0000985 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.0000000 0.0003588 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0687500 0.0000872 -0.0720181 -0.0051911 0.0157557
31-Mar-20 -0.0067114 0.0000383 -0.0152531 -0.1276228 0.1678859
1-Apr-20 0.0270270 0.0000024 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.0328947 0.0000053 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.1464968 0.0000079 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0500000 0.0000658 -0.0023812 -0.0001956 0.0217062
7-Apr-20 0.0582011 0.0000278 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0700000 0.0001603 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 -0.0268817 0.0000064 -0.0383441 0.0691631 -0.0463746
13-Apr-20 -0.0055249 0.0000861 -0.0485231 -0.0015604 0.0614760
127
14-Apr-20 0.0000000 0.0001772 -0.0252576 0.0273284 -0.0065224
PNIN
2-Mar-20 -0.0152284 0.0000191 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 -0.0103093 0.0000262 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 -0.0156250 0.0000148 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.0423280 0.0000672 -0.0482555 0.0299448 0.0827710
6-Mar-20 -0.0253807 0.0000054 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0572917 0.0000494 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 -0.0055249 0.0000294 -0.0294524 0.0489124 0.0185442
11-Mar-20 -0.0722222 0.0000397 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0958084 0.0003093 -0.0960094 0.0190714 -0.0659067
13-Mar-20 0.0397351 0.0001078 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0127389 0.0001211 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0645161 0.0000093 -0.0953557 0.0236266 -0.0027624
18-Mar-20 0.0137931 0.0001040 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0680272 0.0000748 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 -0.0656934 0.0001882 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0625000 0.0001732 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 -0.0166667 0.0000650 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.0084746 0.0002921 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.0840336 0.0001608 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0155039 0.0000204 -0.0720181 -0.0051911 0.0157557
31-Mar-20 -0.0078740 0.0000251 -0.0152531 -0.1276228 0.1678859
1-Apr-20 0.0079365 0.0000308 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.0787402 0.0001171 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0218978 0.0000032 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0357143 0.0000974 -0.0023812 -0.0001956 0.0217062
7-Apr-20 -0.0137931 0.0000914 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0699301 0.0000894 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 0.0375940 0.0000746 -0.0383441 0.0691631 -0.0463746
13-Apr-20 0.0072464 0.0000342 -0.0485231 -0.0015604 0.0614760
14-Apr-20 0.0359712 0.0000895 -0.0252576 0.0273284 -0.0065224
PNLF
2-Mar-20 -0.0317460 0.0007768 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 0.0000000 0.0007301 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0081967 0.0011165 -0.0219978 0.0063062 0.0056837
5-Mar-20 0.0406504 0.0021659 -0.0482555 0.0299448 0.0827710
6-Mar-20 -0.0078125 0.0005331 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0708661 0.0008408 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 0.0084746 0.0002389 -0.0294524 0.0489124 0.0185442
11-Mar-20 -0.0084034 0.0004947 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0932203 0.0004078 -0.0960094 0.0190714 -0.0659067
13-Mar-20 0.0000000 0.0021650 -0.0434872 -0.0180745 0.0482384
128
16-Mar-20 -0.0654206 0.0012957 -0.0898856 0.0080062 -0.0149469
17-Mar-20 -0.0700000 0.0004572 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0698925 0.0014383 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0693642 0.0000650 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 0.0062112 0.0016236 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0679012 0.0010092 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 -0.0132450 0.0006369 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 0.0738255 0.0007059 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.0437500 0.0015184 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0538922 0.0003101 -0.0720181 -0.0051911 0.0157557
31-Mar-20 0.3417722 0.0006140 -0.0152531 -0.1276228 0.1678859
1-Apr-20 -0.0660377 0.0000623 -0.0592551 0.0373572 -0.0342122
2-Apr-20 -0.0656566 0.0001040 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0486486 0.0007161 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0618557 0.0005253 -0.0023812 -0.0001956 0.0217062
7-Apr-20 0.0194175 0.0005202 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0666667 0.0003751 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 -0.0204082 0.0002472 -0.0383441 0.0691631 -0.0463746
13-Apr-20 0.0104167 0.0000543 -0.0485231 -0.0015604 0.0614760
14-Apr-20 0.0000000 0.0004529 -0.0252576 0.0273284 -0.0065224
WOMF
2-Mar-20 0.0000000 0.0000198 -0.0626180 -0.0017464 -0.0202084
3-Mar-20 0.0000000 0.0000967 -0.0166012 -0.0082320 -0.0198597
4-Mar-20 0.0597015 0.0004237 -0.0219978 0.0063062 0.0056837
5-Mar-20 -0.0140845 0.0000227 -0.0482555 0.0299448 0.0827710
6-Mar-20 -0.0142857 0.0000319 -0.0706790 0.0181796 -0.0016507
9-Mar-20 -0.0652174 0.0001986 -0.1118480 -0.0240165 -0.0328916
10-Mar-20 0.0310078 0.0000408 -0.0294524 0.0489124 0.0185442
11-Mar-20 0.0000000 0.0000184 -0.0587351 -0.0365589 0.0079717
12-Mar-20 -0.0225564 0.0000462 -0.0960094 0.0190714 -0.0659067
13-Mar-20 -0.0538462 0.0001430 -0.0434872 -0.0180745 0.0482384
16-Mar-20 -0.0569106 0.0000425 -0.0898856 0.0080062 -0.0149469
17-Mar-20 0.0775862 0.0000516 -0.0953557 0.0236266 -0.0027624
18-Mar-20 -0.0080000 0.0000907 -0.0737785 0.0109178 -0.0052190
19-Mar-20 -0.0241935 0.0000782 -0.0964494 -0.0163848 -0.0210512
20-Mar-20 -0.0165289 0.0002991 -0.0211534 0.0171578 -0.0244817
23-Mar-20 -0.0672269 0.0000111 -0.0922471 -0.0048677 -0.0029747
24-Mar-20 -0.0630631 0.0000873 -0.0563396 -0.0353692 -0.0105607
26-Mar-20 -0.0384615 0.0001238 0.0587294 -0.0324597 0.0715087
27-Mar-20 0.0100000 0.0001513 0.0044972 -0.0358610 0.0496506
30-Mar-20 -0.0445545 0.0000267 -0.0720181 -0.0051911 0.0157557
31-Mar-20 -0.0103627 0.0000209 -0.0152531 -0.1276228 0.1678859
129
1-Apr-20 0.0418848 0.0000763 -0.0592551 0.0373572 -0.0342122
2-Apr-20 0.0150754 0.0000149 -0.0283685 0.0824148 -0.0934507
3-Apr-20 0.0396040 0.0001103 -0.0229080 0.0066328 0.0216665
6-Apr-20 0.0095238 0.0002679 -0.0023812 -0.0001956 0.0217062
7-Apr-20 -0.0471698 0.0001557 -0.0499505 0.0434425 -0.0674008
8-Apr-20 -0.0396040 0.0000764 -0.0750387 -0.0200113 -0.0120777
9-Apr-20 0.0103093 0.0000257 -0.0383441 0.0691631 -0.0463746
13-Apr-20 0.0102041 0.0000116 -0.0485231 -0.0015604 0.0614760
14-Apr-20 0.0202020 0.0001124 -0.0252576 0.0273284 -0.0065224
