Skripsi Keakuran CAPM Dan APT

ANALISIS PERBANDINGAN KEAKURATAN CAPITAL
ASSET PRICING MODEL DAN ARBITRAGE PRICING

THEORY DALAM MEMPREDIKSI RETURN SAHAM PADA
PERUSAHAAN PERTANIAN YANG TERDAFTAR DI BURSA
EFEK INDONESIA (PERIODE 2017-2021)
COMPARISON ANALYSIS THE ACCURACY OF CAPITAL ASSET
PRICING MODEL AND ARBITRAGE PRICING THEORY IN
PREDICTING STOCK RETURNS IN AGRICULTURAL COMPANIES
LISTED ON THE INDONESIA STOCK EXCHANGE (PERIOD 2017-2021)
SKRIPSI SARJANA
Oleh:
IHSANNUL PRA ZELLI
Nomor BP: 1810003530141
PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI
UNIVERSITAS EKASAKTI
PADANG
2022
ABSTRAK
Penelitian ini bertujuan untuk menganalisis perbandingan keakuratan Capital

Asset Pricing Model dan Arbitrage Pricing Theory dalam memprediksi return
saham perusahaan sektor pertanian yang terdaftar di Bursa Efek Indonesia (BEI).
Periode penelitian adalah dari tahun 2017-2021 dengan jumlah sampel sebanyak
10 perusahaan dari total 22 perusahaan yang terdaftar pada sektor pertanian
melalui teknik purposive sampling. Perbandingan keakuratan kedua model
menggunakan analisis Mean Absolut Deviation (MAD), sedangkan pengujian
hipotesis dilakukan dengan menggunakan metode paired sampel t-test. Hasil
penelitian menunjukkan bahwa model CAPM lebih akurat dibandingkan model
APT dengan empat faktor makro ekonomi yang didasarkan pada nilai MAD
CAPM (0,06628) sedangkan nilai MAD APT (0,11827). Berdasarkan hasil
pengujian hipotesis, terdapat perbedaan yang signifikan antara model CAPM dan
APT dalam memprediksi return saham perusahaan sektor Pertanian.
Kata Kunci: CAPM, APT, Return ,Beta.
i
ABSTRACT
This study aims to analyze the comparison of the accuracy of the Capital Asset
Pricing Model and Arbitrage Pricing Theory in Predicting Stock Returns of
Agricultural Sector Companies Listed on the Indonesia Stock Exchange (IDX).
The research period is from 2017-2021 with a total sample of 10 companies from
a total of 22 companies registered in the agricultural sector companies through
purposive sampling technique. Comparison of the accuracy of the two models
using Mean Absolute Deviation (MAD) analysis, while hypothesis testing is
carried out using the paired sample t-test method. The results showed that the
CAPM model was more accurate than the APT model with four macroeconomic
faktors based on the MAD CAPM value (0,06628) while the MAD APT value
(0,11827). Based on the results of hypothesis testing, there are significant
differences between the CAPM and APT models in predicting stock returns of
agriculture sector companies.
Keyword: CAPM, APT, Return, Beta
ii
HALAMAN PERSETUJUAN KOMISI PEMBIMBING SKRIPSI
JUDUL :ANALISIS PERBANDINGAN

KEAKURATAN
CAPITAL ASSET PRICING MODEL DAN
ARBITRAGE PRICING THEORY DALAM
MEMPREDIKSI RETURN SAHAM PADA
PERUSAHAAN PERTANIAN YANG
TERDAFTAR DI BURSA EFEK INDONESIA
(PERIODE 2017-2021)
NAMA : IHSANNUL PRA ZELLI

NOMOR BP : 1810003530141
FAKULTAS : EKONOMI
JURUSAN : MANAJEMEN
SK PEMBIMBING : Nomor: 035/PBS/FE-UNES/IX/2021
Tanggal: 20 September 2021
Disetujui Oleh:
Komisi Pembimbing
Rina Asmeri, SE., M.Si. Delory Nancy Melya, SE., MM.

Pembimbing I Pembimbing II
Mengetahui:
Ketua Program Studi Manajemen
Dr. H. Agussalim M., SE., MS.
iii
Hari / Tanggal Seminar Proposal: Sabtu / 28 Mei 2022
HALAMAN PERSETUJUAN KOMISI PENGUJI PROPOSAL

KEAKURATAN CAPITAL ASSET PRICING
MODEL DAN ARBITRAGE PRICING
THEORY DALAM MEMPREDIKSI RETURN
SAHAM PADA PERUSAHAAN PERTANIAN
YANG TERDAFTAR DI BURSA EFEK
INDONESIA (PERIODE 2017-2021)

NOMOR BP : 1810003530141
FAKULTAS : EKONOMI
JURUSAN : MANAJEMEN
SK PENGUJI : Nomor: 043/FE-UNES/UP-M/V/2022
Tanggal: 23 Mei 2022
Disetujui Oleh:
Komisi Penguji
Ketua Tim Penguji : Rina Asmeri, SE., M.Si, (…………………)
Sekretrais Tim Penguji : Delory Nancy Melya, SE., MM. (…………………)
Anggota Tim Penguji : Novi Yanti, SE., MM. (…………………)
Mengetahui:
iv
Hari / Tanggal Seminar Proposal : Sabtu / 28 Mei 2022
HALAMAN PERSETUJUAN KOMISI PENGUJI PRASKRIPSI


NOMOR BP : 1810003530141
FAKULTAS : EKONOMI
JURUSAN : MANAJEMEN
SK PENGUJI : Nomor: 010 /FE-UNES/SHP-M/XI/2022
Tanggal: 12 November 2022
Disetujui Oleh:
Komisi Penguji
Ketua Tim Penguji : Rina Asmeri, SE., M.Si, (…………………)
Sekretrais Tim Penguji : Delory Nancy Melya, SE., MM. (…………………)
Pembahas 1 : Novi Yanti, SE., MM. (…………………)

Pembahas 2 : Dr. Ir. Teti Chandrayanti, MBA. (…………………)
Mengetahui:
v
Hari / Tanggal Seminar Hasil : Jum’at / 18 November 2022
HALAMAN PERSETUJUAN KOMISI PENGUJI SKRIPSI


NOMOR BP : 1810003530141
FAKULTAS : EKONOMI
JURUSAN : MANAJEMEN
SK PENGUJI : Nomor: 018/FE-UNES/US-M/I/2023
Tanggal: 02 Januari 2023
Disetujui Oleh:
Komisi Penguji
Ketua Penguji : Rina Asmeri, SE., M.Si, (…………………)
Penguji 1 : Dr. Ir. Teti Chandrayanti, MBA (…………………)

Penguji 2 : Novi Yanti, SE., MM. (…………………)
Mengetahui:
Dekan Fakultas Ekonomi
vi
Dr. Salfadri, SE., M.Si.
Hari / Tanggal Ujian Komprehensif : Selasa / 10 Januari 2023
KATA PENGANTAR
Puji syukur kehadirat allah SWT. berkat hidayah dan taufiknya
penulis dapat menyelesaikan penelitian ini dengan judul “Analisis
Perbandingan Keakuratan Capital Asset Pricing Model dan Arbitrage
Pricing Theory dalam Memprediksi Return Saham pada Perusahaan
Pertanian yang Terdaftar di Bursa Efek Indonesia (Periode 2017-2021)”,
yang merupakan salah satu syarat untuk menyelesaikan studi dan
memperoleh gelar sarjana pada Fakultas Ekonomi Universitas Ekasakti.
Selanjutnya penulis ucapkan terima kasih yang sebesar-besarnya
kepada, Mama tercinta Nelli beserta Papa Zelmi, dan Abang Anugrah
Perdana dan Surya Dwi Putra serta adikku Muhammad Zahron, berkat
doa tulus dan dorongan mereka penulis mendapatkan kemudahan dalam
menyelesaikan tugas-tugas dan skripsi ini tepat pada waktunya.
Ucapan terima kasih juga penulis sampaikan kepada:
1. Bapak Dr. Otong Rosadi. SH., M.Hum. selaku rektor Universitas
Ekasakti beserta jajarannya.
2. Bapak DR. Salfadri, SE., M.Si. selaku dekan Fakultas Ekonomi
Universitas Ekasakti beserta jajaran.

vii
3. Bapak DR. H. Agussalim. M. SE., M.S., MCE. Selaku ketua
program studi Manajemen beserta jajarannya.
4. Penulis telah menerima banyak bantuan dan bimbingan dari ibu
Rina Asmeri, SE. dan ibu Delori Nancy Meyla, SE., MM atas segala
bantuan dan bimbingan yang telah beliau berikan, penulis
mengucapkan terima kasih yang setulusnya.
5. Ibu Novi Yanti, SE., MM. selaku tim penguji proposal dan tim
pembahas seminar hasil.
6. Ibu Dr. Ir. Teti Chandrayanti. selaku tim pembahas seminar hasil.
7. Teruntuk sahabat-sahabat yang selalu memberikan support dan
semangat.
Kepada semua pihak yang telah berkenan memberikan bantuan,
baik moril maupun materil hingga skripsi ini dapat diselesaikan, penulis tak
lupa menyampaikan terima kasih.
Akhirnya penulis mengharapkan ridho Allah SWT. Berkenan
memberikan balasan atas segala bantuannya.
Padang, November 2022
(Ihsannul Pra Zelli)
viii
DAFTAR ISI
HALAMAN PERSETUJUAN KOMISI PEMBIMBING SKRIPSI...................iii
HALAMAN PERSETUJUAN KOMISI PENGUJI PROPOSAL....................iv
HALAMAN PERSETUJUAN KOMISI PENGUJI PRASKRIPSI...................v
HALAMAN PERSETUJUAN KOMISI PENGUJI SKRIPSI..........................vi
KATA PENGANTAR...................................................................................vii
DAFTAR ISI.................................................................................................ix
DAFTAR TABEL..........................................................................................xi
DAFTAR GAMBAR.....................................................................................xii
DAFTAR LAMPIRAN.................................................................................xiii
BAB I PENDAHULUAN................................................................................1
1.1 Latar Belakang................................................................................1
1.2 Rumusan Masalah..........................................................................8
1.3 Tujuan dan Kegunaan penelitian....................................................9
1.4 Sistematika Penulisan...................................................................10
1.5 Time Schedule dan Biaya Penelitian............................................12
BAB II TINJAUAN PUSTAKA....................................................................13
2.1 Investasi........................................................................................13
2.2 Saham...........................................................................................14
2.3 Risiko.............................................................................................18
2.4 Return............................................................................................22
2.5 Capital Asset Pricing Model (CAPM)............................................25
2.6 Arbitrase Pricing Theory (APT).....................................................32
ix
2.7 Metode ARIMA..............................................................................44
2.8 Mean Absolut Deviation (MAD).....................................................47
2.9 Kerangka Konseptual....................................................................48
2.10 Penelitian Terdahulu.....................................................................49
2.11 Hipotesis........................................................................................55
BAB III GAMBARAN UMUM LOKASI PENELITIAN DAN METODE
PENELITIAN..............................................................................................57
3.1 Lokasi Penelitian...........................................................................57
3.2 Metode Penelitian..........................................................................58
3.3 Sumber Data.................................................................................62
3.4 Defenisi Operasional Variabel.......................................................63
3.5 Metode Analisis.............................................................................63
3.6 Metode Pengujian Hipotesis.........................................................68
BAB IV HASIL PENELITIAN DAN PEMBAHASAN...................................70
4.1 Capital Asset Pricing Model..........................................................70
4.2 Arbitrage Pricing Theory...............................................................87
4.3 Perbandingan Penghitungan Expected Return Menggunakan

