SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2017
ii
i
Dengan ini saya menyatakan bahwa Tesis yang berjudul Pengaruh Faktor-
Faktor Fundamental dan Teknikal terhadap Harga Saham pada Industri Properti
Real Estate di BEI adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir Tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis ini kepada Institut
Pertanian Bogor.
RINGKASAN
Kata Kunci: analisis fundamental, analisis regresi data panel, analisis teknikal,
harga saham, sektor properti real estate
iii
SUMMARY
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB
v
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains
pada
Program Studi Ilmu Manajemen
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2017
vi
Dosen Penguji Luar Komisi pada Ujian Tesis : Dr Ir Abdul Kohar Irwanto, MSc
vii
Disetujui oleh
Komisi Pembimbing
Diketahui oleh
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian ini ialah Pengaruh Faktor-Faktor Fundamental dan
Teknikal terhadap Harga Saham pada Industri Properti Real Estate di BEI.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Muhammad Syamsun,
MSc dan Bapak Tb Nur Ahmad Maulana, MSc MBA PhD selaku pembimbing
yang telah memberikan bimbingan kepada penulis selama menyelesaikan karya
ilmiah ini. Terima kasih juga penulis sampaikan kepada Bapak Dr Ir Abdul Kohar
Irwanto, MSc selaku dosen penguji luar komisi pada ujian tesis yang telah
membertikan masukan yang sangat bermanfaat sehingga karya ilmiah ini menjadi
lebih baik. Ungkapan terima kasih juga disampaikan kepada Ibunda Farida Fathul
atas doa, kasih sayang dan dukungannya. Ucapan terima kasih juga penulis
sampaikan kepada abang, kakak, keluarga, sahabat dan teman-teman PSIM dan
kelas peminatan keuangan, serta dosen dan staf Program Studi Ilmu Manajemen
Institut Pertanian Bogor.
Semoga karya ilmiah ini bermanfaat.
DAFTAR ISI
DAFTAR TABEL x
DAFTAR GAMBAR x
DAFTAR LAMPIRAN x
1 PENDAHULUAN 1
Latar Belakang 1
Rumusan Masalah 3
Tujuan Penelitian 4
Manfaat Penelitian 4
2 TINJAUAN PUSTAKA 5
Saham 5
Analisis Saham 5
Faktor-faktor yang Mempengaruhi Harga Saham 7
Harga Saham 9
Analisis Data Panel 10
Regresi Stepwise 12
ARIMA 13
Penelitian Terdahulu 13
3 METODE PENELITIAN 15
Kerangka Penelitian 15
Pengumpulan Data 16
Pengolahan dan Analisis Data 17
Hipotesis 18
4 HASIL DAN PEMBAHASAN 18
Hasil Perhitungan Faktor Fundamental Perusahaan 19
Analisis Data Panel 20
PENGUJIAN HIPOTESIS 22
Analisis Regresi Stepwise 29
Peramalan Harga Saham 32
Implikasi Manajerial 35
5 SIMPULAN DAN SARAN 37
Simpulan 37
Saran 38
DAFTAR PUSTAKA 39
LAMPIRAN 43
RIWAYAT HIDUP 54
x
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
1 PENDAHULUAN
Latar Belakang
chart. Seorang trader perlu memahami makna dari sebuah grafik atau chart
dengan menjelaskan alasan mendasar tentang apa penyebabnya dan bagaimana
semua itu dapat terjadi. Dalam sudut pandang analis teknikal, analisis
fundamental diperlukan juga untuk mengetahui saham-saham mana yang berada
dalam kondisi sehat. Sehingga dalam menganalisis suatu saham diperlukan kedua
analisis ini. Investor menggunakan laporan keuangan dan pergerakan harga saham
sebagai alat utama pada perilaku investor sehingga hal ini dapat membantah
hipotesis umum bahwa analisis fundamental dan teknikal tidak dapat digunakan
bersamaan oleh seorang investor.
Sektor properti merupakan sektor yang berperan cukup penting bagi
perekonomian suatu negara. Dengan tumbuhnya sektor properti menandakan
adanya pertumbuhan ekonomi di masyarakat. Selain itu, dengan berkembangnya
sektor ekonomi akan memicu pembangunan sektor-sektor lainnya. Perkembangan
pasar modal di Indonesia dapat dilihat dari pertumbuhan indeks sektoral. Laju
pertumbuhan harga saham sektor properti di tahun 2011 hingga tahun 2015
mempunyai pertumbuhan harga saham di atas rata-rata pergerakan IHSG. Tahun
2015 laju pertumbuhan harga saham industri properti mengalami penurunan
sebesar 64%, yaitu indeks pertumbuhan saham sektor properti berada pada -6%
dan mengalami penurunan dibanding tahun 2014 yang berada di poin 56% (BEI
2015). Di tahun 2015 pemerintah melakukan kebijakan penurunan BI rate, namun
harga saham sektor properti mengalami penurunan. Sedangkan tahun 2016 laju
pertumbuhan harga saham mengalami kenaikan namun berada di bawah laju
pertumbuhan IHSG. Laju pertumbuhan rata-rata industri properti yaitu sebesar
18.33% sedangkan laju pertumbuhan rata-rata sektor gabungan sebesar 6.66%.
Laju pertumbuhan harga saham properti dan gabungan tahun 2011-2015 dapat
dilihat pada Gambar 1.
60%
56%
50%
42%
40%
Laju pertumbuhan
30%
22%
20%
15%
13% 13%
10%
5%
3% 3%
0% -1%
2011 2012 2013 2014 2015 2016
-6%
-10%
-12%
Tahun
-20% IHSG Properti, real estate dan konstruksi
Prediksi harga saham merupakan tugas yang tidak mudah karena banyak
faktor yang terlibat dan hubungan struktural yang tidak sepenuhnya diketahui (Wu
dan Jiuping 2006). Kebutuhan informasi bagi investor dalam memilih saham yang
akan diinvestasikannya dengan melihat faktor-faktor fundamental dan teknikal
terhadap harga saham. Berdasarkan latar belakang tersebut maka peneliti tertarik
untuk meneliti mengenai pengaruh faktor-faktor fundamental dan teknikal
terhadap harga saham pada industri properti real estate di BEI.