Data Mentah Sektor Perdagangan, Jasa, dan Investasi 2019
COMPANY Date RETURN SENT MP SMB HML
AMRT
1-Mar-19 0.0000000 0.0000007 -0.0494024 0.0079121 0.0094244
4-Mar-19 0.0303030 0.0000019 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 0.0058824 0.0000103 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0409357 0.0000117 -0.0557360 0.0061096 -0.0060724
8-Mar-19 0.0112360 0.0000047 -0.0706656 0.0084617 0.0018343
11-Mar-19 0.0166667 0.0000042 -0.0614839 -0.0084786 0.0026312
12-Mar-19 0.0000000 0.0000071 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 -0.0109290 0.0000033 -0.0547518 -0.0063024 0.0053430
14-Mar-19 -0.0055249 0.0000027 -0.0526576 0.0012265 -0.0113512
15-Mar-19 0.0055556 0.0000152 -0.0502988 0.0238926 0.0009538
18-Mar-19 -0.0055249 0.0000016 -0.0510009 0.0054633 0.0069976
19-Mar-19 -0.0111111 0.0000130 -0.0628017 -0.0046560 0.0045674
20-Mar-19 -0.0112360 0.0000032 -0.0580126 0.0126762 0.0011443
21-Mar-19 -0.0113636 0.0000286 -0.0551861 0.0032620 0.0073670
22-Mar-19 0.0057471 0.0000013 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 -0.0057143 0.0000156 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 0.0000000 0.0000006 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0344828 0.0000010 -0.0631603 -0.0045767 0.0024923
28-Mar-19 0.0000000 0.0000480 -0.0560191 0.0206281 0.0150652
29-Mar-19 0.0000000 0.0000045 -0.0612632 0.0107684 0.0194389
1-Apr-19 0.0000000 0.0000002 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 -0.0055556 0.0000025 -0.0553067 0.0151071 0.0189991
4-Apr-19 0.0223464 0.0000061 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 0.0000000 0.0000033 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0109290 0.0000102 -0.0671913 0.0096910 0.0029497
9-Apr-19 -0.0054054 0.0000015 -0.0514914 -0.0121271 0.0002493
10-Apr-19 0.0000000 0.0000048 -0.0620326 0.0177764 0.0235914
11-Apr-19 0.0000000 0.0000021 -0.0721636 -0.0068939 -0.0143140
130
12-Apr-19 0.0000000 0.0000188 -0.0610006 0.0106669 0.0071910
15-Apr-19 0.0000000 0.0000034 -0.0542418 -0.0078911 -0.0032321
CLPI
1-Mar-19 0.0000000 0.0000173 -0.0494024 0.0079121 0.0094244
4-Mar-19 -0.0214286 0.0002628 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 0.0072993 0.0000343 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 -0.0144928 0.0006444 -0.0557360 0.0061096 -0.0060724
8-Mar-19 0.0147059 0.0000215 -0.0706656 0.0084617 0.0018343
11-Mar-19 0.0217391 0.0000395 -0.0614839 -0.0084786 0.0026312
12-Mar-19 -0.0425532 0.0000561 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 0.0000000 0.0003013 -0.0547518 -0.0063024 0.0053430
14-Mar-19 0.0000000 0.0000065 -0.0526576 0.0012265 -0.0113512
15-Mar-19 0.0000000 0.0000326 -0.0502988 0.0238926 0.0009538
18-Mar-19 0.0074074 0.0000712 -0.0510009 0.0054633 0.0069976
19-Mar-19 0.0220588 0.0000088 -0.0628017 -0.0046560 0.0045674
20-Mar-19 0.0071942 0.0000072 -0.0580126 0.0126762 0.0011443
21-Mar-19 0.0071429 0.0000291 -0.0551861 0.0032620 0.0073670
22-Mar-19 -0.0070922 0.0000307 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 -0.0214286 0.0000415 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 0.0072993 0.0000509 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0000000 0.0000039 -0.0631603 -0.0045767 0.0024923
28-Mar-19 0.0000000 0.0000193 -0.0560191 0.0206281 0.0150652
29-Mar-19 0.0144928 0.0000091 -0.0612632 0.0107684 0.0194389
1-Apr-19 -0.0214286 0.0000483 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 0.1021898 0.0002670 -0.0553067 0.0151071 0.0189991
4-Apr-19 -0.0728477 0.0002239 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 0.0357143 0.0000516 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0137931 0.0000444 -0.0671913 0.0096910 0.0029497
9-Apr-19 -0.0136054 0.0000669 -0.0514914 -0.0121271 0.0002493
10-Apr-19 0.0068966 0.0001746 -0.0620326 0.0177764 0.0235914
11-Apr-19 0.0205479 0.0001110 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 -0.0067114 0.0000395 -0.0610006 0.0106669 0.0071910
15-Apr-19 -0.0337838 0.0004273 -0.0542418 -0.0078911 -0.0032321
FILM
1-Mar-19 0.0000000 0.0016893 -0.0494024 0.0079121 0.0094244
4-Mar-19 -0.0123457 0.0016343 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 -0.0062500 0.0019000 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0000000 0.0020343 -0.0557360 0.0061096 -0.0060724
8-Mar-19 0.0062893 0.0018751 -0.0706656 0.0084617 0.0018343
11-Mar-19 0.0062500 0.0018085 -0.0614839 -0.0084786 0.0026312
12-Mar-19 -0.0124224 0.0019812 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 0.0000000 0.0015407 -0.0547518 -0.0063024 0.0053430
14-Mar-19 0.0188679 0.0016676 -0.0526576 0.0012265 -0.0113512
131
15-Mar-19 -0.0061728 0.0016365 -0.0502988 0.0238926 0.0009538
18-Mar-19 -0.0124224 0.0013335 -0.0510009 0.0054633 0.0069976
19-Mar-19 0.0125786 0.0014072 -0.0628017 -0.0046560 0.0045674
20-Mar-19 0.0000000 0.0013575 -0.0580126 0.0126762 0.0011443
21-Mar-19 -0.0124224 0.0014400 -0.0551861 0.0032620 0.0073670
22-Mar-19 0.0125786 0.0014619 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 0.0000000 0.0013476 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 0.0869565 0.0022146 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0000000 0.0012417 -0.0631603 -0.0045767 0.0024923
28-Mar-19 -0.0685714 0.0032098 -0.0560191 0.0206281 0.0150652
29-Mar-19 -0.1042945 0.0014105 -0.0612632 0.0107684 0.0194389
1-Apr-19 -0.0547945 0.0048509 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 0.1086957 0.0031814 -0.0553067 0.0151071 0.0189991
4-Apr-19 0.0653595 0.0013414 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 0.0122699 0.0012845 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0121212 0.0013674 -0.0671913 0.0096910 0.0029497
9-Apr-19 -0.0059880 0.0013302 -0.0514914 -0.0121271 0.0002493
10-Apr-19 -0.0963855 0.0007869 -0.0620326 0.0177764 0.0235914
11-Apr-19 0.0800000 0.0002484 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 -0.0123457 0.0002502 -0.0610006 0.0106669 0.0071910
15-Apr-19 0.0125000 0.0006542 -0.0542418 -0.0078911 -0.0032321
KREN
1-Mar-19 0.0081301 0.0041655 -0.0494024 0.0079121 0.0094244
4-Mar-19 -0.0161290 0.0039989 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 0.0409836 0.0037922 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0000000 0.0043695 -0.0557360 0.0061096 -0.0060724
8-Mar-19 0.0000000 0.0037425 -0.0706656 0.0084617 0.0018343
11-Mar-19 -0.0078740 0.0042167 -0.0614839 -0.0084786 0.0026312
12-Mar-19 -0.0158730 0.0038078 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 -0.0161290 0.0044713 -0.0547518 -0.0063024 0.0053430
14-Mar-19 0.0081967 0.0040278 -0.0526576 0.0012265 -0.0113512
15-Mar-19 -0.0243902 0.0057396 -0.0502988 0.0238926 0.0009538
18-Mar-19 0.0166667 0.0044663 -0.0510009 0.0054633 0.0069976
19-Mar-19 -0.0163934 0.0041222 -0.0628017 -0.0046560 0.0045674
20-Mar-19 0.0166667 0.0041710 -0.0580126 0.0126762 0.0011443