CAPM dan APT...........................................................................109
4.4 Uji Normalitas Data.....................................................................113
4.5 Uji Hipotesis................................................................................114
4.6 Pembahasan Hasil Penelitian.....................................................115
BAB V PENUTUP....................................................................................122
5.1 Kesimpulan..................................................................................122
5.2 Saran...........................................................................................123
x
DAFTAR TABEL
Halaman
Tabel 1. 1 Time Schedule..........................................................................12
Tabel 2. 1 Penelitian
Terdahulu.................................................................49
Tabel 3. 1 Perusahaan Sektor Pertanian..........................................…….59

Tabel 3. 2 Purposive Sampling Sektor Pertanian......................................61
Tabel 3. 3 Sampel Perusahaan Sektor Pertanian.....................................62
Tabel 3. 4 Definisi Operasional Variabel...................................................64
Tabel 4. 1 Return Aset Bebas Risiko (Rf) Periode 2017-2021..............70
Tabel 4. 2 Return Market (Rm) Periode 2017-2021..................................73

Tabel 4. 3 Return Saham Perusahaan Sektor Pertanian Periode 2017-
2021........................................................................................77
Tabel 4. 4 Risiko Sistematis atau Beta Saham (CAPM) Periode 2017-
2021........................................................................................79
Tabel 4. 5 Rata-Rata Risiko Sistematis Setiap Tahun..............................81
Tabel 4. 6 Expected Return CAPM Setiap Tahun Periode 2017-2021.....82
Tabel 4. 7 Rata-Rata Return dan Expected Return CAPM Setiap
Tahun......................................................................................85
Tabel 4. 8 Δ Inflasi Aktual, Δ Inflasi yang Diharapkan, dan Δ Inflasi yang
Tidak diharapkan Periode 2017-2021....................................88
Tabel 4. 9 Δ Kurs Aktual, Δ Kurs yang Diharapkan, dan Δ Kurs yang Tidak
diharapkan Periode 2017-2021..............................................92
Tabel 4. 10 Δ SBI Aktual, Δ SBI yang Diharapkan, dan Δ SBI yang Tidak
Tabel 4. 11 Δ JUB Aktual, Δ JUB yang Diharapkan, dan Δ JUB yang Tidak
Tabel 4. 12 Risiko Sistematis (β) Faktor APT..........................................102
Tabel 4. 13 Rata-Rata Risiko Sistematis (β) Faktor APT.......................104
Tabel 4. 14 Expected Return Model APT Setiap Tahun Periode
2017-2021.............................................................................105
Tabel 4. 15 Rata-Rata Return dan Expected Return APT
Setiap Tahun.........................................................................107
Tabel 4. 16 MAD CAPM dan APT Pertahun Pada Periode
2017-2021.............................................................................110
xi
Tabel 4. 17 Hasil Uji Normalitas Kolmogorov..........................................113
Tabel 4. 18 Paired Sample Statistics.......................................................114
Tabel 4. 19 Tabel Paired Samples Test..................................................115
DAFTAR GAMBAR
Halaman
Gambar 2.1 Diagram Alir..................................................................48
xii
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Return Aset Bebas Risiko (Rf) Periode 2017-2021.....128

Lampiran 2 Return Market (Rm) Periode 2017-2021.....................129
Lampiran 3 Return Saham Perusahaan Sektor Pertanian Periode
2017-2021....................................................................130
Lampiran 4 Risiko Sistematis atau Beta Saham (CAPM) Periode
2017-2021....................................................................141
Lampiran 5 Rata-Rata Risiko Sistematis Setiap Tahun..................142
Lampiran 6 Expected Return Model CAPM Setiap Tahun Periode
2017-2021....................................................................143
Lampiran 7 Rata-Rata Return dan Expected Return CAPM Setiap
Tahun...........................................................................144
Lampiran 8 Δ Inflasi Aktual, Δ Inflasi yang Diharapkan, dan
Δ Inflasi yang Tidak diharapkan Periode 2017-2021...145
Lampiran 9 Δ Kurs Aktual, Δ Kurs yang Diharapkan, dan