Rumusan Masalah
Kinerja perusahaan dapat dilihat melalui rasio keuangan, antara lain debt
equity ratio (DER), return on assets (ROA), net profit margin (NPM), dan total
aset turnover. Penelitian sejenis telah dilakukan oleh peneliti terdahulu
diantaranya Nainggolan (2008) dan Octafia (2013) dengan hasil yang beragam.
Beberapa akademisi memandang skeptis pada analisis teknikal yang sering
kali disebut seperti ilmu astrologi atau membaca garis tangan. Analisis teknikal
mencoba mengukur keadaan pasar dengan mempelajari perubahan harga pasar,
volume perdagangan, dan sikap investor. Taylor dan Hellen (1992) mengawali
survey mengenai analisis teknikal yang menyatakan alat ini popular untuk
menginformasikan keputusan pembelian atau penjualan pada partisipasi di pasar
saham.
Tahun 2015 adanya kebijakan pemerintah yaitu menurunkan BI rate oleh
Bank Indonesia (BI) akan berdampak pada penurunan bunga Kredit Pembiayaan
Rumah (KPR). Hal ini akan menambah laju pertumbuhan bisnis properti di
Indonesia sehingga bisnis properti mengalami kemajuan. Kenyataanya indeks
pergerakan sektor properti tahun 2015 mengalami penurunan hingga di titik -
6.46%, namun kapitalisasi pasar sektor properti terus meningkat hingga 8%. Hal
ini menunjukkan dampak perubahan BI rate tidak terlihat instan terhadap harga
saham. Perlambatan pertumbuhan berpengaruh pada penurunan permintaan kredit
properti sehingga mengurangi pendapatan emiten properti. Namun dalam jangka
panjang sektor ini masih menjanjikan untuk dijadikan tempat berinvestasi.
Berdasarkan hal tersebut, maka rumusan masalah dalam penelitian ini adalah:
1. Faktor apa yang dominan dari faktor fundamental dan teknikal yang
mempengaruhi harga saham pada industri properti real estate di BEI dan
bagaimana sifat hubungannya?
2. Bagaimana faktor fundamental dan teknikal mampu menjelaskan pola
pergerakan harga saham industri properti real estate di BEI?
Tujuan Penelitian
Manfaat Penelitian
2. Bagi investor
Memberikan masukan untuk pengambilan keputusan investasi pada
perusahaan, terutama perusahaan di sektor properti.
3. Bagi masyarakat umum/akademis
Memberikan informasi bermanfaat, serta dapat menambah pengetahuan
dan bukti empiris terkait faktor-faktor fundamental dan teknikal terhadap
nilai perusahaan. Penelitian juga dapat dijadikan referensi untuk
melakukan penelitian selanjutnya.
4. Bagi penulis
Menambah wawasan dan pengetahuan penulis mengenai faktor
fundamental, teknikal dan nilai perusahaan.
2 TINJAUAN PUSTAKA
Saham
Analisis Saham
Analisis Fundamental
Analisis fundamental menyatakan bahwa setiap instrumen investasi
mempunyai landasan yang kuat yaitu nilai intrinsik yang dapat ditentukan melalui
suatu analisis yang sangat hati-hati terhadap kondisi pada saat sekarang dan
6
prospeknya di masa yang akan datang. Ide dasar pendekatan ini adalah bahwa
harga saham dipengaruhi oleh fundamental ekonomi suatu perusahaan. Analisis
ini menitik beratkan pada rasio finansial dan kejadian yang secara langsung
maupun tidak langsung memengaruhi kinerja perusahaan. Analisis fundamental
menggunakan data yang berasal dari keuangan perusahaan, misalnya laba, dividen
yang dibayar, penjualan dan lain-lain. Analisis fundamental berorientasi secara
general akademik, artinya banyak digunakan oleh akademisi (Kodrat dan
Indonanjaya 2010).
Analisis fundamental dapat dilakukan dengan menggunakan dua pendekatan
yaitu top-down dan bottom-up. Pendekatan bottom-up yaitu suatu cara
menemukan saham yang memberikan prospek yang baik di masa depan dengan
meneliti satu persatu saham dari laporan keuangannya. Sedangkan pendekatan
top-down yaitu dengan menganalisis dari sektor makro ekonomi kemudian
menganalisis sektor-sektor yang cermelang dimasa yang akan datang dengan
asumsi makro ekonomi tersebut. Setelah ditemukan sektor yang memiliki potensi
tersebut lalu didapatlah emiten yang memberikan imbal hasil yang lebih tinggi
dari sektor yang lainnya. Setiap teori atau pendekatan memiliki kelemahan.
Kelemahan yang ada pada top-down adalah adanya kemungkinan saham emiten
yang berada di sektor lain yang memiliki imbal hasil yang sama dengan risiko
mungkin yang lebih rendah sedangkan bottom-up dapat menutupi kekurangan dari
top-down tersebut. Namun bottom-up memiliki kekurangan yaitu dari segi waktu
dimana kerja yang dilakukan cenderung memerlukan waktu yang lama karena
menganalisis satu persatu perusahaan yang ada.
Penganut analisis fundamental percaya bahwa pasar saham ditentukan oleh
90% faktor-faktor yang bersifat rasional dan hanya 10% dipengaruhi oleh faktor
psikologis. Artinya analisis fundamental bertolak dari anggapan dasar bahwa
setiap investor adalah makhluk rasional yang mengacu pada konsep rational
expectation. Oleh karena itu, seorang analis fundamental mencoba mempelajari
hubungan antara harga saham dengan kondisi perusahaan. Argumentasi dasarnya
adalah nilai saham mewakili nilai perusahaan, tidak hanya nilai intrinsik bahkan
harapan akan kemampuan perusahaan dalam meningkatkan nilai dikemudian hari.
Nilai intrinsik merupakan suatu fungsi yang dikombinasikan untuk menghasilkan
suatu return yang diharapkan dan risiko yang melekat pada saham tersebut. Hasil
estimasi nilai intrinsik kemudian dibandingkan harga pasar sekarang (current
market price) sehingga dapat diketahui saham tersebut overvalued atau
undervalued.