21-Mar-19 -0.0081967 0.0054274 -0.0551861 0.0032620 0.0073670
22-Mar-19 0.0000000 0.0038258 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 -0.0082645 0.0045028 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 0.0083333 0.0040208 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0000000 0.0040577 -0.0631603 -0.0045767 0.0024923
28-Mar-19 -0.0165289 0.0045681 -0.0560191 0.0206281 0.0150652
29-Mar-19 0.0168067 0.0049072 -0.0612632 0.0107684 0.0194389
132
1-Apr-19 0.0000000 0.0046591 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 -0.0082645 0.0040168 -0.0553067 0.0151071 0.0189991
4-Apr-19 0.0083333 0.0048689 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 0.0000000 0.0046149 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0000000 0.0044467 -0.0671913 0.0096910 0.0029497
9-Apr-19 0.0000000 0.0044263 -0.0514914 -0.0121271 0.0002493
10-Apr-19 -0.0330579 0.0050213 -0.0620326 0.0177764 0.0235914
11-Apr-19 0.0000000 0.0036292 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 0.0000000 0.0038410 -0.0610006 0.0106669 0.0071910
15-Apr-19 -0.0085470 0.0040467 -0.0542418 -0.0078911 -0.0032321
MPMX
1-Mar-19 0.0646766 0.0006117 -0.0494024 0.0079121 0.0094244
4-Mar-19 -0.0046729 0.0007847 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 0.0046948 0.0001992 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0140187 0.0005984 -0.0557360 0.0061096 -0.0060724
8-Mar-19 0.0138249 0.0010693 -0.0706656 0.0084617 0.0018343
11-Mar-19 0.0090909 0.0004965 -0.0614839 -0.0084786 0.0026312
12-Mar-19 0.0135135 0.0013016 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 0.0000000 0.0012489 -0.0547518 -0.0063024 0.0053430
14-Mar-19 -0.0266667 0.0004169 -0.0526576 0.0012265 -0.0113512
15-Mar-19 -0.0091324 0.0002714 -0.0502988 0.0238926 0.0009538
18-Mar-19 0.0230415 0.0003995 -0.0510009 0.0054633 0.0069976
19-Mar-19 -0.0045045 0.0001964 -0.0628017 -0.0046560 0.0045674
20-Mar-19 0.0000000 0.0002569 -0.0580126 0.0126762 0.0011443
21-Mar-19 0.0000000 0.0003397 -0.0551861 0.0032620 0.0073670
22-Mar-19 -0.0090498 0.0000847 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 -0.0639269 0.0004178 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 -0.0048780 0.0001973 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0441176 0.0003186 -0.0631603 -0.0045767 0.0024923
28-Mar-19 0.0000000 0.0000344 -0.0560191 0.0206281 0.0150652
29-Mar-19 0.0093897 0.0000559 -0.0612632 0.0107684 0.0194389
1-Apr-19 -0.0325581 0.0002575 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 0.0961538 0.0013574 -0.0553067 0.0151071 0.0189991
4-Apr-19 -0.0350877 0.0005625 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 -0.0090909 0.0001223 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0321101 0.0003251 -0.0671913 0.0096910 0.0029497
9-Apr-19 0.0088889 0.0006589 -0.0514914 -0.0121271 0.0002493
10-Apr-19 0.0000000 0.0008310 -0.0620326 0.0177764 0.0235914
11-Apr-19 -0.0264317 0.0002185 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 0.0271493 0.0008062 -0.0610006 0.0106669 0.0071910
15-Apr-19 0.0132159 0.0010123 -0.0542418 -0.0078911 -0.0032321
MTDL 1-Mar-19 -0.0103093 0.0009243 -0.0494024 0.0079121 0.0094244
133
4-Mar-19 0.0000000 0.0016400 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 0.0052083 0.0010119 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0621762 0.0063115 -0.0557360 0.0061096 -0.0060724
8-Mar-19 0.0195122 0.0043567 -0.0706656 0.0084617 0.0018343
11-Mar-19 -0.0143541 0.0034569 -0.0614839 -0.0084786 0.0026312
12-Mar-19 -0.0242718 0.0012629 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 0.0000000 0.0035806 -0.0547518 -0.0063024 0.0053430
14-Mar-19 0.0398010 0.0154417 -0.0526576 0.0012265 -0.0113512
15-Mar-19 0.0526316 0.0121922 -0.0502988 0.0238926 0.0009538
18-Mar-19 -0.0045455 0.0029778 -0.0510009 0.0054633 0.0069976
19-Mar-19 -0.0091324 0.0016541 -0.0628017 -0.0046560 0.0045674
20-Mar-19 0.0184332 0.0018476 -0.0580126 0.0126762 0.0011443
21-Mar-19 -0.0090498 0.0014580 -0.0551861 0.0032620 0.0073670
22-Mar-19 0.0091324 0.0013804 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 0.0000000 0.0043064 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 0.0588235 0.0080170 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 -0.0299145 0.0010678 -0.0631603 -0.0045767 0.0024923
28-Mar-19 -0.0044053 0.0019809 -0.0560191 0.0206281 0.0150652
29-Mar-19 -0.0265487 0.0014592 -0.0612632 0.0107684 0.0194389
1-Apr-19 -0.0454545 0.0028725 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 -0.0142857 0.0038297 -0.0553067 0.0151071 0.0189991
4-Apr-19 0.0193237 0.0030910 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 0.0331754 0.0052374 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0321101 0.0073943 -0.0671913 0.0096910 0.0029497
9-Apr-19 -0.0266667 0.0018076 -0.0514914 -0.0121271 0.0002493
10-Apr-19 -0.0091324 0.0014475 -0.0620326 0.0177764 0.0235914
11-Apr-19 -0.0046083 0.0015388 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 0.0370370 0.0056542 -0.0610006 0.0106669 0.0071910
15-Apr-19 -0.0267857 0.0011823 -0.0542418 -0.0078911 -0.0032321
PANR
1-Mar-19 0.0000000 0.0010147 -0.0494024 0.0079121 0.0094244
4-Mar-19 0.0049751 0.0010544 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 -0.0049505 0.0009716 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0049751 0.0011798 -0.0557360 0.0061096 -0.0060724
8-Mar-19 0.0000000 0.0009520 -0.0706656 0.0084617 0.0018343
11-Mar-19 0.0000000 0.0009785 -0.0614839 -0.0084786 0.0026312
12-Mar-19 -0.0099010 0.0010339 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 0.0050000 0.0010460 -0.0547518 -0.0063024 0.0053430
14-Mar-19 -0.0199005 0.0010083 -0.0526576 0.0012265 -0.0113512
15-Mar-19 -0.0101523 0.0008743 -0.0502988 0.0238926 0.0009538
18-Mar-19 0.0102564 0.0011033 -0.0510009 0.0054633 0.0069976
19-Mar-19 -0.0050761 0.0010428 -0.0628017 -0.0046560 0.0045674
134
20-Mar-19 0.0051020 0.0011854 -0.0580126 0.0126762 0.0011443
21-Mar-19 0.0050761 0.0009312 -0.0551861 0.0032620 0.0073670
22-Mar-19 -0.0606061 0.0009224 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 0.0053763 0.0008560 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 0.0053476 0.0010113 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0053191 0.0008634 -0.0631603 -0.0045767 0.0024923
28-Mar-19 0.0052910 0.0011213 -0.0560191 0.0206281 0.0150652
29-Mar-19 0.0052632 0.0009969 -0.0612632 0.0107684 0.0194389
1-Apr-19 -0.0052356 0.0011823 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 0.0105263 0.0011149 -0.0553067 0.0151071 0.0189991
4-Apr-19 0.0052083 0.0009448 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 0.0051813 0.0011893 -0.0621013 0.0128369 0.0032558
8-Apr-19 -0.0051546 0.0013015 -0.0671913 0.0096910 0.0029497
9-Apr-19 -0.0051813 0.0009272 -0.0514914 -0.0121271 0.0002493