Δ Kurs yang Tidak diharapkan.....................................147
Lampiran 10 Δ SBI Aktual, Δ SBI yang Diharapkan, dan Δ SBI yang
Tidak diharapkan Periode 2017-2021..........................149
Lampiran 11 Δ JUB Aktual, Δ JUB yang Diharapkan, dan Δ JUB
yang Tidak diharapkan Periode 2017-2021.................151
Lampiran 12 Risiko Sistematis (β) Faktor APT...............................153
Lampiran 13 Rata-Rata Risiko Sistematis (β) Faktor APT.............165
Lampiran 14 Expected Return Model APT Pertahun 2017-2021...166
Lampiran 15 Rata-Rata Expected Return Model APT Pertahun
2017-2021..................................................................167
Lampiran 16 MAD CAPM dan APT.................................................168
Lampiran 17 Hasil Uji Normalitas Kolmogorov...............................170
Lampiran 18 Paired Sample Statistics............................................171
Lampiran 19 Paired Sample Test....................................................172
xiii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan ekonomi global saat ini telah mendorong para investor untuk
berinvestasi di pasar modal. Keberadaan pasar modal di suatu negara bisa menjadi
acuan untuk melihat tentang bagaimana kegairahan atau dinamisnya bisnis negara
yang bersangkutan dalam menggerakkan berbagai kebijakan ekonominya seperti
kebijakan fiskal dan moneter(Fahmi, 2017) Pasar modal menjalankan dua fungsi
utama, yaitu pertama sebagai sarana bagi pendanaan usaha atau sarana bagi
perusahaan untuk mendapatkan dana dari masyarakat pemodal (investor), kedua
sebagai sarana bagi masyarakat untuk berinvestasi pada instrumen keuangan
seperti saham, obligasi, reksadana, dan instrumen-instrumen lainnya (Fahmi,
2017).
Salah satu jenis investasi yang dilakukan investor di pasar modal adalah
investasi pada saham. Saham adalah tanda bukti penyertaan kepemilikan modal
atau dana pada suatu perusahaan(Fahmi, 2017). Saham merupakan sekuritas yang
cukup populer yang diperjualbelikan di pasar modal. Investor yang melakukan
investasi saham akan mengharapkan keuntungan berupa capital gain maupun
pembagian dividen oleh perusahaan. Capital gain adalah keuntungan pada saat
saham yang dimiliki dijual kembali dengan harga yang lebih mahal(Fahmi, 2017).
Sedangkan dividen merupakan pembagian dari laba yang dibagikan kepada
pemegang saham (Susanti & Putra, 2019).
1
2
Untuk mendapatkan keuntungan dari investasi yang dilakukannya, investor
tidak terlepas dari risiko, karena kondisi di masa depan merupakan suatu
ketidakpastian. Terdapat trade off antara risiko dengan keuntungan. Artinya,
investasi yang mempunyai risiko tinggi biasanya menjanjikan tingkat keuntungan
yang tinggi, sebaliknya sebuah investasi dengan tingkat risiko yang rendah
biasanya akan menghasilkan tingkat keuntungan yang rendah pula(Susanti &
Putra, 2019). Karenanya, untuk mengurangi risiko investasi, investor perlu
membentuk suatu portofolio investasi. Portofolio dinyatakan sebagai sekumpulan
aset yang dimiliki untuk tujuan ekonomis tertentu. Tujuannya yaitu melakukan
diversifikasi aset sedemikian rupa sehingga mampu mengurangi risiko dari suatu
tingkat return tertentu (Mamduh M, 2021).
Sektor pertanian di Indonesia menjadi salah satu penopang kegiatan
perekonomian masyarakat di Indonesia. Tidak hanya menjadi sumber pangan
untuk masyarakat sehari-hari, namun juga sebagai sumber devisa untuk negara.
Sektor pertanian di Indonesia juga menjadi andalan dalam penyerapan tenaga
kerja dari waktu ke waktu. Menurut World Bank peran pertanian yaitu
berkontribusi pada pembangunan sebagai sebuah aktivitas ekonomi, sebagai mata
pencaharian, dan sebagai cara untuk melestarikan lingkungan sehingga membuat
sektor ini menjadi unik dalam menjadi instrumen pembangunan bagi negara.
Namun, perusahaan-perusahaan di sektor pertanian juga harus memperhatikan
keberlangsungan usahanya. Ketika perusahaan merasa kurang mampu dalam
memenuhi kebutuhan modalnya, perusahaan dapat menjual sahamnya ke publik
untuk mendapatkan modal tambahan. Serta hal tersebut juga dapat memperluas
3
cakupan pasar yang dimiliki oleh perusahaan tersebut apabila
melakukan go publik.
Sejak akhir tahun 2019 terdapat resesi keuangan global dari fenomena yang
membuat penurunan stamina perekonomian nasional yang diakibatkan meluasnya
wabah Covid-19. Peluasan wabah pandemi Covid-19 di Indonesia saat ini juga
memberikan dampak pada hampir seluruh sektor kehidupan yang ada, khususnya
pada sektor pertanian yang merupakan salah satu sumber perekonomian. Pada
masa awal pandemi sektor pertanian mendapat tantangan yang besar, karena
terdapat beberapa dampak yang mempengaruhi sektor pertanian. Beberapa
diantaranya yaitu mulai dari rantai pasokan pangan melambat, kesehatan petani,
keselamatan pekerja, sumber alat pelindung diri, kerusakan sumber pangan,
sampai harga pasar yang meningkat. Harga pasar pertanian yang tinggi tentunya
akan mempengaruhi permintaan dan penawaran sumber daya sampai hasil
pangan. Apabila permintaan dan penawaran terganggu, tentunya akan
mempengaruhi penjualan-penjualan di sektor pertanian, yang bisa membuat
keadaan menjadi lebih sulit sampai mengakibatkan penurunan untuk perusahaan
yang penjualannya mengalami kesulitan tentunya akan berdampak juga terhadap
kondisi perusahaan itu sendiri, yang mana akan mempengaruhi nilai yang dimiliki
suatu perusahaan di mata investor.
CAPM secara empiris pada sektor pertanian ternyata cukup baik tapi masih
jauh jika dibandingkan portofolio bulanan semua sampel. Bahkan error yang
ditemukan menjadi lebih besar, dengan nilai 48.1%. CAPM sebenarnya hanya
4
mampu menangkap risiko pasar secara keseluruhan tapi tidak secara spesifik pada
perusahaan tertentu. Model CAPM ada baiknya jika mulai dibandingkan dengan
model yang lain seperti APT, Fama French ataupun Carhart Four Faktor Model
pada sektor pertanian. Faktor size, value atau momentum yang lebih baik dalam
menerangkan varian return saham dibandingkan market premium. Hal ini
tentunya akan erat kaitannya dengan teori tentang behavioral finance (Kiky,
2015).
Dalam portofolio investasi terdapat dua model yang sering digunakan investor
dalam memprediksi tingkat keuntungan (expected return), yaitu menggunakan
model Capital Asset Pricing Model (CAPM) dan model Arbitrage Pricing Theory
(APT). Dengan menggunakan model ini, investor dapat memprediksi tingkat
pengembalian dari suatu portofolio investasi, sehingga dapat meminimalkan risiko
yang mungkin terjadi akibat investasi tersebut (Wibowo et al., 2021).
Model Capital Asset Pricing Model (CAPM) diperkenalkan oleh Sharpe,
Lintner, dan Mossin pada pertengahan tahun 1960-an. CAPM merupakan model
keseimbangan yang menggambarkan hubungan risiko dan return secara lebih
sederhana dan hanya menggunakan satu variabel (variabel beta) untuk
menggambarkan risiko. Asumsi-asumsi dalam CAPM memang sulit ditemui di
dunia nyata, namun model ini mampu menggambarkan atau memprediksi realitas
3 di pasar yang bersifat kompleks, meskipun bukan kepada realitas asumsi-asumsi
yang digunakan(Tandelilin. Eduardus, 2017). Sedangkan model Arbitrage Pricing
Theory (APT) dikemukakan oleh Ross pada tahun 1976. Teori ini menjelaskan
5
hubungan antara imbal hasil yang diharapkan dari suatu sekuritas, dengan asumsi
tidak adanya peluang untuk menghasilkan keuntungan dari investasi arbitrase
tanpa risiko (Riantani, 2017).
Kedua model ini masih diperdebatkan oleh para ahli terkait mana yang lebih
akurat dalam memprediksi tingkat pengembalian saham. Penelitian sebelumnya
menunjukkan hasil yang berbeda-beda tentang model manakah yang lebih akurat
dalam memprediksi tingkat pengembalian saham. Karena itu peneliti tertarik
melakukan penelitian lebih lanjut untuk mengetahui ketepatan kedua model ini.
Beberapa penelitian empiris terdahulu mengenai perbandingan keakuratan
Capital Asset Pricing Model dan Arbitrage Pricing Theori dalam memprediksi
return saham diantaranya dilakukan oleh penelitian yang dilakukan (Hasan et al.,
2019) Analisis Capital Asset Pricing Model (CAPM) Sebagai Dasar Pengambilan
Keputusan Berinvestasi Saham, menunjukkan bahwa CAPM lebih akurat
dibandingkan APT dalam menjelaskan return saham pada pasar modal di
Indonesia. Adapun peneliti lainnya (Abdillah & Putra, 2021)yang melakukan
penelitian tentang perbandingan keakuratan Capital Asset Pricing Model (CAPM)
dan Arbitrage Pricing Theory (APT) dalam investasi saham pada Bank Umum
Swasta Nasional Devisa yang terdaftar di BEI, menemukan bahwa model
Arbitrage Pricing Theory (APT) dengan tiga faktor makro ekonomi lebih akurat
dalam memprediksi return saham dibandingkan model Capital Asset Pricing
Model (CAPM). Hal ini menunjukkan bahwa terdapat perbedaan hasil penelitian
6
terkait dengan keakuratan diantara model Capital Asset Pricing Model (CAPM)
dengan model Arbitrage Pricing Theory (APT).
Peneliti memilih perusahan sektor pertanian sebagai objek penelitian. Hal ini
didasarkan sektor pertanian mempunyai peranan yang sangat penting dalam
perekonomian Indonesia. Pada tahun 2021 kontribusi sektor pertanian dalam
pembentukkan produk domestik bruto (PDB) adalah 14,14%, menempati posisi
ketiga sesudah sektor perdagangan, dan sektor industri pengolahan (BPS). Dalam
hal penyerapan tenaga kerja, sektor pertanian memiliki peranan yang sangat
strategis, dimana 272, 68 juta penduduk yang bekerja sekitar 38,78 persen
merupakan tenaga kerja di sektor pertanian (BPS). Selain itu sektor pertanian
merupakan penyedia bahan baku penting bagi keperluan industri, khususnya
industri pengolahan makanan dan minuman (agroindustri). Sektor pertanian juga
merupakan pilar utama dalam menopang ketahanan pangan negara melalui
sumbangannya terhadap kecukupan konsumsi dari sebagian besar rakyat
Indonesia khususnya dalam kebutuhan pangan. Sektor pertanian merupakan
sektor yang memiliki peranan yang signifikan dalam pembangunan perekonomian
Indonesia. Selain sebagai sektor yang mampu menyediakan pangan bagi
penduduk Indonesia, pertanian juga mampu menyerap 29,59 persen dari total
angkatan kerja di Indonesia.
Kinerja saham pertanian di bursa saham menunjukan pertumbuhan yang
cepat, hal ini ditunjukan dengan grafik pergerakan indeks sektor pertanian yang
tinggi di bursa saham bila dibandingkan dengan sektor yang lain ataupun dengan
7
pergerakan IHSG dalam rentan waktu yang sama. Perusahaan-perusahan pertanian
cenderung menghasilkan return yang lebih besar dibandingkan dengan
perusahaan ataupun emiten yang lain. Sehingga kelayakan akan berinvestasi di
sektor pertanian khususnya dalam bentuk saham akan berdampak kepada hasil
investasi yang dihasilkan(Kiky, 2015).
Berdasarkan penelitian Mhd Rivan Ramadhan, (Ibrahim et al., 2017)
mengenai Analisis Keakuratan Dari Capital Asset Pricing Model (CAPM) Dan
Arbitrage Pricing Theory (APT) Dalam Memprediksi Return Saham Pada
Perusahaan Sektor Perbankan Di Bursa Efek Indonesia Tahun 2015-2018
hasilnya menunjukkan bahwa menemukan bahwa terdapat perbedaan akurasi
antara Capital Asset Pricing Model (CAPM) dengan Arbitrage Pricing Theory
(APT) dalam memprediksi return saham perusahaan.
Dalam memprediksi return saham dapat digunakan metode Kalman Filter dan
Metode Recurrent Neural Network dan banyak model lainnya. Namun
penggunaan model lain ini hanya melihat kinerja perusahaan dari tahun ke tahun
dan memprediksikan tahun kedepannya tanpa mempertimbangkan variabel
ekonomi dan makroekonomi lainnya yang seharusnya mempengaruhi kinerja
perusahaan dan mempengaruhi return saham secara keseluruhan
Peneliti Memilih CAPM sebagai salah satu model dalam penelitian ini karena
CAPM dapat melihat gambaran risiko dari setiap asset. Lebih tepatnya, dengan
menggunakan CAPM, maka akan tergambar suatu keadaan yang mana hubungan
dari risiko untuk setiap asset terlihat dalam kondisi yang seimbang dengan
8
memperkiran hubungan risiko dengan return. Sedangkan menjadikan APT sebagai
model pembanding karena APT lebih mempertimbangkan banyak variabel
makroekonomi dibandingkan model CAPM dengan didasari pandangan bahwa
return harapan untuk suatu sekuritas dipengaruhi oleh beberapa faktor risiko yang
menunjukkan kondisi perekonomian secara umum.
Berdasarkan latar belakang yang telah dijelaskan diatas maka penulis tertarik
untuk meneliti “Analisis Perbandingan Keakuratan Capital Asset Pricing Model
dan Arbitrage Pricing Theory dalam memprediksi return saham pada perusahaan
pertanian yang terdaftar di Bursa Efek Indonesia (Periode 2017-2021) “.
1.2 Rumusan Masalah
Berdasarkan uraian dari latar belakang diatas maka rumusan masalah dalam
penelitian ini adalah:
1. Bagaimanakah prediksi return saham pada perusahaan sektor Pertanian
yang terdaftar di Bursa Efek Indonesia Tahun 2017-2021 dengan
menggunakan model Capital Asset Pricing Model (CAPM)?
2. Bagaimanakah prediksi return saham pada perusahaan sektor Pertanian
yang terdaftar di Bursa Efek Indonesia Tahun 2017-2021 dengan
menggunakan model Arbitrage Pricing Theory (APT)?
3. Apakah terdapat perbedaan akurasi antara Capital Asset Pricing Model
(CAPM) dan model Arbitrage Pricing Theory (APT) dalam memprediksi
return saham sektor Pertanian yang terdaftar di Bursa Efek Indonesia
Tahun 2017-2021?
9
1.3 Tujuan dan Kegunaan penelitian
1.3.1 Tujuan Penelitian
Sesuai dengan rumusan masalah yang diajukan dalam penelitian ini maka tujuan
dari penelitian ini adalah:
1. Untuk mengetahui bagaimanakah prediksi return saham pada
perusahaan sektor Pertanian yang terdaftar di Bursa Efek Indonesia
dengan menggunakan model Capital Asset Pricing Model (CAPM)
2. Untuk mengetahui bagaimanakah prediksi return saham pada
perusahaan sektor Pertanian yang terdaftar di Bursa Efek Indonesia
dengan menggunakan Arbitrage Pricing Theory (APT).
3. Untuk mengetahui apakah terdapat perbedaan akurasi antara Capital
Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT)
dalam memprediksi return saham sektor Pertanian yang terdaftar di
Bursa Efek Indonesia Tahun 2017-2021.
1.3.2 Kegunaan Penelitian
Kegunaan dari penelitian ada 3, yaitu:
1. Bagi Peneliti
Harapan peneliti, penelitian ini dapat menjadi salah satu referensi
pengembangan ilmu Manajemen Keuangan mengenai analisis
perbandingan keakuratan Capital Asset Pricing Model dengan

10
Arbitrage Pricing Theory dalam memprediksi expected return saham
sektor pertanian di BEI.
2. Bagi Objek Penelitian
Penelitian ini diharapkan dapat menjadi masukan untuk perusahaan
sektor pertanian untuk meningkatkan kinerjanya, sehingga dapat
menarik perhatian investor dan akan menjadi incaran investor dan
calon investor untuk berinvestasi.
3. Bagi Peneliti Selanjutnya
Diharapkan hasil dari penelitian ini dapat digunakan sebagai kajian,
pertimbangan, dan pengembangan ke arah yang lebih baik bagi peneliti
selanjutnya.
1.4 Sistematika Penulisan