Analisis Teknikal
Analisis teknikal merupakan upaya untuk memperkirakan harga saham dan
kondisi pasar dengan mengamati perubahan harga saham tersebut (kondisi pasar)
di waktu yang lalu (Husnan 2009). Analisis teknikal menggunakan data pasar
saham, misalnya perilaku pergerakan harga saham dan volume transaksi saham,
untuk menentukan nilai dari saham. Analisis teknikal banyak digunakan oleh
praktisi. Suatu penelitian menunjukkan bahwa hasil dari analisis teknikal tidak
konklusif, tetapi menunjukkan bahwa penggunaan data yang sistematis dari para
analis saham menghasilkan hasil yang lebih baik dari semata-mata atas dasar
pemilihan acak (Kodrat dan Indonanjaya 2010). Salah satu komponen analisis
yang paling umum adalah tingkat ketahanan dengan melihat aktivitas pergerakan
7
yang merupakan jenis memori bagi pasar yang memungkinkan harga masa lalu
memengaruhi harga saham. Analisis teknikal juga berfokus pada volume
perdagangan, berdasarkan asumsi dimana penurunan harga disertai volume
perdagangan yang besar merupakan sinyal dari penurunan pasar.
sebagai keseluruhan nilai pasar semua jasa akhir yang dihasilkan oleh
suatu negara selama satu kurun waktu tertentu. Barang-barang yang
dihasilkan termasuk barang modal yang belum diperhitungkan
penyusutannya, karenanya jumlah yang didapatkan dari PDB dianggap
bersifat bruto/kotor.
Faktor Teknikal
a. Volume penjualan saham
Volume penjualan saham merupakan rasio antara jumlah lembar saham
yang diperdagangkan pada waktu tertentu terhadap jumlah saham yang
beredar pada waktu tertentu. Secara historis volume perdagangan saham
mempunyai kaitan dengan harga pasar di bursa, dikarenakan volume
perdagangan saham dianggap sebagai ukuran dari kekuatan atau
kelemahan pasar sesuai dengan hukum penawaran dan permintaan
(Susanto 2010). Andrada et al. (1999), Taylor dan Hellen (1992)
mengawali survey mengenai analisis teknikal yang menyatakan alat ini
popular untuk menginformasikan keputusan pembelian atau penjualan
pada partisipasi di pasar saham.
b. Harga saham masa lalu
Variabel ini merupakan upaya untukmemperkirakan harga saham dengan
mengamati perubahan harga saham di waktu yang lalu, yang dalam hal ini
satu tahun sebelumnya. Perilaku harga masa lalu bisa direfleksikan atau
tergambarkan dalam harga di masa yang akan datang (Syamsir 2008).
Data harga sahan masa lalu menggunakan data closing price tahun
sebelumnya pada periode tahun yang akan diestimasikan.
Harga Saham
Harga saham di bursa ditentukan oleh kekuatan pasar yang artinya saham
tergantung dari kekuatan permintaan dan penawaran (Bowonugraha 2007). Dilihat
harga pembentukan harga saham yang terjadi di pasar modal, maka pasar modal
dapat dibagi dalam pasar regular dan pasar negosiasi. Pembentukan harga pasar
regular dilakukan dengan cara tawar menawar secara terus menerus berdasarkan
kekuatan pasar. Pembentukan harga saham di pasar negosiasi dilakukan dengan
cara negosiasi antara pihak pembeli dan penjual. Selain itu, persaingan dalam
pasar akan banyak berpengaruh terhadap harga saham. Harga saham dapat
mencerminkan dari nilai saham. Menurut Keown et al. (2002), nilai saham
didefinisikan sebagai berikut:
a. Nilai nominal (par value) suatu saham adalah nilai kewajiban yang
ditetapkan untuk setiap lembar saham. Nilai nominal adalah modal per
lembar yang harus ditahan di perusahaan untuk proteksi kepada kreditor
yang tidak dapat diambil oleh pemegang saham. Untuk saham yang tidak
10
Data panel adalah data yang mengandung unsur waktu dan unsur individu
itu sendiri (data cross section). Data panel diperoleh ketika sejumlah obyek
diamati untuk beberapa waktu (Gujarati 2004). Bentuk umum dari model data
panel adalah :
.......................................................... (1)
.................................................................... (2)
uit adalah komponen galat dari model yang terdiri atas µ i yang merupakan
efek spesifik dari amatan yang tidak bisa diamati serta vit yang merupakan galat
yang tersisa. Ada dua macam kasus data pada metode data panel. Kasus pertama
adalah saat data yang ada memiliki panjang periode waktu yang sama, kasus
semacam ini disebut data panel balanced. Kasus yang kedua adalah dimana untuk
individu tertentu memiliki periode waktu yang tidak sama dengan periode waktu
individu yang lain, kasus semacam ini disebut data panel unbalanced.
Berdasarkan metode pendugaan parameternya, regresi panel data biasa
dibagi menjadi tiga, yaitu model pooled, model efek tetap, dan model efek acak.
Data pooled adalah data gabungan antara data individu dan data deret waktu.
Model pooled menggunakan metode kuadrat terkecil biasa dalam pendugaan
parameternya. Model efek tetap dan model efek acak pada data panel adalah
bentuk yang lebih spesifik dari model pooled. Adapun asumsi pada model tetap:
(1) µ diasumsikan tetap sehingga dapat diestimasi, (2) vit menyebar normal (0, )
bebas stokastik identik, (3) E(Xit,vit) = 0, Xit saling bebas dengan vit untuk setiap i
11
dan t. Pendugaan parameter pada model efek tetap diduga dengan menggunakan
metode ‘Within’. Pada model efek acak, individu yang digunakan biasanya
merupakan individu yang dipilih secara acak dari populasi yang besar. Asumsi
pada model efek acak : (1) µi menyebar bsi normal (0, ), vit menyebar bsi
normal (0, ), (2) E(Xit,µi) = 0 dan E(Xit,vit) = 0, Xit saling bebas dengan µi dan
vit untuk setiap i dan t. Ada pun tahapan analisis data panel menurut Handriyas
(2002) dan Roswati (2007) adalah:
1. Melakukan pemodelan dengan menggunakan metode pooled.
2. Melakukan pemodelan dengan menggunakan metode efek tetap.
3. Melakukan uji Chow yang memiliki hipotesis:
a. H0 : µi = µ = 0 ; untuk semua nilai i
b. H1 : minimal ada satu i, µi ≠ µ ≠ 0
c. Bila nilai p-value < α , maka hipotesis nol ditolak dan model efek
tetap dipilih. Bila model tetap terpilih, lanjut pada tahap
berikutnya, namun bila model pooled yang terpilih, tahapan
analisis selesai sampai disini.