10-Apr-19 0.0052083 0.0010269 -0.0620326 0.0177764 0.0235914
11-Apr-19 0.0000000 0.0008806 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 0.0103627 0.0011087 -0.0610006 0.0106669 0.0071910
15-Apr-19 0.0051282 0.0015338 -0.0542418 -0.0078911 -0.0032321
RALS
1-Mar-19 -0.0171429 0.0007216 -0.0494024 0.0079121 0.0094244
4-Mar-19 0.0116279 0.0006599 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 0.0028736 0.0015281 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0114613 0.0010788 -0.0557360 0.0061096 -0.0060724
8-Mar-19 -0.0198300 0.0045540 -0.0706656 0.0084617 0.0018343
11-Mar-19 -0.0086705 0.0006381 -0.0614839 -0.0084786 0.0026312
12-Mar-19 0.0233236 0.0009631 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 0.0398860 0.0031285 -0.0547518 -0.0063024 0.0053430
14-Mar-19 0.0027397 0.0006533 -0.0526576 0.0012265 -0.0113512
15-Mar-19 -0.0163934 0.0004357 -0.0502988 0.0238926 0.0009538
18-Mar-19 0.0055556 0.0003337 -0.0510009 0.0054633 0.0069976
19-Mar-19 0.0220994 0.0010547 -0.0628017 -0.0046560 0.0045674
20-Mar-19 -0.0378378 0.0016418 -0.0580126 0.0126762 0.0011443
21-Mar-19 -0.0140449 0.0004979 -0.0551861 0.0032620 0.0073670
22-Mar-19 -0.0142450 0.0010037 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 -0.0086705 0.0006045 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 0.0233236 0.0003770 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0142450 0.0006124 -0.0631603 -0.0045767 0.0024923
28-Mar-19 0.0000000 0.0002402 -0.0560191 0.0206281 0.0150652
29-Mar-19 0.0000000 0.0010511 -0.0612632 0.0107684 0.0194389
1-Apr-19 0.0112360 0.0017665 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 0.0000000 0.0013837 -0.0553067 0.0151071 0.0189991
4-Apr-19 0.0000000 0.0011972 -0.0559383 -0.0155814 -0.0331277
135
5-Apr-19 -0.0222222 0.0005289 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0028409 0.0007191 -0.0671913 0.0096910 0.0029497
9-Apr-19 0.0141643 0.0003676 -0.0514914 -0.0121271 0.0002493
10-Apr-19 0.0055866 0.0004701 -0.0620326 0.0177764 0.0235914
11-Apr-19 0.0000000 0.0011416 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 0.0000000 0.0005572 -0.0610006 0.0106669 0.0071910
15-Apr-19 0.0000000 0.0008851 -0.0542418 -0.0078911 -0.0032321
SILO
1-Mar-19 0.0029412 0.0000728 -0.0494024 0.0079121 0.0094244
4-Mar-19 0.0263930 0.0002401 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 -0.0285714 0.0003544 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 0.0000000 0.0003079 -0.0557360 0.0061096 -0.0060724
8-Mar-19 -0.0147059 0.0002093 -0.0706656 0.0084617 0.0018343
11-Mar-19 -0.0298507 0.0001827 -0.0614839 -0.0084786 0.0026312
12-Mar-19 0.0153846 0.0003773 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 -0.0212121 0.0001076 -0.0547518 -0.0063024 0.0053430
14-Mar-19 0.0185759 0.0000592 -0.0526576 0.0012265 -0.0113512
15-Mar-19 0.0638298 0.0003042 -0.0502988 0.0238926 0.0009538
18-Mar-19 0.0514286 0.0003325 -0.0510009 0.0054633 0.0069976
19-Mar-19 0.0054348 0.0004729 -0.0628017 -0.0046560 0.0045674
20-Mar-19 0.0270270 0.0010735 -0.0580126 0.0126762 0.0011443
21-Mar-19 -0.0157895 0.0005880 -0.0551861 0.0032620 0.0073670
22-Mar-19 0.0106952 0.0001594 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 -0.0608466 0.0002977 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 -0.0140845 0.0001068 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0085714 0.0001440 -0.0631603 -0.0045767 0.0024923
28-Mar-19 0.0651558 0.0004446 -0.0560191 0.0206281 0.0150652
29-Mar-19 0.0106383 0.0009439 -0.0612632 0.0107684 0.0194389
1-Apr-19 0.0131579 0.0009533 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 0.0077922 0.0007588 -0.0553067 0.0151071 0.0189991
4-Apr-19 0.0103093 0.0003460 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 0.0076531 0.0004868 -0.0621013 0.0128369 0.0032558
8-Apr-19 0.0000000 0.0008323 -0.0671913 0.0096910 0.0029497
9-Apr-19 -0.0126582 0.0002695 -0.0514914 -0.0121271 0.0002493
10-Apr-19 0.0128205 0.0002335 -0.0620326 0.0177764 0.0235914
11-Apr-19 -0.0025316 0.0000704 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 0.0050761 0.0000989 -0.0610006 0.0106669 0.0071910
15-Apr-19 0.0050505 0.0002077 -0.0542418 -0.0078911 -0.0032321
UNTR
1-Mar-19 0.0000000 0.0017050 -0.0494024 0.0079121 0.0094244
4-Mar-19 0.0377358 0.0017080 -0.0601732 -0.0063790 -0.0038258
5-Mar-19 -0.0227273 0.0010307 -0.0660975 -0.0043152 -0.0055954
6-Mar-19 -0.0102326 0.0012444 -0.0557360 0.0061096 -0.0060724
136
8-Mar-19 -0.0187970 0.0013573 -0.0706656 0.0084617 0.0018343
11-Mar-19 0.0258621 0.0008667 -0.0614839 -0.0084786 0.0026312
12-Mar-19 -0.0233427 0.0009865 -0.0607920 -0.0026608 -0.0017742
13-Mar-19 -0.0019120 0.0008359 -0.0547518 -0.0063024 0.0053430
14-Mar-19 0.0028736 0.0015402 -0.0526576 0.0012265 -0.0113512
15-Mar-19 -0.0066858 0.0014931 -0.0502988 0.0238926 0.0009538
18-Mar-19 0.0365385 0.0010392 -0.0510009 0.0054633 0.0069976
19-Mar-19 0.0204082 0.0017118 -0.0628017 -0.0046560 0.0045674
20-Mar-19 0.0118182 0.0019988 -0.0580126 0.0126762 0.0011443
21-Mar-19 -0.0008985 0.0013394 -0.0551861 0.0032620 0.0073670
22-Mar-19 0.0071942 0.0016683 -0.0548936 -0.0060840 -0.0158456
25-Mar-19 -0.0232143 0.0013615 -0.0771391 -0.0121603 -0.0110001
26-Mar-19 -0.0073126 0.0006275 -0.0506206 -0.0049366 -0.0145868
27-Mar-19 0.0018416 0.0008752 -0.0631603 -0.0045767 0.0024923
28-Mar-19 -0.0027574 0.0010328 -0.0560191 0.0206281 0.0150652
29-Mar-19 -0.0027650 0.0009492 -0.0612632 0.0107684 0.0194389
1-Apr-19 0.0055453 0.0005683 -0.0606803 -0.0086716 -0.0007380
2-Apr-19 -0.0211397 0.0013771 -0.0553067 0.0151071 0.0189991
4-Apr-19 -0.0093897 0.0017490 -0.0559383 -0.0155814 -0.0331277
5-Apr-19 -0.0009479 0.0006034 -0.0621013 0.0128369 0.0032558
8-Apr-19 -0.0170778 0.0011323 -0.0671913 0.0096910 0.0029497
9-Apr-19 0.0202703 0.0010286 -0.0514914 -0.0121271 0.0002493
10-Apr-19 -0.0141911 0.0011027 -0.0620326 0.0177764 0.0235914
11-Apr-19 -0.0230326 0.0009725 -0.0721636 -0.0068939 -0.0143140
12-Apr-19 0.0068762 0.0007116 -0.0610006 0.0106669 0.0071910
15-Apr-19 0.0126829 0.0007594 -0.0542418 -0.0078911 -0.0032321
Data Mentah Sektor Perdagangan, Jasa, dan Investasi 2020
COMPANY Date RETURN SENT MP SMB HML
AMRT
2-Mar-20 0.0258065 0.0000002 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0188679 0.0000001 -0.0166012 -0.0058964 0.0034350
4-Mar-20 -0.0370370 0.0000033 -0.0219978 -0.0030930 0.0023545
5-Mar-20 0.0128205 0.0000004 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0189873 0.0000151 -0.0706790 0.0035401 0.0069383
9-Mar-20 0.0000000 0.0000881 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 -0.0129032 0.0000122 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0130719 0.0000113 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0066225 0.0000986 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0466667 0.0000802 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 0.0000000 0.0000009 -0.0898856 0.0154416 0.0004759