Sistematika penulisan penelitian ini terdiri dari lima bab, yang disusun
sebagai berikut:
BAB I: PENDAHULUAN
Pada bab ini penulis menjelaskan latar belakang permasalahan
yang diteliti, lalu rumusan dari permasalahan tersebut, hingga
tujuan penelitian dan kegunaan penelitan dan sistematika dalam
penulisan penelitian, serta perencanaan jadwal kegiatan dan
rancangan biaya penelitian.
BAB II: TINJAUAN PUSTAKA
Pada bab ini penulis menjelaskan mengenai investasi, saham,
risiko, return, Capital Asset Pricing Model (CAPM), Arbitrase

11
Pricing Theory (APT), Metode ARIMA. Selanjutnya akan
diuraikan pula kerangka pemikiran penulis dengan teori yang
relevan, akan dijabarkan tentang hasil penelitian terdahulu dan
hipotesis.
BAB III: GAMBARAN UMUM LOKASI PENELITIAN DAN
METODE PENELITIAN
Pada bab ini dikemukan mengenai gambaran umum lokasi
penelitian diadakan. Selanjutnya juga membahas metode
penelitian, jenis dan sumber data, populasi dan sampel, defenisi
operasional variabel serta metode analisis dan pengujian hipotesis.
BAB IV: ANALISIS DAN PEMBAHASAN
Pada Bab ini berisi tentang deskripsi data, analisis data dan
pembahasan mengenai pengujian hipotesis. uji normalitas data.
pengujian hipotesis metode paired t-test.
BAB V: PENUTUP
Pada Bab ini berisi kesimpulan dari hasil analisis yang dilakukan,
keterbatasan penelitian dan saran.

12
1.5 Time Schedule dan Biaya Penelitian

1.5.1 Time Schedule
Tabel 1. 1 Time Schedule
BULAN KEGIATAN
TAHAP-TAHAP
2022
KEGIATAN
Mei Juni Juli Agustus September Oktober November
Konsultasi Proposal
Penelitian
Ujian Seminar Proposal
Penelitian
Penjilidan Proposal
Konsultasi Hasil Penelitian
Ujian Seminar Hasil
Ujian Komprehensif
Penggandaan Skripsi
Penulisan Jurnal
1.5.2 Biaya Penelitian

Biaya penelitian yang dikeluarkan dalam melakukan penulisan skripsi hingga
selesai adalah sebesar dua juta enam ratus ribu rupiah (Rp. 2.600.000,-) terdiri
dari:
a. Biaya administrasi Rp. 200.000,-

b. Biaya kertas dan tinta printer Rp. 350.000,-
c. Biaya ujian proposal penelitian Rp. 300.000,-
d. Biaya ujian seminar hasil Rp. 350.000,-
e. Biaya ujian komprehensif Rp. 900.000,-
f. Biaya pernerbitan dalam jurnal Rp. 200.000,-
g. Biaya penggandaan dan penjilidan Rp. 200.000,-
13
h. Biaya lain-lain, Rp. 100.000,-

Jumlah Rp. 2.600.000,-
BAB II
TINJAUAN PUSTAKA
2.1 Investasi
Investasi pada hakekatnya merupakan penempatan sejumlah dana
pada saat ini dengan harapan untuk memperoleh keuntungan dimasa
mendatang(Abdul Halim, 2018). Menurut (Krisanti, 2012)investasi
merupakan suatu pengorbanan dari beberapa nilai sekarang (certain
present value), untuk nilai masa datang (future value) yang belum bisa
dijamin kepastiannya (uncertain).
Menurut (Abdul Halim, 2018), investasi dapat dikelompokkan ke
dalam dua ketegori, yaitu:
a. Investasi pada aset-aset finansial (financial Asset), berupa sertifikat
deposito, commercial paper, surat berharga pasar uang, dan lainnya.
b. Investasi pada aset-aset rill (real Asset), berbentuk pembelian aset
produktif, pendirian pabrik, pembukaan pertambangan, pembukaan
perkebunan, dan lainnya.
Tujuan melakukan investasi adalah untuk meningkatkan
kesejahteraan investor. Kesejahteraan dalam hal ini adalah kesejahteraan
moneter, yang bisa diukur dengan penjumlahan pendapatan saat ini
ditambah nilai pendapatan mendatang (Tandelilin. Eduardus, 2017).
13
14
Dalam pengelolaan portofolio, ada dua pendekatan yang dapat
dilakukan, yaitu strategi pasif dan strategi aktif. Bentuk investasi aktif
(active investment style), yaitu bentuk investasi yang didasarkan pada
asumsi bahwa pasar modal melakukan kesalahan dalam penentuan harga
(mispriced). Bentuk investasi pasif (passive investment style), yaitu bentuk
investasi yang didasarkan pada asumsi bahwa harga-harga sekuritas di
pasar sudah ditentukan secara tepat sesuai dengan nilai intrinsiknya atau
pasar modal tidak melakukan kesalahan dalam penentuan harga (I Made
Adnyana, 2020).
Investasi merupakan suatu kegiatan menempatkan dana pada satu
atau lebih dari satu jenis aset selama periode tertentu dengan harapan dapat
memperoleh penghasilan atau peningkatan nilai investasi dimasa
mendatang dengan tujuan untuk memenuhi kebutuhan dan keinginan
investor dengan harapan dapat memberikan manfaat terhadapnya ataupun
bermanfaat terhadap publik.Setiap keputusan yang diambil pasti memiliki
resiko, begitu pula investasi. Oleh karena itu, sangat perlu untuk dilakukan
manajemen dalam menangani risiko. Investasi perlu digalakkan agar
pembangunan ekonomi dapat berjalan lancer (Hidayati et al., 2017).
2.2 Saham
Untuk meningkatkan modal, salah satu cara yang dilakukan
perusahaan adalah dengan menerbitkan sekuritas. Salah satu jenis sekuritas
yang diterbitkan 10 perusahaan tersebut adalah saham. Menurut Fahmi
(2017) beberapa pengertian saham yaitu:

15
a. Tanda bukti penyertaan kepemilikan modal/dana pada suatu
perusahaan
b. Kertas yang tercantum dengan jelas nilai nominal, nama perusahaan
dan diikuti dengan hak dan kewajiban yang dijelaskan kepada setiap
pemegangnya.
c. Persediaan yang siap untuk dijual.
Nilai suatu saham dapat berbeda tergantung sudut pandang
penilaiannya. Menurut (Fahmi, 2017), nilai dari suatu saham dapat
memiliki empat konsep, yaitu:
a. Nilai nominal, merupakan nilai per lembar saham yang berkaitan
dengan akuntansi dan hukum. Nilai ini diperlihatkan pada neraca
perusahaan dan merupakan modal disetor penuh dibagi dengan jumlah
saham yang sudah diedarkan.
b. Nilai buku per lembar saham, menunjukkan nilai aktiva bersih per
lembar saham yang merupakan nilai ekuitas dibagi dengan jumlah
lembar saham.
c. Nilai pasar, merupakan nilai suatu saham yang ditentukan oleh
permintaan dan penawaran yang terbentuk di bursa saham.
d. Nilai intrinsik, merupakan harga wajar saham yang mencerminkan
harga saham yang sebenarnya. Nilai intrinsik ini merupakan nilai
sekarang dari semua arus kas di masa mendatang (yang berasal dari
capital gain dan dividen).

16
Terdapat dua jenis saham yang biasa diperdagangkan, yaitu:
1) Saham biasa (common stock)
Saham biasa menunjukkan bagian kepemilikan di sebuah perusahaan.
Masing-masing lembar saham biasa mewakili satu suara tentang segala
hal dalam pengurusan perusahaan. Pemegang saham dapat
menggunakan suara tersebut dalam rapat tahunan perusahaan dan
pembagian keuntungan (Armereo, 2018).
Karakteristik saham biasa menurut (Fahmi, 2017)adalah:
a. Berhak atas pendapatan perusahaan berupa dividen. Dividen yang
dibagikan dapat berupa dividen tunai maupun dividen saham.
b. Berhak atas harta perusahaan jika perusahaan dilikuidasi di urutan
yang terakhir. Jaminan investor dapat dilihat dari nilai buku per
lembar saham. Memiliki hak suara dalam Rapat Umum Pemegang
Saham (RUPS).
c. Tanggung jawab terbatas, tanggung jawab pemegang saham hanya
sebatas nilai saham yang dimiliki dan tidak memiliki tanggung
jawab pribadi yang menjadikan harta pribadi sebagai jaminan.
2) Saham preferen
Saham preferen merupakan saham yang akan menerima dividen
dalam jumlah yang tetap, serta pemegang saham tidak mempunyai hak
dalam RUPS (Mamduh M, 2021). Karena risiko yang lebih rendah,

17
maka tingkat pengembalian yang diperoleh oleh pemegang saham
peferen lebih rendah dibanding pemegang saham biasa (common
stock).
Dalam pembagian dividen, dividen saham preferen biasanya
bersifat kumulatif. Artinya, pembayaran dividen diakumulasikan dan
harus dibayar penuh sebelum dividen untuk pemegang saham biasa
dibayarkan (Weni Susanti, 2018).
Harga–harga saham dapat berfluktuasi naik atau turun.
Pembentukan harga saham terjadi karena adanya supply (permintaan)
dan demand (penawaran) atas saham tersebut. Supply dan demand
disebabkan banyak faktor, misalnya: Faktor mikro ekonomi, seperti
kinerja perusahaan, kinerja industri ketika peruahaan tersebut bergerak,
perubahan manajemen perusahaan, produktivitas karyawan, harga
bahan baku, ketersediaan bahan baku, prospek penjualan. Faktor
makro-ekonomi seperti tingkat suku bunga, inflasi, nilai tukar rupiah,
dan kondisi ekonomi dunia. Kemudian faktor selanjutnya yaitu faktor
non-ekonomi seperti kondisi sosial politik dan lainnya(Moh. Asra,
2020).
Saham-saham yang telah diterbitkan oleh perusahaan akan
diperdagangkan pada suatu bursa saham. Di Indonesia dikenal dengan
Bursa Efek Indonesia . Terdapat tiga jenis transaksi yang dilakukan di
bursa saham menurut (Brigham. E, 2019), yaitu:

18
a. Pasar sekunder, perdagangan saham yang beredar oleh perusahaan
terbuka yang telah ditetapkan. Sehingga saham-saham yang
diperjual belikan merupakan saham-saham perusahaan yang telah
tercatat oleh Bursa Efek Indonesia .
b. Pasar primer, tambahan saham yang dijual oleh perusahaan terbuka
yang telah ditetapkan. Tujuannya adalah untuk mendapatkan modal
atau ekuitas yang baru.
c. Pasar IPO, penawaran perdana kepada publik oleh perusahaan
terbuka, artinya penawaran saham perusahaan yang dilakukan
untuk pertama kali kepada publik.
2.3 Risiko
Dalam konteks manajemen investasi, risiko merupakan besarnya
penyimpangan antara tingkat pengembalian yang diharapkan (expected
return) dengan tingkat pengembalian aktual (actual return). Semakin
besar penyimpangannya berarti semakin besar tingkat risiko (Abdul
Halim, 2018).
Menurut (Tandelilin. Eduardus, 2017)dalam manajemen investasi
modern, risiko dibagi ke dalam dua jenis, yaitu risiko sistematis
(systematic risk) dan risiko tidak sistematis (unsystematic risk):
a. Risiko sistematis atau dikenal dengan risiko pasar, merupakan risiko
yang berkaitan dengan perubahan yang terjadi di pasar secara
keseluruhan. Perubahan pasar tersebut akan mempengaruhi variabilitas

19
return suatu investasi. Risiko ini disebut juga risiko yang tidak dapat
didiversifikasi (undiversiable risk).
b. Risiko tidak sistematis atau dikenal dengan risiko spesifik adalah
risiko yang tidak terkait dengan perubahan pasar secara keseluruhan.
Risiko ini dapat dihilangkan dengan diversifikasi karena hanya ada
dalam satu perusahaan atau industri
Menurut(Brigham. E, 2019), risiko yang dapat didiversifikasi
(unsystematic risk) disebabkan oleh kejadian acak seperti perkara hukum,
pemogokan, program pemasaran yang sukses dan tidak sukses, kalah atau
menang kontrak, serta kejadian unik lainnya pada perusahaan tertentu.
Karena kejadian-kejadian ini terjadi secara acak, maka pengaruhnya
terhadap portofolio dapat dieliminasi oleh diversifikasi kejadian buruk
dalam satu perusahaan akan diimbangi oleh kejadian yang baik lainnya.
Sedangkan, risiko yang tetap ada setelah diversifikasi merupakan
risiko pasar, atau risiko yang melekat pada pasar, dan hal ini dapat diukur
oleh suatu tingkatan di mana saham tertentu cenderung bergerak ke atas
dan ke bawah pasar (Brigham. E, 2019). Penyebabnya yaitu dari faktor-
faktor yang mempengaruhi perusahaan secara sistematis seperti perang,
inflasi, resesi, dan suku bunga yang tinggi.
Tingkat Inflasi berpengaruh signifikan positif terhadap Risiko
Investasi. Inflasi memiliki dampak positif dan dampak negatif tergantung
parah atau tidaknya inflasi. Apabila inflasi itu ringan, justru mempunyai
pengaruh yang positif dalam arti dapat mendorong perekonomian lebih

20
baik, yaitu meningkatkan pendapatan nasional dan membuat orang
bergairah untuk bekerja, menabung dan mengadakan investasi.
Sebaliknya, dalam masa inflasi yang parah, yaitu pada saat terjadi inflasi
tak terkendali (hiperinflasi), keadaan perekonomian menjadi kacau dan
perekonomian dirasakan lesu(Sumarlin, 2020)
Sumber-sumber risiko menurut (Bodie. Z, 2019)yaitu:
a. Risiko tingkat suku bunga
Variabilitas return sekuritas akibat perubahan tingkat suku bunga
disebut risiko tingkat suku bunga. Tingkat suku bunga lebih
berpengaruh langsung terhadap obligasi dibandingkan saham biasa,
namun memiliki pengaruh terhadap keduanya sehingga sangat penting
untuk dipertimbangkan oleh investor.
b. Risiko pasar
Variabilitas return akibat fluktuasi pasar secara keseluruhan.
Semua sekuritas berhubungan dengan risiko pasar terutama saham
biasa. Risiko pasar mencakup berbagai faktor eksternal yang
berpengaruh terhadap sekuritas seperti resesi, perang, perubahan
struktur ekonomi, dan perubahan preferensi konsumen.
c. Risiko inflasi
Faktor yang mempengaruhi semua sekuritas adalah risiko kekuatan
daya beli, atau risiko kemungkinan penurunan kekuatan daya beli.
Ketidakpastian inflasi akan berkaitan dengan risiko return yang akan
diperoleh investor. Risiko ini berhubungan dengan risiko tingkat suku

21
bunga, dimana kenaikan tingkat suku bunga mengindikasikan
terjadinya peningkatan inflasi, karena pemberi pinjaman menuntut
premi lebih tinggi untuk menutupi kerugian akibat penurunan kekuatan
daya beli.
d. Risiko bisnis
Risiko menjalankan bisnis pada suatu industri atau lingkungan
bisnis disebut dengan risiko bisnis. Seperti perusahaan telepon akan
berhadapan dengan risiko perubahan industri telekomunikasi yang
semakin cepat.
e. Risiko keuangan
Risiko keuangan berkaitan dengan penggunaan kebijakan hutang
oleh suatu perusahaan. Semakin besar proporsi aset yang dibiayai
dengan hutang maka semakin besar pula risiko keuangan yang
dihadapi perusahaan.
f. Risiko likuiditas
Risiko likuiditas berkaitan dengan kecepatan suatu sekuritas yang
diterbitkan perusahaan bisa diperdagangkan di pasar sekunder.
Semakin cepat suatu sekuritas diperdagangkan, semakin liquid
sekuritas tersebut, demikian sebaliknya. Semakin tidak liquid suatu
sekuritas semakin besar pula risiko likuiditas yang dihadapi
perusahaan.
g. Risiko nilai tukar

22
Variabilitas pengembalian dari sekuritas akibat fluktuasi nilai tukar
mata uang. Risiko ini dikenal dengan risiko mata uang (currency risk)
atau risiko nilai tukar (exchange rate risk).
h. Risiko negara
Risiko negara mengacu pada risiko politik. Bagi investor yang
melakukan investasi secara internasional, kondisi politik, stabilitas
ekonomi,dan kelangsungan ekonomi suatu negara merupakan hal yang
harus dipertimbangkan untuk menghindari risiko negara yang terlalu
tinggi.
2.4 Return
Return merupakan salah satu faktor yang memotivasi investor
berinvestasi dan juga merupakan imbalan atas keberanian investor
menanggung risiko atas investasi yang dilakukannya (Tandelilin.
Eduardus, 2017). Menurut (Bodie. Z, 2019), terdapat dua komponen
return dari investasi, yaitu:
a. Yield, merupakan komponen utama yang dipikirkan investor ketika
membicarakan return investasi yaitu aliran kas secara periodik
(income) dari sebuah investasi. Yield atau cash flow akan berpengaruh
terhadap harga sekuritas, seperti harga beli atau harga pasar dari suatu
aset.
Yield biasa disebut dengan dividen, dapat dibayarkan dalam bentuk
tunai (cash), pemberian saham, bahkan dalam bentuk pemberian

23
properti. Menurut Fahmi (2017), ada beberapa jenis dividen yang
merupakan realisasi dari pembayaran dividen, yaitu:
1. Dividen tunai (cash dividens), dinyatakan dan dibayarkan pada
jangka waktu tertentu dan dividen tersebut berasal dari dana yang
diperoleh secara legal. Dividen ini dapat bervariasi dalam jumlah
tergantung keuntungan perusahaan.
2. Dividen properti (property dividens), yaitu suatu distribusi
keuntungan perusahaan dalam bentuk properti atau barang.
3. Dividen likuidasi (liquidating dividens), yaitu distribusi kekayaan
perusahaan kepada pemegang saham dalam hal perusahaan tersebut
dilikuidasi.
b. Capital gain (loss), secara sederhana mengacu pada perubahan harga,
yaitu perbedaan antara harga pembelian dengan harga penjualan aset.
Capital gain merupakan keuntungan pada saat saham yang dimiliki
dijual kembali pada harga yang lebih mahal.
Capital gain yang diperoleh investor dipengaruhi oleh naik
turunnya harga saham yang diperdagangkan di pasar. Menurut (Fahmi,
2017), terdapat beberapa faktor yang menentukan fluktuasi harga
saham, yaitu:
1. Kondisi mikro dan makro ekonomi
2. Kebijakan perusahaan dalam memutuskan untuk ekspansi
(perluasan usaha).
24
3. Pergantian direksi secara tiba-tiba
4. Adanya direksi atau pihak komisaris perusahaan yang terlibat
tindak pidana dan kasusnya sudah masuk ke pengadilan
5. Kinerja perusahaan yang terus mengalami penurunan dalam setiap
waktunya
6. Risiko sistematis, yaitu bentuk risiko yang terjadi secara
menyeluruh dan telah ikut menyebabkan perusahaan ikut terlibat
7. Efek dari psikologi pasar yang ternyata mampu menekan kondisi
teknikal jual beli saham
Jadi total return yang diperoleh oleh pemegang saham dapat ditentukan
dengan persamaan:
Total return = dividen + capital gain.
Nilai Return on Assets (ROA) yang tinggi akan dapat menarik
investor untuk berinvestasi sehingga menyebabkan meningkatnya harga
saham. Sebaliknya jika Return on Assets (ROA) menurun, dapat
menurunkan returm saham pada perusahaan di Bursa Efek Indonesia.
Return on Equity berpengaruh positif dan signifikan terhadap Return
saham. Hal ini berarti semakin meningkat ROE akan semakin
meningkatkan Return saham pada Perusahaan di Bursa Efek Indonesia.
Dengan kata lain meningkatnya nilai Return on Equity (ROE) akan
dapat menarik investor untuk berinvestasi yang berpengaruh dalam
meningkatnya harga saham. Sebaliknya jika Return on equity (ROE)

25
menurun, dapat menurunkan returm saham pada di Bursa Efek
Indonesia (Almira & Wiagustini, 2020).
Dalam penelitian ini keuntungan yang diperoleh investor hanya
dihitung dengan menggunakan variabel capital gain. Hal ini karena
tidak semua perusahaan membagikan dividen kepada pemegang
sahamnya. Sehingga untuk menentukan return saham digunakan
persamaan (Ibrahim et al., 2017)
Ri = Pt – Pt-1 / Pt-1
Dimana: Ri = aktual return saham
Pt = harga saham pada waktu t
Pt-1 = harga saham pada waktu sebelumnya
2.5 Capital Asset Pricing Model (CAPM)