4. Melakukan pemodelan dengan menggunakan model efek acak.
5. Melakukan uji Hausman yang memiliki hipotesis:
a. H0 : E (uit / Xit) = 0
b. H1 : E (uit / Xit) ≠ 0
c. Bila nilai p-value < α , maka hipotesis nol ditolak dan model efek
tetap dipilih. Bila model efek tetap terpilih, lanjut pada tahap
berikutnya, namun bila model acak yang terpilih, tahapan analisis
selesai sampai disini.
6. Melakukan pengujian asumsi
Uji Asumsi
Uji asumsi dilakukan untuk mendapatkan model yang efisien, visible dan
konsisten sehingga perlu dilihat ada tidaknya pelanggaran asumsi tersebut pada
model yaitu gangguan antar waktu, gangguan antar individu dan gangguan akibat
keduanya. Sehingga hasil dari model regresi tidak bias dan relevan dengan
memenuhi persyaratan BLUE (best, linier, un-bias, estimator). Adapun
pelanggaran-pelanggaran tersebut adalah multikolinearitas, autokorelasi, dan
heteroskedastisitas.
(1) Heteroskedastisitas
Pada umumnya heteroskedastisitas diperoleh pada data cross section.
Untuk mendeteksi adanya heteroskedastisitas pada suatu model dapat dengan
melihat nilai sum square residual pada weighted statistics dan sum square residual
pada unweighted statistics pada model yang sudah diboboti (cross section weight).
Jika nilai sum square residual pada weighted statistics lebih kecil dari sum square
residual pada unweighted statistics, maka diindikasikan terjadi masalah
heteroskedastisitas (Mailendra 2009). Untuk mengatasi adanya pelanggaran
asumsi ini digunakan model yang telah diboboti (cross section weight) dan white
heteroscedasticity.
(2) Multikolinearitas
Multikolinearitas adalah suatu keadaan dimana satu atau lebih dua variabel
bebas dapat dinyatakan sebagai kombinasi linier dari variabel bebas lainnya.
Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilihat dari nilai R2,
12
................................................... (3)
dengan merupakan galat tahun ke-t, adalah galat satu tahun sebelumnya, t waktu,
dan n pengamatan. Nilai d ini yang akan dibandingkan dengan nilai d Durbin
Watson pada tabel (dL dan dU). dL merupakan batas bawah nilai d Durbin
Watson pada tabel dan dU merupakan batas atas nilai d Durbin Watson pada
tabel. Gujarati (2004) mengemukakan kaidah keputusan ada tidaknya autokorelasi
seperti yang dijelaskan pada Tabel 2.
Regresi Stepwise
dimasukkan lagi ke dalam model regresi karena pengaruhnya telah diwakili oleh
peubah yang sudah masuk di dalam model regresi. Sehingga tidak terdapat
multikolinieritas pada model regresi yang dihasilkan.
ARIMA
Analisis time series merupakan suatu metode analisa yang ditujukan untuk
melakukan suatu estimasi atau peramalan pada masa yang akan datang. Hal
penting yang berkaitan dengan penelitian yang menggunakan data time series
adalah stasioneritas. Pengujian ini sangat penting agar tidak terjadi regresi yang
semu apabila data tersebut tidak stasioner. Data time series dikatakan stasioner
jika data tersebut menunjukkan pola yang konstan dari waktu ke waktu, artinya
tidak terdapat pertumbuhan atau penurunan pada data.
Model Box-Jenkins (ARIMA) dibagi kedalam 4 kelompok, yaitu: model
autoregressive (AR), moving average (MA), model campuran autoregressive
moving ARMA dan ARIMA. Model autoregresif adalah model yang menyatakan
bahwa data pada periode sekarang dipengaruhi oleh data pada periode
sebelumnya. Model moving average menyatakan hubungan antara nilai
pengamatan dari kesalahan peramalan sekarang dan masa lalu yang berurutan.
Model ARMA (autoregressive moving average) ialah gabungan dari model AR(p)
dan MA(q) sehingga memiliki asumsi bahwa data periode sekarang dipengaruhi
oleh data periode lampaunya dan nilai lampau kesalahannya (Mulyono 2000).
Model time series yang digunakan berdasarkan asumsi bahwa data time series
tersebut stasioner artinya rata-rata dan varian (σ2) suatu data time series konstan
(Mulyana 2004).
Penelitian Terdahulu
3 METODE PENELITIAN
Kerangka Penelitian
Variabel dependen yang digunakan dalam penelitian ini adalah harga saham
(HS), sedangkan variabel independen dipilih berdasarkan referensi penelitian
terdahulu, yaitu tingkat inflasi (TI), tingkat suku bunga (BIr), produk domestik
bruto (PDB), return on assets (ROA), debt to equity ratio (DER), net profit
margin (NPM), total asset turnover (TATO), volume saham (VS) dan harga
saham masa lalu (HSML). Model penelitian disajikan pada Gambar 2.
TI BIr
PDB
Faktor
ROA fundamental
DER
NPM TATO
Harga
HS
saham
HSML
Faktor
teknikal
VS
Investor
Implikasi manajerial
Pengumpulan Data
Data dalam penelitian ini terdiri dari data sekunder. Data yang akan diambil
merupakan gabungan antara data time series dan cross sectional (panel data).
Data kuantitatif yang akan digunakan diantaranya data historis berupa laporan
keuangan perusahaan contoh penelitian tahun 2010-2015 dan bahan-bahan
17
Variabel Penelitian
Variabel penelitian dan indikator yang digunakan dalam penelitian ini dapat
dilihat dalam Tabel 4.