137
17-Mar-20 0.0000000 0.0000001 -0.0953557 0.0232729 -0.0120732
18-Mar-20 0.0000000 0.0000017 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0209790 0.0000002 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 0.0000000 0.0000006 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0571429 0.0000000 -0.0922471 0.0077053 0.0098969
24-Mar-20 -0.0530303 0.0000127 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.1200000 0.0000009 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0214286 0.0000004 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0209790 0.0000004 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.1428571 0.0000044 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 -0.0562500 0.0000021 -0.0592551 0.0016384 -0.0065079
2-Apr-20 0.0529801 0.0000004 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.0000000 0.0000026 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.0000000 0.0000023 -0.0023812 -0.0134789 0.0444809
7-Apr-20 0.0188679 0.0000077 -0.0499505 0.0226042 0.0314498
8-Apr-20 0.0000000 0.0000011 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 0.0185185 0.0000011 -0.0383441 0.0032944 0.0065523
13-Apr-20 0.0060606 0.0000111 -0.0485231 0.0015163 0.0066519
14-Apr-20 0.0000000 0.0000018 -0.0252576 -0.0106153 0.0013883
CLPI
2-Mar-20 0.0069930 0.0000258 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0000000 0.0000339 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0138889 0.0000052 -0.0219978 -0.0030930 0.0023545
5-Mar-20 0.0068493 0.0000062 -0.0482555 0.0029640 -0.0011113
6-Mar-20 0.0000000 0.0000003 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.0068027 0.0000692 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 -0.0684932 0.0011184 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0955882 0.0021140 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0162602 0.0004329 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0661157 0.0002249 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 0.0000000 0.0001355 -0.0898856 0.0154416 0.0004759
17-Mar-20 -0.0619469 0.0001511 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0566038 0.0001508 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0680000 0.0001058 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 0.0085837 0.0004005 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0042553 0.0000291 -0.0922471 0.0077053 0.0098969
24-Mar-20 0.0000000 0.0000313 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.0042735 0.0000996 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0595745 0.0006708 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0361446 0.0001440 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.0041667 0.0000852 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 0.0207469 0.0000728 -0.0592551 0.0016384 -0.0065079
138
2-Apr-20 0.0975610 0.0000346 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.0925926 0.0001998 -0.0229080 0.0046882 0.0232334
6-Apr-20 -0.0338983 0.0001407 -0.0023812 -0.0134789 0.0444809
7-Apr-20 0.1315789 0.0002703 -0.0499505 0.0226042 0.0314498
8-Apr-20 -0.0620155 0.0000180 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 0.0165289 0.0000189 -0.0383441 0.0032944 0.0065523
13-Apr-20 0.0487805 0.0000098 -0.0485231 0.0015163 0.0066519
14-Apr-20 -0.0465116 0.0000121 -0.0252576 -0.0106153 0.0013883
FILM
2-Mar-20 -0.0361446 0.0004865 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0250000 0.0001743 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0243902 0.0010236 -0.0219978 -0.0030930 0.0023545
5-Mar-20 -0.0119048 0.0003168 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0180723 0.0002507 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.1288344 0.0003369 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 0.0281690 0.0003088 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0616438 0.0003347 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0948905 0.0003592 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0241935 0.0002729 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 0.0000000 0.0009789 -0.0898856 0.0154416 0.0004759
17-Mar-20 0.1157025 0.0009859 -0.0953557 0.0232729 -0.0120732
18-Mar-20 0.2740741 0.0021643 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0697674 0.0022850 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 -0.0437500 0.0005442 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0653595 0.0001180 -0.0922471 0.0077053 0.0098969
24-Mar-20 -0.0349650 0.0001273 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.1739130 0.0004748 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0493827 0.0005570 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0470588 0.0001276 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.0061728 0.0029131 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 -0.0490798 0.0000842 -0.0592551 0.0016384 -0.0065079
2-Apr-20 -0.0193548 0.0000452 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.0197368 0.0000514 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.0064516 0.0000712 -0.0023812 -0.0134789 0.0444809
7-Apr-20 -0.0384615 0.0000627 -0.0499505 0.0226042 0.0314498
8-Apr-20 0.0000000 0.0008675 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 -0.0066667 0.0004074 -0.0383441 0.0032944 0.0065523
13-Apr-20 -0.0134228 0.0000908 -0.0485231 0.0015163 0.0066519
14-Apr-20 0.0000000 0.0000499 -0.0252576 -0.0106153 0.0013883
KREN
2-Mar-20 -0.0211864 0.0010872 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0173160 0.0014035 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0170213 0.0013900 -0.0219978 -0.0030930 0.0023545
139
5-Mar-20 -0.0167364 0.0013399 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0170213 0.0010334 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.0216450 0.0009747 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 -0.0044248 0.0010757 -0.0294524 0.0033389 -0.0057727
11-Mar-20 0.0044444 0.0006279 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0132743 0.0007878 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 0.0000000 0.0003334 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 -0.0672646 0.0004562 -0.0898856 0.0154416 0.0004759
17-Mar-20 -0.0625000 0.0001360 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0666667 0.0000995 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0659341 0.0000051 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 -0.0647059 0.0002075 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0691824 0.0000078 -0.0922471 0.0077053 0.0098969
24-Mar-20 -0.0675676 0.0000213 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.0000000 0.0002247 0.0587294 0.0291624 -0.0323024
27-Mar-20 -0.0072464 0.0000464 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0656934 0.0000086 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.0390625 0.0000079 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 0.1278195 0.0000568 -0.0592551 0.0016384 -0.0065079