CAPM merupakan model untuk menentukan harga suatu aset pada
kondisi ekuilibrium. Tujuannya adalah untuk menentukan tingkat
pengembalian yang diisyaratkan (required rate of return) minimum dari
suatu investasi beresiko (Abdul Halim, 2018). Sedangkan menurut
(Mamduh M, 2021) CAPM merupakan model keseimbangan untuk
menjelaskan hubungan suatu saham tertentu dengan keseluruhannya atau
pasar.
Model CAPM tidak terlepas dari perkembangan teori-teori
portofolio sebelumnya. Harry Markowitz pada tahun 1952 meletakkan
fondasi manajemen portofolio medern, dimana nasehat Markowitz tentang
investasi adalah “jangan menginvestasikan semua dana pada satu aset

26
saja”. Dengan melekatnya risiko pada setiap alternatif investasi, maka
seorang investor tidak dapat menghindarkan risiko. Model penetapan
harga aset modal, hampir selalu disebut sebagai CAPM, adalah salah satu
pusat ekonomi keuangan modern. Model ini memberi kita prediksi yang
tepat tentang hubungan yang harus kita amati antara risiko aset dan
pengembalian yang diharapkan. Hubungan ini melayani dua fungsi vital.
Pertama, ini memberikan tingkat pengembalian patokan untuk
mengevaluasi kemungkinan investasi. Kedua, model tersebut membantu
kita untuk membuat tebakan terpelajar tentang pengembalian yang
diharapkan atas aset yang belum diperdagangkan di pasar (Bodie. Z,
2019).
Pada tahun 1963, William Sharpe melakukan penyederhanaan
perhitungan model Markowitz dan menyediakan parameter input untuk
perhitungan Markowitz yang dikenal dengan model indeks tunggal (single
index models). Model indeks tunggal merupakan suatu model imbal hasil
saham dengan menggunakan indeks pasar seperti IHSG untuk
menunjukkan faktor-faktor risiko umum atau sistematis. Dengan model ini
tingkat imbal hasil aktual atau yang diterima atas sekuritas dapat
dipisahkan ke dalam komponen makro (sistematis) dan komponen mikro
atau spesifik perusahaan (Bodie. Z, 2019). Kedua model inilah yang
mendasari pengembangan model CAPM oleh Sharpe, Lintner, dan Mossin
pada pertengahan tahun 1960-an.

27
CAPM merupakan suatu persamaan yang menyamakan tingkat
pengembalian yang diharapkan atas saham dengan tingkat bebas risiko
ditambah premi asuransi untuk risiko sistematis saham. Walaupun tetap
dikritik, CAPM menjadi suatu pendekatan yang intuitif untuk
mempertimbangkan pengembalian yang dikehendaki seorang investor
pada investasinya (Brigham. E, 2019)
Dalam perhitungan CAPM, risiko yang diperhitungkan adalah
risiko sistematis yang diukur dengan beta (β). Sedangkan risiko yang tidak
sistematis dianggap tidak relevan karena risiko ini dapat dihilangkan
melalui diversifikasi (Abdul Halim, 2018)Terdapat beberapa asumsi dalam
CAPM, yaitu (Tandelilin. Eduardus, 2017):
a. Semua investor mempunyai distribusi probabilitas tingkat return di
masa depan yang identik, karena mempunyai harapan atau ekspektasi
yang hampir sama. Semua investor menggunakan sumber informasi
seperti tingkat return, varians return, dan matriks korelasi yang sama
dalam kaitannya dalam pembentukan portofolio efisien.
b. Semua investor mempunyai satu periode waktu yang sama, misalnya
satu tahun.
c. Semua investor dapat meminjam (borrowing) atau meminjamkan
(lending) uang pada tingkat return yang bebas risiko (risk-free rate of
return).
d. Tidak ada biaya transaksi.
e. Tidak ada pajak pendapatan.

28
f. Tidak ada inflasi.
g. Terdapat banyak sekali investor, dan tidak ada satupun investor yang
dapat mempengaruhi harga sekuritas. Semua investor adalah price-
taker.
h. Pasar dalam keadaan seimbang (equilibrium)
Untuk menghitung pendapatan yang diharapkan dengan model CAPM
digunakan persamaan (Sunarya, 2020):
E(Ri) = Rf + βi [ E (Rm) – Rf]
Dimana:
E(Ri) = tingkat keuntungan yang diharapkan investor
Rf = tingkat return bebas risiko
βi = koefisien beta sekuritas
E (Rm)= return portofolio pasar yang diharapkan
Dari persamaan Capital Asset Pricing Model (CAPM), terdapat
beberapa variabel yang dapat dijelaskan sebagai berikut:
a. Tingkat return bebas risiko (Rf)
Tingkat return bebas risiko (Rf) merupakan tingkat pengembalian
atas investasi bebas risiko, seperti tingkat bunga pada surat berharga
jangka pendek pemerintah (Brigham. E, 2019). Untuk menentukan Rf
digunakan ukuran tingkat suku bunga SBI yaitu dari besarnya tingkat
suku bunga SBI setiap bulannya.
Rf= Suku Bunga Bank Indonesia / 100

29
b. Return pasar yang diharapkan (E(Rm)
Return pasar yang diharapkan merupakan return yang diperoleh dari
perbandingan indeks saham yang aktif diperdagangkan. Sehingga,
untuk menentukannya dapat digunakan persamaan (Indra, 2018):
E(Rm) = (IHSG t – IHSG t-1) / IHSG t-1
Dimana:
E(Rm) = return pasar yang diharapkan IHSG
t = Indeks Harga Saham Gabungan pada akhir periode t
IHSG t-1 = Indeks Harga Saham Gabungan pada akhir
periode sebelumnya
Untuk mengestimasi besarnya koefisien beta (βi), digunakan market
model dengan persamaan dapat dituliskan sebagai berikut (Sunarya,
2020):
Ri = i + βi Rm + ei
Dimana:
Ri = return sekuritas
Rm = return indeks pasar
i = intersep
βi = slope
ei = random residual error

30
Pengestimasian market model dapat dilakukan dengan meregresi
return sekuritas yang akan dinilai dengan return indeks pasar. Regresi
tersebut akan menghasilkan nilai:
a. Ri, yaitu ukuran return sekuritas i yang tidak terkait dengan
return pasar.
b. βi yaitu peningkatan return yang diharapkan pada sekuritas i
untuk setiap kenaikan return pasar sebesar 1%, yang disebut
dengan beta (risiko sistematis).
Untuk menjelaskan hubungan antara risiko dan tingkat
keuntungan dari suatu aset keuangan dapat dijelaskan melalui garis pasar
(market line) yang terdiri dari:
a. Security Market Line (SML)
Tingkat pengembalian yang diinginkan investor dapat dipisahkan
ke dalam dua komponen dasar, yaitu pengembalian bebas risiko dan
premi risiko. Hal ini dapat dinyatakan dengan persamaan (Brigham. E,
Houston. J., 2019):
K = krf + krp
Dimana:
k = tingkat pengembalian yang diinginkan investor
krf = tingkat pengembalian bebas risiko
krp = premi risiko

31
Tingkat pengembalian bebas risiko (krf) merupakan tingkat
pengembalian atas investasi bebas risiko, seperti tingkat bunga pada
surat berharga jangka pendek pemerintah. Sedangkan premi risiko
(krp) merupakan pengembalian tambahan yang diharapkan sebagai
kompensasi atas investasi pada aset beresiko yang dilakukan investor.
Semakin tinggi risiko, semakin tinggi tingkat pengembalian yang
dituntut. Risiko sekuritas ditunjukkan dengan beta, karena pada pasar
yang seimbang portofolio yang terbentuk sudah terdiversifikasi dengan
baik, sehingga risiko yang relevan adalah risiko sistematis (beta). Beta
merupakan ukuran risiko sistematis suatu sekuritas yang tidak dapat
dihilangkan dengan diversifikasi. Dengan demikian persamaan SML
dapat dirumuskan sebagai berikut (Tandelilin. Eduardus, 2017):
SML = RF + β (RM – RF)
Dimana:
SML = garis pasar sekuritas
RF = return saham atas investasi bebas risiko
β = koefisien beta
RM = return pasar yang diharapkan
Menurut (Abdul Halim, 2018), beta saham mengindikasikan
tingkat kepekaan suatu saham terhadap kondisi pasar secara umum.
Jika beta suatu saham lebih besar dari satu , berarti saham tersebut
memiliki risiko lebih tinggi dari risiko rata-rata pasar, dan saham
tersebut termasuk saham agresif. Sebaliknya, jika beta suatu saham

32
lebih kecil dari satu, berarti saham tersebut memiliki risiko lebih
rendah dari risiko rata-rata pasar, dan saham tersebut termasuk saham
defensif.
b. Capital Market Line (CML)
Garis pasar modal (capital market line), menggambarkan
hubungan antara return yang diharapkan dengan risiko total dari
portofolio effisien pada pasar seimbang (Tandelilin. Eduardus,
2017).CML persamaan CML dapat dirumuskan dengan (Tandelilin.
Eduardus, 2017)
E(RP) = Rf + (((E(RM) – Rf) / M) p)
Dimana:
E(RP) = tingkat return yang diharapkan untuk suatu portofolio
yang efisien pada CML
Rf = tingkat return pada aset bebas risiko
E(RM) = tingkat return portofolio pasar
M = standar deviasi return pada portofolio pasar
p = standar deviasi portofolio efisien yang ditentukan
2.6 Arbitrase Pricing Theory (APT)

Arbitrage Pricing Theory diperkenalkan oleh Ross pada tahun
1976. APT adalah suatu model untuk memprediksi laba atau rugi dari
potensial aset dengan menggunakan ukuran risiko dari variabel-variabel