18
Hipotesis
Tabel 5 Rataan ROA, DER, NPM dan TATO selama enam tahun (2010-2015)
No Perusahaan ROA DER NPM TATO
1 ASRI 0.048 1.511 0.330 0.146
2 BIPP 0.053 0.400 0.709 0.075
3 BKDP -0.014 0.381 -0.391 0.035
4 BKSL 0.019 0.399 0.390 0.049
5 CTRA 0.039 0.823 0.253 0.155
6 CTRP 0.028 0.510 0.250 0.111
7 CTRS 0.050 0.963 0.311 0.160
8 DILD 0.029 0.704 0.222 0.131
9 DUTI 0.054 0.342 0.416 0.129
10 GMTD 0.053 1.887 0.326 0.162
11 GPRA 0.021 0.855 0.163 0.129
12 JRPT 0.060 1.141 0.393 0.154
13 KIJA 0.029 0.844 0.159 0.182
14 LPCK 0.103 0.969 0.423 0.243
15 LPKR 0.030 1.088 0.204 0.149
16 SCBD 0.044 0.358 0.272 0.163
17 SMDM 0.008 0.326 0.111 0.071
Nilai rataan industri properti 0.039 0.794 0.267 0.132
Sumber: Hasil olah data dengan Ms Excel 2010 (2016)
Dari Tabel 5 terlihat, delapan perusahaan pada sektor properti memiliki
tingkat profitabilitas yang masih di bawah rataan industri. Hal ini disebabkan laba
bersih yang didapatkan oleh perusahaan tersebut belum cukup besar terhadap aset
perusahaan. Adanya pengaruh ukuran perusahaan dapat memengaruhi
profitabilitas perusahaan. Perusahaan BKDP mempunyai nilai ROA yang negatif,
hal ini disebabkan kerugian yang dialami dari triwulan ketiga 2011 hingga
triwulan keempat 2013. Kerugian ini disebabkan meningkatnya beban pokok
penjualan. Selain itu tingginya beban operasional, administrasi dan beban
keuangan dan lainnya yang semakin memperbesar kerugian BKDP.
20
Nilai DER, dari tujuh belas perusahaan sektor properti, ada delapan
perusahaan yang di bawah rataan industri. Rataan DER industri sebesar 79.4%
yang dapat diasumsikan sebagai batas bagi perusahaan dalam penggunaan utang.
Apabila DER di atas 79%, kemungkinan perusahaan tidak mampu melunasi utang
sehingga muncul risiko kebangkrutan yang dapat merugikan investor. Selain itu,
makin tinggi DER maka beban bunga yang dibayarkan akan semakin tinggi juga.
Nilai NPM pada perusahaan sektor properti ditemukan satu perusahaan
dengan nilai NPM negatif dan terdapat delapan perusahaan yang memiliki nilai
NPM di atas 26.7%. Hal ini menunjukkan 47% perusahaan menghasilkan tingkat
laba yang baik sebab rataan industri menginginkan tingkat laba 23% dari kegiatan
operasionalnya. Nilai TATO menunjukkan sepuluh perusahaan yang mempunyai
nilai di atas rataan indutri. Rataan industri dapat dijelaskan bahwa penjualan
perusahaan terhadap total aset selama enam tahun berada di tingkat 13.2%. Hal ini
berkaitan dengan sektor properti itu sendiri yang mempunyai produk tersier
dimana tingkat penjualan tidak setinggi produk-produk primer.
Analisis data panel menggunakan tiga model yaitu pool model, fixed effect
model dan random model. Kemudian dari ketiga model diuji dengan
menggunakan uji Chow dan uji Haustman untuk menentukan model terbaik. Hasil
perhitungan secara keseluruhan pada ketiga model dapat dilihat pada Lampiran 3.
Uji Chow
Pengujian ini dilakukan untuk memilih model apakah yang akan digunakan
model pooled least square (PLS) atau fixed effect model. Berdasarkan hasil
pendugaan maka didapatkan hasil uji Chow sebagai berikut yang disajikan pada
Tabel 6.
Dari hasil perhitungan uji Chow pada Tabel 7 kriteria penolakan H0 dapat
dilihat dari nilai-p (p-value). Jika nilai-p lebih kecil dari taraf nyata (α) maka tolak
H0. Pada Tabel 5 dapat dilihat hasil uji Chow keluaran Eviews 9 nilai-p sebesar
0.0000 lebih kecil dari taraf nyata (α=0.05), maka hipotesis nol ditolak, sehingga
sudah cukup bukti untuk menyatakan bahwa model sementara yang lebih sesuai
digunakan adalah fixed effect model.
Uji Hausman
Pengujian ini dilakukan untuk memilih model apakah yang akan digunakan
random effect model atau fixed effect model. Hipotesis nol dinyatakan sebagai
random effect model, sedangkan fixed effect model sebagai hipotesis alternatif.
Berdasarkan hasil pendugaan maka didapatkan hasil uji Hausman sebagai berikut
yang disajikan pada Tabel 7.
21
Tabel 8 menunjukkan nilai-p sebesar 0.0000 lebih kecil dari taraf nyata
(α=0.05). Hal ini menunjukkan bahwa hipotesis nol ditolak sehingga sudah cukup
bukti menyatakan bahwa model yang terpilih adalah fixed effect model. Hasil
fixed effect model ditampilkan pada Tabel 8.
(3) Autokorelasi
Autorelasi dilihat dari tabel Durbin-Watson (DW) dengan jumlah
observasi (n) = 408 dan jumlah variabel (k) = 9 pada taraf nyata 5 persen
maka diperoleh dL=1.798 dan dU=1.878. Hasil estimasi diperoleh nilai
DW sebesar 1.929 sehingga dapat dikatakan bahwa model terbebas dari
autokorelasi.
PENGUJIAN HIPOTESIS
Rasio efisiensi atau aktivitas dilihat dari total asset turnover. Indikator
TATO mempunyai pengaruh signifikan secara parsial terhadap harga saham.
Rasio ini mengukur tingkat efisiensi penggunaan keseluruhan aktiva perusahaan
dalam menghasilkan volume penjualan tertentu (Syamsudin 2011). Nilai
konstanta TATO sebesar -0.691175. Bentuk negatif TATO terhadap harga saham
artinya setiap kenaikan TATO mengakibatkan harga saham menurun.
Hasil penelitian bertentangan dengan teori yaitu apabila perusahaan
mengelola sumber daya yang efisien maka akan semakin besar rasio TATO
artinya bahwa aktiva dapat lebih cepat berputar sehingga memeroleh laba.
Perolehan laba akan menarik investor sehingga investor menanamkan modalnya
pada perusahaan tersebut dan harga saham cenderung naik. Hasil penelitian
menunjukkan adanya kesamaan yang dilakukan oleh Martani et al. (2009) yang
menyatakan TATO mempunyai pengaruh yang negatif terhadap harga saham.