2-Apr-20 0.0066667 0.0000331 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.0000000 0.0000108 -0.0229080 0.0046882 0.0232334
6-Apr-20 -0.0662252 0.0001048 -0.0023812 -0.0134789 0.0444809
7-Apr-20 -0.0638298 0.0000466 -0.0499505 0.0226042 0.0314498
8-Apr-20 -0.0681818 0.0000291 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 -0.0650407 0.0000076 -0.0383441 0.0032944 0.0065523
13-Apr-20 -0.0695652 0.0000266 -0.0485231 0.0015163 0.0066519
14-Apr-20 -0.0654206 0.0000242 -0.0252576 -0.0106153 0.0013883
MPMX
2-Mar-20 0.0169492 0.0008168 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0416667 0.0002148 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0080000 0.0005023 -0.0219978 -0.0030930 0.0023545
5-Mar-20 0.0000000 0.0004221 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0079365 0.0002123 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.0320000 0.0005094 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 0.0165289 0.0006672 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0406504 0.0003749 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0338983 0.0005567 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0263158 0.0005689 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 -0.0180180 0.0010711 -0.0898856 0.0154416 0.0004759
17-Mar-20 0.0091743 0.0010639 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0090909 0.0002645 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0642202 0.0013443 -0.0964494 -0.0074215 -0.0073194
140
20-Mar-20 -0.0666667 0.0008746 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0672269 0.0002300 -0.0922471 0.0077053 0.0098969
24-Mar-20 -0.0450450 0.0004967 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.0094340 0.0007415 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0934579 0.0013884 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0384615 0.0000380 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.0222222 0.0001060 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 -0.0173913 0.0001810 -0.0592551 0.0016384 -0.0065079
2-Apr-20 0.0044248 0.0003407 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.0572687 0.0003674 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.1875000 0.0007561 -0.0023812 -0.0134789 0.0444809
7-Apr-20 0.0438596 0.0005838 -0.0499505 0.0226042 0.0314498
8-Apr-20 -0.0672269 0.0002142 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 -0.0270270 0.0002155 -0.0383441 0.0032944 0.0065523
13-Apr-20 0.0185185 0.0001895 -0.0485231 0.0015163 0.0066519
14-Apr-20 0.0000000 0.0004007 -0.0252576 -0.0106153 0.0013883
MTDL
2-Mar-20 -0.0097720 0.0006958 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0230263 0.0010140 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0064309 0.0006357 -0.0219978 -0.0030930 0.0023545
5-Mar-20 0.0031949 0.0006571 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0286624 0.0005427 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.1016393 0.0002756 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 0.0437956 0.0007455 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0349650 0.0004130 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0905797 0.0002050 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0438247 0.0001963 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 -0.0458333 0.0006168 -0.0898856 0.0154416 0.0004759
17-Mar-20 -0.0611354 0.0006362 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0697674 0.0003597 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0700000 0.0000279 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 0.0537634 0.0003895 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0663265 0.0000851 -0.0922471 0.0077053 0.0098969
24-Mar-20 0.0109290 0.0001097 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.2054054 0.0004714 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0448430 0.0009652 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0557940 0.0002408 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.0272727 0.0004286 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 0.0000000 0.0003434 -0.0592551 0.0016384 -0.0065079
2-Apr-20 0.0000000 0.0004298 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.0486726 0.0002387 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.0000000 0.0004248 -0.0023812 -0.0134789 0.0444809
141
7-Apr-20 0.0421941 0.0000601 -0.0499505 0.0226042 0.0314498
8-Apr-20 -0.0404858 0.0000948 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 0.0042194 0.0000314 -0.0383441 0.0032944 0.0065523
13-Apr-20 0.0042017 0.0000448 -0.0485231 0.0015163 0.0066519
14-Apr-20 -0.0125523 0.0001567 -0.0252576 -0.0106153 0.0013883
PANR
2-Mar-20 -0.0729167 0.0002763 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0112360 0.0006103 -0.0166012 -0.0058964 0.0034350
4-Mar-20 -0.0277778 0.0002901 -0.0219978 -0.0030930 0.0023545
5-Mar-20 -0.0057143 0.0000367 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0057471 0.0007933 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.0462428 0.0012178 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 0.0000000 0.0008713 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0303030 0.0000995 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0250000 0.0007492 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0641026 0.0000573 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 -0.0547945 0.0000920 -0.0898856 0.0154416 0.0004759
17-Mar-20 -0.0652174 0.0002272 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0542636 0.0000563 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0655738 0.0000639 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 -0.0614035 0.0000977 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0654206 0.0000662 -0.0922471 0.0077053 0.0098969
24-Mar-20 -0.0700000 0.0001858 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.0752688 0.0005283 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0000000 0.0003973 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0600000 0.0000280 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.0106383 0.0003523 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 0.0000000 0.0001965 -0.0592551 0.0016384 -0.0065079
2-Apr-20 -0.0631579 0.0002613 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 -0.0449438 0.0001591 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.0470588 0.0006828 -0.0023812 -0.0134789 0.0444809
7-Apr-20 -0.0674157 0.0003523 -0.0499505 0.0226042 0.0314498
8-Apr-20 -0.0361446 0.0001891 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 -0.0625000 0.0004695 -0.0383441 0.0032944 0.0065523
13-Apr-20 -0.0533333 0.0004498 -0.0485231 0.0015163 0.0066519
14-Apr-20 -0.0422535 0.0013964 -0.0252576 -0.0106153 0.0013883