Tren total aset turnover industri properti mengalami kenaikan dari tahun 2010
hingga 2012 dan penurunan pada tahun 2013 hingga 2015. Tren TATO dapat
dilihat pada Gambar 9.
Lanjutan Tabel 11
Harga saham 12 bulan lalu (X8tmin3) 0.180
Volume saham (X9) -0.025
Sumber: Hasil olah data dengan SPSS 17 (2017)
Harga saham perusahaan industri properti 2010-2015 dipengaruhi oleh
variabel BI rate, DER, harga saham pada 3 bulan lalu, harga saham pada 6 bulan
lalu, harga saham pada 9 bulan lalu dan harga saham pada 12 bulan lalu dengan
menggunakan regresi stepwise. Tingkat kepercayaan yang digunakan adalah 10%
dengan nilai R-square sebesar 87.7%.
Regresi stepwise juga dilakukan pada tujuh belas perusahaan industri
properti. Hasil pengolahan data pada setiap perusahaan disajikan pada Tabel 12.
Hasil perhitungan secara keseluruhan dapat dilihat pada Lampiran 6.
Tabel 12 Hasil pengolahan data pada setiap perusahaan industri properti 2010-
2015
No Perusahaan X1 X2 X3 X4 X5 X6
1 ASRI -0.348 -0.312 -0.191 -0.094 -0.066 -0.027
2 BIPP 0.064 -0.019 -0.002 0.021 -0.385 0.017
3 BKDP -0.173 -0.227 -0.193 0.049 -0.175 -0.046
4 BKSL 0.050 -0.211 0.054 0.220 -0.420 0.165
5 CTRA -0.221 -0.416 0.016 -0.021 1.216 -0.707
6 CTRP -0.184 -0.241 -0.629 -0.087 0.309 0.185
7 CTRS -0.057 0.192 0.906 -0.031 0.107 0.175
8 DILD 0.148 -0.060 0.137 0.064 0.131 -0.051
9 DUTI 0.065 -0.187 0.957 -0.018 -0.109 -0.106
10 GMTD 0.009 -0.104 0.977 -0.085 0.120 0.078
11 GPRA -0.237 0.083 0.946 -0.184 0.634 -0.232
12 JRPT 0.161 -0.787 0.362 -0.063 0.211 0.158
13 KIJA -0.200 -0.134 0.143 0.204 -0.310 0.254
14 LPCK -0.032 -0.073 -0.222 -0.096 -0.476 0.614
15 LPKR 0.071 -0.619 1.122 -0.001 -0.171 0.108
16 SCBD 0.176 0.184 -0.138 0.133 -0.118 0.060
17 SMDM -0.101 -0.163 0.155 -0.305 0.179 -0.118
No Perusahaan X7 X8t X8tmin1 X8tmin2 X8tmin3 X9
1 ASRI -0.086 0.693 -0.412 -0.230 -0.072 0.180
2 BIPP 0.155 0.677 0.044 -0.037 -0.026 0.519
3 BKDP -0.058 0.580 -0.034 0.116 0.137 0.642
4 BKSL 0.025 0.647 -0.003 -0.01 -0.133 0.401
5 CTRA -0.027 -0.172 -0.303 -0.021 -0.007 -0.053
6 CTRP -0.208 -0.012 -0.121 0.015 0.111 0.958
7 CTRS 0.006 0.596 -0.568 -0.129 -0.163 0.957
8 DILD 0.109 0.340 0.091 -0.064 -0.075 0.489
9 DUTI 0.000 0.267 -0.178 -0.255 -0.239 0.159
10 GMTD -0.111 -0.007 -0.452 0.092 -0.134 -0.407
11 GPRA -0.104 0.234 0.019 -0.152 -0.240 0.001
31
Lanjutan Tabel 12
12 JRPT -0.067 0.117 0.024 0.121 0.210 0.026
13 KIJA 0.081 0.561 -0.132 0.230 0.265 0.312
14 LPCK -0.087 0.047 -0.400 -0.217 0.067 0.000
15 LPKR -0.054 -0.185 0.036 0.151 0.037 0.437
16 SCBD 0.099 0.325 0.005 -0.037 -0.014 -0.816
17 SMDM 0.071 0.719 0.254 0.094 0.031 -0.075
Sumber: Hasil olah data dengan SPSS 17 (2017)
Harga saham perusahaan ASRI dipengaruhi oleh tingkat inflasi, BI rate,
harga saham 3 bulan sebelumnya dan harga saham 6 bulan sebelumnya. Harga
saham perusahaan BIPP dipengaruhi oleh DER, TATO, dan volume saham. Harga
saham perusahaan BKDP dipengaruhi oleh harga saham 3 bulan sebelumnya dan
volume saham. Harga saham perusahaan BKSL dipengaruhi oleh DER, harga
saham 3 bulan sebelumnya dan volume saham. Harga saham perusahaan CTRA
dipengaruhi oleh BI rate, DER, dan NPM. Harga saham perusahaan CTRP
dipengaruhi oleh DER dan volume saham. Harga saham perusahaan CTRS
dipengaruhi oleh PDB, harga saham 3 bulan sebelumnya, harga saham 6 bulan
sebelumnya dan volume saham. Harga saham perusahaan DILD dipengaruhi oleh
tingkat inflasi, harga saham 3 bulan sebelumnya dan volume saham.
Harga saham perusahaan DUTI hanya dipengaruhi oleh PDB. Harga saham
perusahaan GMTD dipengaruhi oleh PDB, harga saham 6 bulan sebelumnya dan
volume saham. Harga saham perusahaan GPRA dipengaruhi oleh PDB dan DER.
Harga saham perusahaan JRPT hanya dipengaruhi oleh BI rate. Harga saham
perusahaan KIJA hanya dipengaruhi oleh harga saham 3 bulan sebelumnya. Harga
saham perusahaan LPCK dipengaruhi oleh DER, NPM dan harga saham 6 bulan
sebelumnya. Harga saham perusahaan LPKR dipengaruhi oleh BI rate, PDB dan
volume saham. Harga saham perusahaan SCBD dipengaruhi oleh harga saham 3
bulan sebelumnya dan volume saham. Harga saham perusahaan SMDM
dipengaruhi oleh BI rate, ROA dan harga saham 3 bulan sebelumnya.