RALS
2-Mar-20 -0.1256039 0.0017591 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0386740 0.0009529 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0106383 0.0011907 -0.0219978 -0.0030930 0.0023545
5-Mar-20 -0.0052632 0.0004204 -0.0482555 0.0029640 -0.0011113
6-Mar-20 0.0000000 0.0003974 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.0687831 0.0008026 -0.1118480 -0.0173548 -0.0072859
142
10-Mar-20 -0.0170455 0.0008638 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0867052 0.0007623 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0949367 0.0014038 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0699301 0.0023482 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 -0.0676692 0.0003983 -0.0898856 0.0154416 0.0004759
17-Mar-20 -0.0645161 0.0011276 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0689655 0.0007579 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0648148 0.0000759 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 0.0000000 0.0039045 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0693069 0.0022182 -0.0922471 0.0077053 0.0098969
24-Mar-20 -0.0212766 0.0006490 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.0000000 0.0040979 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0869565 0.0035407 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0560000 0.0006277 -0.0720181 0.0010646 -0.0040285
31-Mar-20 -0.0127119 0.0021989 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 -0.0686695 0.0079313 -0.0592551 0.0016384 -0.0065079
2-Apr-20 0.0506912 0.0069121 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.1184211 0.0076047 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.2156863 0.0041774 -0.0023812 -0.0134789 0.0444809
7-Apr-20 0.0161290 0.0040344 -0.0499505 0.0226042 0.0314498
8-Apr-20 -0.0634921 0.0035078 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 0.0254237 0.0009160 -0.0383441 0.0032944 0.0065523
13-Apr-20 -0.0165289 0.0010591 -0.0485231 0.0015163 0.0066519
14-Apr-20 0.0168067 0.0017756 -0.0252576 -0.0106153 0.0013883
SILO
2-Mar-20 0.0039063 0.0003022 -0.0626180 0.0061392 -0.0095835
3-Mar-20 -0.0038911 0.0002561 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0000000 0.0000786 -0.0219978 -0.0030930 0.0023545
5-Mar-20 0.0117188 0.0000125 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0193050 0.0000551 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.0196850 0.0001028 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 0.0000000 0.0001241 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0120482 0.0000528 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0081301 0.0001495 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 -0.0245902 0.0001091 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 -0.0084034 0.0000544 -0.0898856 0.0154416 0.0004759
17-Mar-20 0.0169492 0.0000881 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0666667 0.0001686 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0669643 0.0000429 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 -0.0698565 0.0000901 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0699588 0.0002026 -0.0922471 0.0077053 0.0098969
24-Mar-20 -0.0486726 0.0000311 -0.0563396 0.0037568 0.0090376
143
26-Mar-20 0.1627907 0.0005914 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0100000 0.0000701 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0237624 0.0000256 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.2170385 0.0000714 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 -0.0291667 0.0000304 -0.0592551 0.0016384 -0.0065079
2-Apr-20 -0.0042918 0.0000051 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 -0.0344828 0.0000092 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.0000000 0.0000158 -0.0023812 -0.0134789 0.0444809
7-Apr-20 -0.0357143 0.0000080 -0.0499505 0.0226042 0.0314498
8-Apr-20 0.0555556 0.0000341 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 -0.0657895 0.0000950 -0.0383441 0.0032944 0.0065523
13-Apr-20 0.0375587 0.0000413 -0.0485231 0.0015163 0.0066519
14-Apr-20 -0.0316742 0.0000201 -0.0252576 -0.0106153 0.0013883
UNTR
2-Mar-20 0.0045181 0.0015478 -0.0626180 0.0061392 -0.0095835
3-Mar-20 0.0584708 0.0009580 -0.0166012 -0.0058964 0.0034350
4-Mar-20 0.0481586 0.0013560 -0.0219978 -0.0030930 0.0023545
5-Mar-20 -0.0256757 0.0008841 -0.0482555 0.0029640 -0.0011113
6-Mar-20 -0.0402219 0.0009009 -0.0706790 0.0035401 0.0069383
9-Mar-20 -0.0867052 0.0016194 -0.1118480 -0.0173548 -0.0072859
10-Mar-20 0.0458861 0.0014092 -0.0294524 0.0033389 -0.0057727
11-Mar-20 -0.0136157 0.0010716 -0.0587351 -0.0155887 -0.0243110
12-Mar-20 -0.0674847 0.0011956 -0.0960094 -0.0090783 -0.0078553
13-Mar-20 0.0263158 0.0019637 -0.0434872 -0.0135426 -0.0142129
16-Mar-20 -0.0689103 0.0007175 -0.0898856 0.0154416 0.0004759
17-Mar-20 -0.0688468 0.0022376 -0.0953557 0.0232729 -0.0120732
18-Mar-20 -0.0092421 0.0010629 -0.0737785 0.0485718 0.0022292
19-Mar-20 -0.0597015 0.0009954 -0.0964494 -0.0074215 -0.0073194
20-Mar-20 0.1785714 0.0019346 -0.0211534 -0.0264179 0.0025126
23-Mar-20 -0.0690236 0.0012663 -0.0922471 0.0077053 0.0098969
24-Mar-20 0.0108499 0.0016502 -0.0563396 0.0037568 0.0090376
26-Mar-20 0.0751342 0.0027070 0.0587294 0.0291624 -0.0323024
27-Mar-20 0.0316140 0.0023205 0.0044972 0.0102592 0.0214750
30-Mar-20 -0.0693548 0.0006930 -0.0720181 0.0010646 -0.0040285
31-Mar-20 0.1715771 0.0020598 -0.0152531 -0.0611178 -0.0603218
1-Apr-20 -0.0162722 0.0009230 -0.0592551 0.0016384 -0.0065079
2-Apr-20 0.0165414 0.0009147 -0.0283685 -0.0162676 -0.0027545
3-Apr-20 0.0147929 0.0011662 -0.0229080 0.0046882 0.0232334
6-Apr-20 0.0495627 0.0010133 -0.0023812 -0.0134789 0.0444809
7-Apr-20 -0.0222222 0.0010650 -0.0499505 0.0226042 0.0314498
8-Apr-20 -0.0056818 0.0006604 -0.0750387 -0.0121921 -0.0254601
9-Apr-20 -0.0214286 0.0005574 -0.0383441 0.0032944 0.0065523
144
13-Apr-20 0.0248175 0.0005831 -0.0485231 0.0015163 0.0066519
14-Apr-20 0.0398860 0.0006480 -0.0252576 -0.0106153 0.0013883
145
Lampiran 20
Book To Market dan Market Capital
Sektor Pertanian 2019
COMPANY BOOK TO
MARKET RANK
MARKET
CAPITAL RANK
AALI 0.85567 M 23866135329200.00 B
BISI 0.45969 L 4170000000000.00 S
BWPT 1.12159 H 5233198306000.00 S
DSFI 0.09718 M 230284802000.00 S
DSNG 0.84193 M 4239936960000.00 S
LSIP 0.97696 M 8323894037300.00 B
SIMP 2.51346 H 7528563560000.00 B
SSMS 0.34177 L 10382250000000.00 B
Sektor Pertanian 2020
COMPANY BOOK TO
MARKET RANK
MARKET
CAPITAL RANK
AALI 0.67654 L 18861945663400.00 B
BISI 0.73542 M 2820000000000.00 S
BWPT 0.93207 M 2711175026000.00 S
DSFI 1.06097 H 131856620500.00 S
DSNG 0.76531 M 4133938536000.00 S
LSIP 0.83878 M 6618178046050.00 B
SIMP 2.60241 H 4365301560000.00 B
SSMS 0.50550 L 7715250000000.00 B
Sektor Pertambangan 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
ADRO 1.60326 H 41901610220000.00 B
BOSS 0.05681 L 2828000000000.00 S
GTBO 1.15499 H 615000000000.00 S
MBAP 0.51413 L 3669543136480.00 S
PTBA 0.32842 L 45852223815000.00 B
ELSA 1.31446 H 2685848000000.00 S
ANTM 1.07375 M 24391226195875.00 B
DKFT 0.62414 M 1364455677200.00 S
INCO 0.84212 M 37161906812800.00 B
TINS 0.93515 M 10203422231980.00 B
Sektor Pertambangan 2020
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
ADRO 1.11329 M 36943786110000.00 B
BOSS 0.80306 L 123200000000.00 S
GTBO 1.52594 H 250000000000.00 S
MBAP 0.83315 M 2202953153840.00 S
PTBA 0.60117 L 25806276720000.00 B
146
ELSA 1.60150 H 1518088000000.00 B
ANTM 0.89832 M 13817689716875.00 S
DKFT 1.21833 H 665313098800.00 B
INCO 0.74628 L 24344029864000.00 B
TINS 0.85580 M 4282458236050.00 B
Sektor Industri Dasar dan Kimia 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
AGII 1.50949 H 1870662600000.00 S
BTON 1.10601 M 198720000000.00 S
CPIN 0.16367 L 119705400000000.00 B
EKAD 1.21279 M 593958750000.00 S
IMPC 0.30202 L 4567657500000.00 B
ISSP 4.82986 H 826389084025.00 S
MLIA 1.40594 H 1653750000000.00 S
SMGR 0.47814 L 75033728000000.00 B
TKIM 0.51760 M 34790273394750.00 B
WSBP 0.79525 M 10203422231980.00 B
Sektor Industri Dasar dan Kimia 2020
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
AGII 1.54855 H 1609996500000.00 S
BTON 1.21848 M 115200000000.00 S
CPIN 0.19769 L 93468600000000.00 B
EKAD 1.14024 M 625403625000.00 S
IMPC 0.27749 L 5220180000000.00 B
ISSP 2.34353 H 1041968845075.00 S
MLIA 2.73509 H 747495000000.00 S
SMGR 0.47616 L 62132672000000.00 B
TKIM 0.60201 M 18679341420000.00 B
WSBP 0.76381 M 4903175301324.00 B
Sektor Aneka Industri 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
ASII 0.52365 L 289457404951000.00 B
AUTO 1.58978 M 7832066125000.00 B
GJTL 2.59405 H 2700720000000.00 S
GMFI 0.78160 M 6888976806000.00 S
IMAS 1.79237 H 8351140804240.00 B
INDR 1.30523 M 4187850924800.00 S
KBLI 1.67824 H 1298344174668.00 S
SMSM 0.26671 L 9386640967200.00 B
SRIL 1.02102 M 7199166249088.00 B
VOKS 0.74007 L 1471083318630.00 S
Sektor Aneka Industri 2020
COMPANY BOOK TO RANK MARKET CAPITAL RANK
147
MARKET
ASII 0.66618 M 223671631098500.00 B
AUTO 1.94940 H 4916127660000.00 B
GJTL 3.05877 H 1366041600000.00 S
GMFI 0.75936 M 2173980385500.00 B
IMAS 0.30929 L 1764247626856.00 S
INDR 3.24717 H 1184376589670.00 S
KBLI 1.13246 M 1715096625796.00 S
SMSM 0.28464 L 8465252896800.00 B
SRIL 1.54933 M 4090435368800.00 B
VOKS 0.66422 L 1122012700650.00 S
Sektor Industri Barang Konsumsi 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
BUDI 2.83972 H 472394723010.00 S
HMSP 0.08194 L 442008692220000.00 B
ICBP 0.18633 M 119243009300000.00 B
INAF 0.02465 L 14721520625000.00 B
KINO 0.54673 M 3985714485000.00 S
KLBF 0.21466 M 70078307554450.00 B
MRAT 4.80309 H 72760000000.00 S
MYOR 0.14583 L 59026967274000.00 B
WIIM 3.39513 H 671959603200.00 S
WOOD 0.63172 M 5675625000000.00 S
Sektor Industri Barang Konsumsi 2020
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
BUDI 2.77369 H 418406754666.00 S
HMSP 0.14607 L 197740730730000.00 B
ICBP 0.20511 L 119826104700000.00 B
INAF 1.87265 M 1388471840000.00 S
KINO 0.55160 M 3971428770000.00 B
KLBF 0.21999 M 57187648974200.00 B
MRAT 5.62949 H 56068000000.00 S
MYOR 0.21599 L 40245659505000.00 B
WIIM 2.92866 H 233085987360.00 S
WOOD 0.62587 M 2497275000000.00 S
Sektor Properti, Real Estate, dan Konstruksi Bangunan 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
ADHI 1.12786 M 5341274064000.00 S
ASRI 1.55798 H 6366409451712.00 B
148
BEST 2.07909 H 2315354676000.00 S
JRPT 0.65782 L 8593750000000.00 B
NRCA 1.25394 M 1078383604608.00 S
PWON 0.51280 L 29858953488000.00 B
SMRA 0.78018 M 13561174779200.00 B
SSIA 1.86388 H 2776097169600.00 S
TOTL 0.55096 L 2114200000000.00 S
WIKA 1.15965 M 16011363199020.00 B
Sektor Properti, Real Estate, dan Konstruksi Bangunan 2020
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
ADHI 1.63344 H 2688441278880.00 S
ASRI 2.25854 H 2986710606976.00 S
BEST 2.14450 H 1302387005250.00 S
JRPT 0.89727 M 6325000000000.00 B
NRCA 1.27395 M 748877503200.00 S
PWON 0.65920 L 25524589272000.00 B
SMRA 0.65187 L 12118496611200.00 B
SSIA 1.45304 M 3034885888800.00 B
TOTL 0.72433 L 1268520000000.00 S
WIKA 1.07650 M 16818658822500.00 B
Sektor Infrastruktur, Utilitas, dan Transportasi 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
BIRD 0.73322 M 7506300000000.00 S
GIAA 1.70859 H 14108184058430.00 S
IPCC 0.37003 M 2527554899800.00 S
ISAT 1.32547 H 17931980550000.00 B
JSMR 0.62692 M 39333127020000.00 B
PGAS 0.90221 H 61573430817840.00 B
PPRE 0.87249 M 3844325896000.00 S
TGRA 0.16470 L 2213750000000.00 S
TLKM 0.31577 L 382380156076000.00 B
TOWR 0.22822 L 40301553750000.00 B
Sektor Infrastruktur, Utilitas, dan Transportasi 2020
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
BIRD 0.86804 H 5629725000000.00 S
GIAA 0.77705 M 6471644063500.00 S
IPCC 0.86799 M 825546708280.00 S
ISAT 0.86684 M 11085224340000.00 B
JSMR 0.59517 L 35230437216000.00 B
PGAS 0.85469 M 31029130490880.00 B
PPRE 1.28863 H 1635883360000.00 S
TGRA 0.91664 H 217250000000.00 S
149
TLKM 0.29814 L 345727135934000.00 B
TOWR 0.21333 L 41066773125000.00 B
Sektor Keuangan 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
ADMF 0.77233 M 10625000000000.00 B
ASMI 0.08286 L 5912531103600.00 S
BFIN 0.58426 L 10298789574900.00 B
BMRI 0.54284 L 329174999985750.00 B
BRIS 0.99538 M 5194234276020.00 S
BTPN 0.67707 M 29843698505700.00 B
PANS 1.24197 H 1004400000000.00 S
PNIN 6.02228 H 5532920531200.00 S
PNLF 2.68597 H 14727844688678.00 B
WOMF 1.07866 M 1288148147600.00 S
Sektor Keuangan 2020
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
ADMF 0.77681 M 9975000000000.00 B
ASMI 0.04607 L 11197975575000.00 B
BFIN 0.67999 L 7217136260240.00 S
BMRI 0.58952 L 336104999985450.00 B
BRIS 1.60291 H 2116169519860.00 S
BTPN 1.20057 M 21858492689310.00 B
PANS 1.31934 M 720000000000.00 S
PNIN 6.24802 H 4007299061200.00 S
PNLF 2.59660 H 8321562469836.00 B
WOMF 1.42636 M 933037036640.00 S
Sektor Perdagangan, Jasa, dan Investasi 2019
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
AMRT 0.15499 L 34257713902500.00 B
CLPI 2.31129 H 214436950000.00 S
FILM 0.20779 L 7704085770000.00 B
KREN 0.21878 L 11198209111500.00 B
MPMX 2.17121 H 4485278092380.00 S
MTDL 1.22427 M 2381715609490.00 S
PANR 1.87392 H 484800000000.00 S
RALS 0.37985 M 12418000000000.00 B
SILO 1.08227 M 5527603125000.00 S
UNTR 0.55922 M 98848581104000.00 B
Sektor Perdagangan, Jasa, dan Investasi 2020
COMPANY BOOK TO
MARKET RANK MARKET CAPITAL RANK
150
AMRT 0.18840 L 32181488817500.00 B
CLPI 1.99642 H 219032027500.00 S
FILM 0.83102 M 1578862022000.00 S
KREN 0.37988 L 8594397887200.00 B
MPMX 2.44832 H 2633148332840.00 S
MTDL 0.66271 M 3769003567595.00 S
PANR 2.40330 H 230400000000.00 S
RALS 0.55165 M 7344360000000.00 B
SILO 0.52993 L 10404900000000.00 B
UNTR 0.76111 M 61920243257600.00 B