Perusahaan-perusahaan yang mendukung hasil regresi stepwise pada
industri properti pada variabel BI rate terdapat lima perusahaan yaitu ASRI,
CTRA, JRPT, LPKR, dan SMDM. Variabel DER terdapat tiga dari tujuh belas
perusahaan atau 17.65% yang mendukung hasil regresi stepwise pada industri
properti. Ketiga perusahaan tersebut adalah CTRA, CTRP dan GPRA. Sedangkan
tiga perusahaan lainnya yaitu BIPP, BKSL dan LPCK menunjukkan variabel DER
signifikan namun mempunyai koefisien yang negatif. Perusahaan BIPP, BKSL
dan LPCK mempunyai koefisien negatif dan tidak konsisten dengan hasil regresi
stepwise pada industri properti menujukkan bahwa proporsi utang dengan ekuitas
berada kurang dari 40%.
Variabel harga saham pada 3 bulan lalu terdapat sembilan dari tujuh belas
perusahaan atau 52.94% yang mendukung hasil regresi stepwise pada industri
properti. Perusahaan tersebut adalah ASRI, BIPP, BKDP, BKSL, CTRS, DILD,
KIJA, SCBD, dan SMDM. Variabel harga saham pada 6 bulan lalu terdapat empat
dari tujuh belas perusahaan atau 23.52% yang mendukung hasil regresi stepwise
pada industri properti. Perusahaan tersebut adalah ASRI, CTRS, GMTD, dan
LPCK. Efek persistensi dapat menjelaskan ketika harga saham perusahaan
properti positif, maka harga saham periode selanjutnya akan cenderung positif.
32
Berbeda dengan harga saham 3 bulan lalu, harga saham 6 bulan lalu mempunyai
pengaruh yang negatif pada harga saham saat ini. Kemudian variabel harga saham
di atas 6 bulan lalu tidak mempunyai efek persistensi karena hasil olah data pada
tiap perusahaan menunjukkan tidak adanya signifikansi variabel harga saham
masa 9 dan 12 bulan lalu terhadap harga saham sekarang.
maka model terbaik yang dipilih adalah model AR(1) transformasi log harga
saham. Hasil model AR(1) transformasi log harga saham disajikan pada Tabel 15.
2500
2000
Harga Saham (Rp)
1500
1000
500
Implikasi Manajerial
sebaiknya membeli saham sektor properti. Hal ini dapat memberikan keuntungan
bagi investor sebab harga saham masih rendah dan cenderung akan naik.
Program sejuta rumah merupakan salah satu program Nawacita dimana jika
hal ini direalisasikan pada tahun terdekat maka sektor properti akan mengalami
kenaikan. Selain itu BI dapat menerapkan kebijakan makroprudensial yang namun
penerapan kebijakan tersebut dilihat dari situasi pasar sektor properti. Saat ini
pasar properti yang mengalami penurunan dapat diterapkan kebijakan
makroprudensial dengan pengawasan jika pemberian kredit sudah berlebihan,
maka perlu dilakukan tindakan kontraktif.
Daerah perbatasan membutuhkan perumahan yang layak. Permintaan
perumahan di daerah perbatasan akan tinggi. Dengan membangun ratusan unit
rumah akan menutupi permintaan tersebut dan memajukan kesejahteraan
masyarakat di daerah perbatasan.
Simpulan
Saran
DAFTAR PUSTAKA
LAMPIRAN
Lanjutan Tabel 13
VPS -
HSML +
5 Analisis menganalisis pengartuh ROI nol
Pengaruh variabel-variabel DPR nol
Variabel- fundamental terhadap CR nol
Variabel harga saham pada TI nol
Fundamental dan perusahaan tekstil yang BI rate nol
Teknikal go publik di Bursa Efek
M2 -
Terhadap Harga Jakarta (BEJ)
Saham NLTR nol
VPS nol
HSML +
6 Analisis mengkaji mengenai NLTD +
Pengaruh Nilai pengaruh indikator BI rate nol
Tukar, Suku ekonomi makro, tingkat TI -
Bunga, Laju inflasi, suku bunga,
Inflasi dan GDP kurs, dan pertumbuhan
Terhadap Indeks terhadap indeks harga
Harga Saham saham sektor properti
Sektor Properti 2000-2008 GDP nol
Effects Specification
Weighted Statistics
Unweighted Statistics
UJI CHOW
H0= PLS
H1= FEM
Effects Specification
47
S.D. Rho
Weighted Statistics
Unweighted Statistics
UJI HAUSMAN
H0= REM
H1= FEM
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
g
Model Summary
Std. Error of the
Model R R Square Adjusted R Square Estimate Durbin-Watson
a
1 .905 .819 .818 .45590
b
2 .924 .854 .854 .40953
c
3 .927 .860 .858 .40281
d
4 .930 .864 .863 .39672
e
5 .935 .874 .873 .38199
f
6 .936 .877 .874 .37935 1.986
a. Predictors: (Constant), X8t
b. Predictors: (Constant), X8t, X8tmin3
c. Predictors: (Constant), X8t, X8tmin3, X2
d. Predictors: (Constant), X8t, X8tmin3, X2, X8tmin2
e. Predictors: (Constant), X8t, X8tmin3, X2, X8tmin2, X8tmin1
f. Predictors: (Constant), X8t, X8tmin3, X2, X8tmin2, X8tmin1, X5
g. Dependent Variable: Y
49
g
ANOVA
Model Sum of Squares df Mean Square F Sig.
a
1 Regression 317.932 1 317.932 1529.637 .000
Residual 70.253 338 .208
a
Coefficients
Unstandardized Standardized Collinearity
Coefficients Coefficients Correlations Statistics
Std. Zero-
Model B Error Beta t Sig. order Partial Part Tolerance VIF
1 (Constant) .027 .025 1.083 .279
X8t .919 .023 .905 39.111 .000 .905 .905 .905 1.000 1.000
2 (Constant) .046 .022 2.067 .039
X8t .636 .038 .626 16.849 .000 .905 .676 .350 .313 3.197
X8tmin3 .360 .040 .336 9.049 .000 .855 .442 .188 .313 3.197
3 (Constant) .052 .022 2.342 .020
X8t .626 .037 .616 16.816 .000 .905 .676 .344 .311 3.215
X8tmin3 .386 .040 .361 9.698 .000 .855 .468 .198 .302 3.315
X2 -.073 .021 -.074 -3.513 .001 .097 -.188 - .944 1.059
.072
4 (Constant) .051 .022 2.329 .020
X8t .589 .038 .580 15.386 .000 .905 .643 .310 .285 3.504
X8tmin3 .276 .051 .258 5.420 .000 .855 .284 .109 .179 5.600
X2 -.073 .020 -.074 -3.585 .000 .097 -.192 - .944 1.059
.072
X8tmin2 .158 .047 .151 3.376 .001 .833 .181 .068 .203 4.925
5 (Constant) .047 .021 2.225 .027
X8t .788 .053 .776 14.862 .000 .905 .631 .288 .138 7.260
X8tmin3 .180 .052 .169 3.441 .001 .855 .185 .067 .157 6.383
X2 -.063 .020 -.064 -3.195 .002 .097 -.172 - .935 1.070
.062
X8tmin2 .379 .062 .361 6.130 .000 .833 .318 .119 .108 9.222
X8tmin1 -.336 .064 -.326 -5.227 .000 .818 -.275 - .097 10.345
.101
6 (Constant) .047 .021 2.274 .024
X8t .774 .053 .762 14.594 .000 .905 .625 .281 .136 7.356
X8tmin3 .180 .052 .168 3.453 .001 .855 .186 .066 .157 6.383
X2 -.061 .020 -.062 -3.100 .002 .097 -.167 - .933 1.072
.060
X8tmin2 .376 .061 .358 6.119 .000 .833 .318 .118 .108 9.226
X8tmin1 -.329 .064 -.318 -5.135 .000 .818 -.271 - .096 10.372
.099
X5 .051 .021 .047 2.383 .018 .248 .129 .046 .948 1.055
a. Dependent Variable: Y
51
g
Excluded Variables
Collinearity Statistics
Partial Minimum
Model Beta In t Sig. Correlation Tolerance VIF Tolerance
a
1 X1 -.035 -1.488 .138 -.081 .984 1.017 .984
a
X2 -.035 -1.516 .130 -.082 .979 1.022 .979
a
X3 -.010 -.419 .676 -.023 .939 1.065 .939
a
X4 .013 .488 .626 .027 .813 1.230 .813
a
X5 .056 2.392 .017 .129 .954 1.048 .954
a
X6 .005 .209 .835 .011 .998 1.002 .998
a
X7 -.024 -.997 .320 -.054 .897 1.114 .897
a
X8tmin1 .023 .425 .671 .023 .192 5.220 .192
a
X8tmin2 .293 8.177 .000 .407 .348 2.869 .348
a
X8tmin3 .336 9.049 .000 .442 .313 3.197 .313
a
X9 -.026 -1.080 .281 -.059 .937 1.067 .937
b
2 X1 -.056 -2.659 .008 -.144 .972 1.028 .309
b
X2 -.074 -3.513 .001 -.188 .944 1.059 .302
b
X3 -.055 -2.511 .013 -.136 .895 1.117 .298
b
X4 .007 .287 .774 .016 .813 1.231 .295
b
X5 .055 2.598 .010 .140 .954 1.049 .309
b
X6 .003 .137 .891 .007 .998 1.002 .313
b
X7 -.013 -.569 .570 -.031 .894 1.118 .296
b
X8tmin1 -.077 -1.590 .113 -.086 .182 5.494 .158
b
X8tmin2 .150 3.299 .001 .177 .203 4.925 .182
b
X9 -.018 -.845 .399 -.046 .936 1.068 .309
c
3 X1 -.020 -.767 .444 -.042 .639 1.565 .302
c
X3 -.002 -.070 .945 -.004 .448 2.233 .297
c
X4 .011 .471 .638 .026 .810 1.234 .293
c
X5 .051 2.454 .015 .133 .951 1.052 .302
c
X6 .009 .427 .669 .023 .991 1.009 .302
c
X7 -.005 -.226 .821 -.012 .885 1.130 .293
c
X8tmin1 -.065 -1.355 .176 -.074 .181 5.525 .156
c
X8tmin2 .151 3.376 .001 .181 .203 4.925 .179
c
X9 -.018 -.862 .389 -.047 .936 1.068 .301
d
4 X1 -.018 -.698 .486 -.038 .639 1.566 .179
d
X3 -.004 -.140 .889 -.008 .448 2.234 .177
d
X4 .017 .739 .460 .040 .806 1.241 .178
d
X5 .052 2.553 .011 .138 .951 1.052 .178
d
X6 .008 .412 .680 .023 .991 1.009 .179
d
X7 .004 .188 .851 .010 .872 1.147 .179
d
X8tmin1 -.326 -5.227 .000 -.275 .097 10.345 .097
d
X9 -.015 -.723 .470 -.040 .934 1.071 .179
e
5 X1 -.021 -.855 .393 -.047 .638 1.567 .097
e
X3 -.007 -.244 .807 -.013 .447 2.235 .097
e
X4 .032 1.473 .142 .080 .792 1.263 .095
e
X5 .047 2.383 .018 .129 .948 1.055 .096
52
e
X6 .008 .391 .696 .021 .991 1.009 .097
e
X7 .021 .989 .324 .054 .852 1.173 .094
e
X9 -.017 -.838 .403 -.046 .934 1.071 .097
f
6 X1 -.024 -.978 .329 -.054 .637 1.571 .096
f
X3 -.007 -.244 .808 -.013 .447 2.235 .096
f
X4 .031 1.446 .149 .079 .791 1.264 .095
f
X6 .009 .462 .645 .025 .990 1.010 .096
f
X7 .009 .419 .675 .023 .800 1.250 .094
f
X9 -.025 -1.237 .217 -.068 .910 1.098 .096
a. Predictors in the Model: (Constant), X8t
b. Predictors in the Model: (Constant), X8t, X8tmin3
c. Predictors in the Model: (Constant), X8t, X8tmin3, X2
d. Predictors in the Model: (Constant), X8t, X8tmin3, X2, X8tmin2
e. Predictors in the Model: (Constant), X8t, X8tmin3, X2, X8tmin2, X8tmin1
f. Predictors in the Model: (Constant), X8t, X8tmin3, X2, X8tmin2, X8tmin1, X5
g. Dependent Variable: Y
t-Statistic Prob.*
RIWAYAT HIDUP