33
ekonomi, dimana risiko ini tidak bisa dihilangkan dengan diversifikasi
(Tandelilin. Eduardus, 2017).
Disamping itu, APT juga tidak menggunakan asumsi-asumsi yang
dipakai CAPM, seperti (Tandelilin. Eduardus, 2017):
a. Adanya satu periode tertentu, misalnya satu tahun
b. Tidak ada pajak
c. Investor bisa meminjam dan menginvestasikan dananya pada tingkat
return bebas risiko (Rf)
d. Investor memilih portofolio berdasarkan return yang diharapkan dan
variannya
Asumsi-asumsi CAPM yang masih digunakan adalah (Tandelilin.
Eduardus, 2017):
a. Investor mempunyai kepercayaan yang bersifat homogen
b. Investor adalah risk averse yang berusaha untuk memaksimalkan
utilitas
c. Pasar dalam kondisi sempurna
d. Return diperoleh dengan menggunakan model faktorial
Pada dasarnya, CAPM merupakan model APT yang hanya
mempertimbangkan satu faktor risiko yaitu risiko sistematis pasar (Indra,
2018). Untuk menentukan pendapatan aktual untuk sekuritas i digunakan
rumus berikut (Tandelilin, 2017):
Ri, t = E(Ri) + bi1 F1t + bi2 F2t + .... .... + bik Fkt + eit
34
Dimana:
Ri, t = tingkat pendapatan sekuritas i pada periode t
E(Ri) = return yang diharapkan untuk sekuritas i
bik = sensitivitas pendapatan sekuritas i terhadap faktor k
Fkt = faktor k yang mempengaruhi pendapatan
eit = error
Model faktorial diatas tidak memberikan penjelasan mengenai
kondisi keseimbangan, sehingga persamaan tersebut perlu diubah menjadi
model keseimbangan. Maka persamaan yang terbentuk untuk menghitung
return yang diharapkan adalah (Tandelilin. Eduardus, 2017):
E (Ri) = Ri + βinflasi Finflasi + βKurs FKurs + βSBI FSBI + βJUB
FJUB
Dimana:
E(Ri) = tingkat pendapatan yang diharapkan sekuritas i pada periode t
Ri = Return Sekuritas i
βik = sensitifitas pendapatan sekuritas i terhadap faktor (Inflasi, Kurs, SBI,
JUB) pada periode t
Fkt = tingkat faktor (Inflasi, Kurs, SBI, JUB) yang tidak diharapkan pada
pada periode t
Dengan model APT, beberapa faktor makro ekonomi yang
digunakan dalam penelitian ini adalah:
a. Inflasi
35
Menurut (Abdul Halim, 2018) inflasi adalah suatu gejala dimana
tingkat harga umum mengalami kenaikan secara terus menerus. Sehingga
kenaikan harga umum yang terjadi sekali waktu saja, tidaklah dapat
dikatakan sebagai inflasi.
Berdasarkan definisi tersebut setidaknya ada tiga hal penting yang
ditekankan yaitu:
a. Adanya kecenderungan harga-harga untuk meningkat, yang berarti
bisa saja tingkat harga yang terjadi pada waktu tertentu turun atau
naik dibandingkan dengan sebelumnya, tetapi tetap menunjukkan
tendensi yang meningkat.
b. Bahwa kenaikan harga tersebut berlangsung secara terus menerus
(sustained), yang berarti bukan terjadi pada suatu waktu saja, akan
tetapi bisa beberapa waktu lamanya.
c. Tingkat harga yang dimaksud disini adalah tingkat harga umum,
yang berarti tingkat harga yang mengalami kenaikan itu bukan
hanya pada satu atau beberapa komuditi saja, akan tetapi untuk
harga barang secara umum.
Kenaikan harga-harga dalam inflasi diukur dengan indeks harga.
Beberapa indeks harga yang sering digunakan dalam mengukur inflasi
adalah (Purnama & Juliana, 2019):
a. Indeks biaya hidup (consumer price index)
Mengukur biaya atau pengeluaran untuk membeli sejumlah barang
dan jasa yang digunakan untuk keperluan hidup.

36
b. Indeks harga perdagangan besar (wholesale price index)
Indeks ini menitikberatkan pada sejumlah barang pada tingkat
perdagangan besar. Ini berarti harga bahan mentah, harga bahan
baku atau setengah jadi masuk dalam perhitungan indeks harga.
c. GNP deflator
GNP deflator mencakup jumlah barang dan jasa yang masuk
perhitungan GNP.
Inflasi memiliki tingkatan yang berbeda-beda antara satu negara
dengan negara lain. Menurut (Haryo Kuncoro, 2020), atas dasar
besarnya laju inflasi, maka inflasi dapat dibedakan menjadi:
a. Inflasi merayap (creeping inflation), ditandai dengan laju inflasi
yang rendah (kurang dari 10% per tahun), kenaikan harga berjalan
lambat, dengan presentase yang kecil serta dalam rangka relatif
lama.
b. Inflasi menengah (gallopoing inflation), ditandai dengan kenaikan
harga yang cukup besar dan kadang kala berjalan dalam waktu
yang relatif pendek serta mempunyai sifat akselerasi.
c. Inflasi tinggi (hyper inflation), merupakan inflasi yang sangat
parah, dimana harga-harga naik sampai lima atau enam kali. Hal
ini menyebabkan merosotnya nilai uang dengan tajam, perputaran
uang yang semakin cepat serta harga naik secara akselerasi.

37
Untuk mengukur tingkat perubahan inflasi dapat menggunakan
formula (Indra, 2018):
P inflasi = inflasi t – inflasi t-1 / inflasi t-1
Dimana:
P inflasi = perubahan tingkat inflasi
inflasi t = tingkat inflasi pada periode t
inflasi t-1 = tingkat inflasi pada periode sebelum t
b. Nilai Tukar (Kurs)
Menurut (Abdul Halim, 2018), nilai tukar atau kurs mata uang
asing menunjukkan harga atau nilai mata uang suatu negara dinyatakan
dalam nilai mata uang negara lain. Kurs valuta asing dapat juga
didefinisikan sebagai jumlah uang domestik yang dibutuhkan, yaitu
banyaknya rupiah yang dibutuhkan untuk memperoleh satu unit mata
uang asing.
Terdapat beberapa faktor yang mempengaruhi kurs, yaitu (Abdul
Halim, 2018):
a. Perubahan dalam citarasa masyarakat
Perubahan citarasa akan mengubah corak konsumsi
masyarakat atas barang-barang yang diproduksi di dalam negeri
maupun diimpor. Hal ini akan berpengaruh terhadap permintaan
dan penawaran valuta asing.

38
b. Perubahan harga barang ekspor dan impor
Harga suatu barang merupakan salah satu faktor penting
yang menentukan apakah sesuatu barang akan diimpor atau
diekspor. Hal ini akan menyebabkan perubahan dalam jumlah
ekspor maupun impor, sehingga permintaan dan penawaran kurs
akan mengalami perubahan.
c. Kenaikan harga umum (inflasi)
Inflasi sangat besar pengaruhnya kepada kurs pertukaran
valuta asing. Inflasi yang terjadi pada umumnya cenderung untuk
menurunkan nilai suatu valuta asing.
d. Perubahan tingkat suku bunga dan tingkat pengembalian investasi
Suku bunga dan tingkat pengembalian investasi yang
rendah cenderung akan menyebabkan modal dalam negeri mengalir
ke luar negeri. Sedangkan suku bunga dan pengembalian investasi
yang tinggi akan menyebabkan modal luar negeri masuk ke negara
tersebut. Nilai mata uang suatu negara akan merosot apabila lebih
banyak modal negara dialirkan ke luar negeri karena tingkat suku
bunga dan pengembalian investasi yang lebih tinggi di negara-
negara lain.
39
e. Pertumbuhan ekonomi
Efek yang akan diakibatkan oleh suatu kemajuan ekonomi
kepada nilai mata uangnya tergantung pada corak pertumbuhan
ekonomi yang terjadi. Apabila kemajuan itu terutama diakibatkan
oleh perkembangan ekspor, maka permintaan atas mata uang
negara itu bertambah lebih cepat dari penawarannya sehingga nilai
mata uang negara tersebut menjadi naik. Akan tetapi, jika
kemajuan tersebut menyebabkan impor berkembangnya lebih cepat
daripada ekspor, penawaran mata uang negara tersebut lebih cepat
bertambah daripada permintaannya, sehingga nilai mata uang
negara tersebut akan merosot.
Untuk menentukan tingkat perubahan kurs dapat digunakan
persamaan sebagai berikut (Abdillah & Putra, 2021):
P kurs = kurs t – kurs t-1 / kurs t-1
Dimana:
P kurs = perubahan kurs
Kurs tengah t = kurs tengah pada periode t
Kurs tengah t-1 = kurs tengah pada periode sebelum t
c. Tingkat Suku Bunga Bank Indonesia
Menurut situs resmi Bank Indonesia (www.bi.go.id), BI rate adalah
suku bunga kebijakan yang mencerminkan sikap atau stance kebijakan
moneter yang ditetapkan oleh Bank Indonesia dan diumumkan kepada

40
publik. BI rate diumumkan oleh Dewan Gubernur Bank Indonesia
setiap Rapat Dewan Gubernur bulanan dan diimplementasikan pada
operasi moneter yang dilakukan Bank Indonesia melalui pengelolaan
likuiditas (liquidity management) di pasar uang untuk mencapai
sasaran operasional kebijakan moneter. Dengan mempertimbangkan
pula faktor-faktor lain dalam perekonomian, Bank Indonesia pada
umumnya akan menaikkan BI rate apabila inflasi ke depan
diperkirakan melampaui sasaran yang telah ditetapkan, sebaliknya
Bank Indonesia akan menurunkan BI rate apabila inflasi ke depan
diperkirakan berada di bawah sasaran yang telah ditetapkan.
Menurut (Bodie. Z, 2019), faktor-faktor penting yang menentukan
tingkat suku bunga adalah:
a. Suplai dana dari para penabung, terutama sektor rumah tangga.
b. Permintaan terhadap dana dari sektor bisnis untuk keperluan
pembiayaan investasi dalam bentuk pabrik, peralatan dan
persediaan (aset rill atau pembentukan modal).
c. Penawaran dan permintaan bersih pemerintah terhadap dana yang
terlihat dari tindakan-tindakan bank sentral.
Untuk menghitung tingkat perubahan BI rate digunakan
persamaan sebagai berikut (Abdillah & Putra, 2021):
P SBI = SBI rate t / n
Dimana:
41
P SBI = tingkat perubahan SBI
SBI t = SBI pada periode t
n = jumlah bulan dalam setahun
d. Indeks Harga Saham Gabungan (IHSG)
IHSG merupakan salah satu Indeks Harga Saham yang terdapat
pada Bursa Efek Indonesia. Menurut (Abdul Halim, 2018), Indeks
Harga Saham (IHS) merupakan ringkasan dari pengaruh simultan dan
kompleks dari berbagai macam variabel yang berpengaruh, tidak hanya
tentang kejadian-kejadian ekonomi, namun juga berhubungan dengan
kejadian sosial, politik, dan keamanan. IHS dapat dijadikan barometer
kesehatan suatu negara dan sebagai dasar melakukan analisis statistik
atau kondisi pasar terakhir (current market).
Indek Harga Saham adalah suatu indikator yang menunjukkan
pergerakan harga saham. Indeks berfungsi sebagai indikator tren pasar,
artinya pergerakan indeks menggambarkan kondisi pasar pada suatu
saat, apakah pasar sedang aktif atau lesu (Fahmi, 2017).Investor dapat
mengetahui tren harga pasar apakah sedang naik, stabil, atau turun.
Sehingga pergerakan indeks harga saham merupakan indikator penting
dalam membuat keputusan dalam membeli, menahan, atau menjual
saham.
Menurut Irham (Fahmi, 2017), di Bursa Efek Indonesia terdapat
enam jenis indeks, yaitu:

42
a. Indeks Individual, menggunakan indeks harga masing-masing
saham terhadap harga dasarnya, atau indeks masing-masing saham
yang tercatat di BEI.
b. Indeks Harga Saham Sektoral, menggunakan semua saham yang
termasuk dalam masing-masing sektor, misalnya sektor keuangan,
pertambangan, dan lain-lain.
c. Indeks Harga Saham Gabungan atau IHSG (companies stock price
index), menggunakan semua saham yang tercatat sebagai
komponen perhitungan indeks.
d. Indeks LQ 45, yaitu indeks yang terdiri dari 45 saham pilihan
dengan mengacu pada dua variabel, yaitu likuiditas perdagangan
dan kapitalisasi pasar.
e. Indeks Syariah atau JII (Jakarta Islamic Index). JII merupakan
indeks yang terdiri 30 saham mengakomodasi syariat investasi
dalam islam atau indeks yang berdasarkan syariah.
f. Indeks papan utama dan papan pengembangan, merupakan indeks
harga saham yang secara khusus didasarkan pada kelompok saham
yang tercatat di BEI, yaitu kelompok papan utama dan papan
pengembangan.
Untuk menentukan tingkat perubahan IHSG digunakan
persamaan (David G. Mc. Milan, 2017):
PIHSG = IHSG t – IHSG t-1 /IHSG t-1

43
Dimana:
PIHSG = tingkat pertumbuhan Indeks Harga Saham Gabungan
IHSG t = Indeks Harga Saham Gabungan pada akhir periode
t IHSG t-1 = Indeks Harga Saham Gabungan pada periode
sebelumnya.
e. Jumlah uang beredar
Uang didefinisikan sebagai benda-benda yang disetujui masyarakat
sebagai alat perantaraan untuk mengadakan tukar menukar atau
perdagangan. Uang diciptakan dalam perekonomian dengan tujuan
untuk melancarkan kegiatan tukar menukar dan kegiatan perdagangan
(Abdul Halim, 2018).
Uang beredar dapat didefinisikan dalam arti sempit dan dalam arti
luas. Dalam arti sempit meliputi uang kartal yang dipegang masyarakat
dan uang giral (giro berdenominasi Rupiah), sedangkan dalam arti luas
meliputi uang kartal, uang giral, uang kuasi (mencakup tabungan,
simpanan berjangka dalam rupiah dan valas, serta giro dalam valuta
asing), dan surat berharga yang diterbitkan oleh sistem moneter yang
dimiliki sektor swasta domestik dengan sisa jangka waktu sampai
dengan satu tahun. Faktor-faktor yang mempengaruhi uang beredar
adalah:
a. Aktiva Luar Negeri Bersih (Net Foreign Assets)

44
b. Aktiva Dalam Negeri Bersih (Net Domestic Assets). Aktiva dalam
negeri bersih antara lain terdiri dari tagihan bersih kepada
pemerintah pusat (net claims on central government) dan tagihan
kepada sektor lainnya (sektor swasta, pemeritah daerah, lembaga
keuangan dan perusahaan bukan keuangan) terutama dalam bentuk
pinjaman yang diberikan.
Untuk menghitung tingkat perubahan jumlah uang beredar
digunakan persamaan :
P JUB = JUB t – JUB t-1 /JUB t-1
Dimana:
P JUB = jumlah uang beredar
JUB t = jumlah uang beredar pada periode t
JUB t-1 = jumlah uang beredar pada periode t-1
2.7 Metode ARIMA

Model Autoregresif Integrated Moving Average (ARIMA) adalah
model yang secara penuh mengabaikan independen variabel dalam
membuat peramalan. ARIMA menggunakan nilai masa lalu dan sekarang
dari variabel dependen untuk menghasilkan peramalan jangka pendek
yang akurat. ARIMA cocok jika observasi dari deret waktu (time series)
secara statistik berhubungan satu sama lain (Indra, 2018).
Secara harfiah, ARIMA (autoregresive integrated moving average)
dapat diartikan sebagai gabungan dua model, yaitu model autoregresi (AR)
dan moving average (MA). Model ini tidak mempunyai suatu variabel
45
berbeda sebagai variabel bebas, tetapi menggunakan informasi dalam
series yang sama dalam membentuk model, yang pada akhirnya sangat
bermanfaat untuk peramalan (Muhammad Firdaus, 2018).
Pada data harga saham sering terjadi nilai trend relatif kecil, sehingga
cocok digunakan metode Time Series Box-Jenkins atau yang biasa disebut
dengan metode ARIMA. Metode ini meramalkan data deret waktu yang
didasarkan pada teori statistik yang telah berkembang dengan menemukan
pola dalam deret data kemudian mengekstrapolasikannya ke masa depan.
Dilihat dari segi aplikasi ilmu statistik, metode ARIMA lebih berat dari
pada metode lainnya karena metode ARIMA bisa memberikan ketepatan
peramalan yang cukup akurat untuk peramalan jangka pendek (Ayu
Rezaldi, 2021).
Model AR berbentuk hubungan antara variabel terikat Y dengan
variabel bebas yang merupakan nilai Y pada waktu sebelumnya. Sedang
model MA menunjukkan ketergantungan variabel terikat Y terhadap nilai-
nilai residual pada waktu sebelumnya secara berurutan. Gabungan kedua
model inilah yang sangat berguna dalam menganalisis data time series,
dengan sebutan ARIMA (Muhammad Firdaus, 2018).
Peramalan dengan model ARIMA untuk peramalan Indeks Harga
Saham Gabungan (IHSG) dapat diambil kesimpulan bahwa Estimasi
menghasilkan model Arima 2.1.2, Semua parameter signifikan dan
residual memenuhi asumsi white noise. Evaluasi menggunakan mean
absolute error (MAE) dan mean absolute percent error (MAPE)

46
menunjukan peramalan dengan mengunakan metode statistic forecast lebih
baik dibandingkan peramalan dengan metode dynamic forecast. Dan
Peramalan mengunakan metode dynamic forecast menghasilkan nilai yang
selisishnya sebesar -7.05799 terhadap nilai actual pada tanggal 17 Juli
2019 dan metode statistic forecast menghasilkan nilai yang selisihnya
6.043909 dari nilai actual pada tanggal 17Juli 2019. menggunakan metode
ARIMA baik digunakan untuk peramalan pasar modal IHSG sehingga
bagi investor ataupun masyarakat yang ingin melakukan investasi dipasar
modal dapat menggunakan metode ini untuk dapat meramalkan atau
memperkirakan pasar modal yang akan terjadi pada priode selanjutnya.
Namun, metode ARIMA ini hanya cocok untuk digunakan dalam
meramalkan dalam jangka waktu pendek tidak untuk jangka panjang.
Disamping itu, untuk peramalan model statistic forecast, jenis data yang
digunakan akan lebih baik bila menggunakan data frekuensi
harian(Purnama & Juliana, 2019)
Peramalan dengan menggunakan Auto Regressive Integrated Moving
Average atau ARIMA untuk data laju inflasi memberikan hasil peramalan
sebesar 0,6285% atau 6,285. Berdasarkan grafik data terlihat bahwa hasil
peramalan menggunakan metode ARIMA mampu mengikuti pergerakkan
data aktual dari laju inflasi. Selain itu, berdasarkan hasil estimasi diperoleh
nilai Sum Squared Error sebesar 23,22. Selanjutnya berdasarkan hasil
diagnostic checking yakni dengan uji normalitas diperoleh data tidak
berdistribusi normal namun untuk uji heteroskedastik memberikan hasil

47
bahwa data bersifat heteroskedastis, dan uji autokorelasi menunjukkan
bahwa data tidak mengandung masalah autokorelasi (Hartati, 2017)
Permodelan dan peramalan menggunakan ARIMA sering
dihubungkan dengan dua nama, yaitu G.E.P Box dan G.M Jenkins. Hal itu
diakibatkan jasa kedua statistisi tersebut dalam memperkenalkan
metodologi untuk identifikasi, penaksiran, pengujian, dan peramalan
model, sehingga mudah dipahami. Model ARIMA umumnya dituliskan
dengan notasi ARIMA (p,d,q). P adalah derajat proses AR, d adalah orde
perbedaan, dan q adalah derajat proses MA. Adanya nilai pembedaan (d)
pada model ARIMA disebabkan aspek-aspek AR dan MA hanya dapat
diterapkan pada data time series yang stasioner (Muhammad Firdaus,
2018).
2.8 Mean Absolut Deviation (MAD)

Konsep portofolio MAD adalah mengukur rata-rata nilai mutlak
penyimpangan (Mean Absolute Deviation) dari realized return terhadap
expected return. Model portofolio MAD mengubah masalah optimasi yang
sudah berbentuk kuadratik menjadi model linear yang mudah diselesaikan
(Ibrahim et al., 2017). Tidak semua saham dapat dibentuk portofolio MAD
karena sahamsaham tersebut harus memenuhi beberapa asumsi, yaitu
(Ibrahim et al., 2017)1. Waktu yang digunakan hanya satu periode 2.
Tidak ada biaya transaksi 3. Preferensi investor hanya berdasarkan pada
return yang diharapkan dan risiko dari portofolio 4. Tidak ada simpanan
dan pinjaman bebas risiko 5. Realized return berditribusi normal Tujuan

48
utama dari portofolio MAD adalah meminimalkan nilai risiko yang
ditanggung investor pada tingkat return tertentu. Secara garis besar,
perhitungan nilai risiko menggunakan model MAD adalah menentukan
rata-rata nilai mutlak penyimpangan (Mean Absolute Deviation) dari
tingkat realized return terhadap expected return. Fungsi tujuan model
portofolio MAD dirumuskan sebagai berikut (Ahmad Muhsin
Ma’ari,2017)):
Model analisis Mean Absolut Deviation (MAD), dengan menggunakan

persamaan:
MAD =  [Ri – E(Ri)] / n
Dimana:
MAD = rata-rata penyimpangan absolut untuk model CAPM atau
APT
Ri = return saham i yang sesungguhnya
E(Ri) = return saham i yang diharapkan (dengan model CAPM atau
model APT)
n = jumlah data
2.9 Kerangka Konseptual
Berdasarkan latar belakang, rumusan masalah, tinjauan literatur, penelitian
terdahulu dan pengembangan hipotesis, maka dapat digambarkan kerangka
pemikiran dalam penelitian ini sebagai berikut:

49
Gambar 2. 1 Diagram Alir

Dalam memprediksi return saham sektor Pertanian yang terdaftar di Bursa
Efek Indonesia Tahun 2017-2021 dikenal dengan dua model yaitunya
Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT)
,untuk mengetahui mana yang lebih akurat maka dilakukan perbandingan
nilai Mean Absolute Deviation (MAD) dari kedua model tersebut.
Setelah memperoleh nilai Absolute Deviation masing-masing model dan
dilakukan uji normalitas data, langkah selanjutnya adalah membandingkan
kedua nilai Absolute Deviation dengan melakukan uji parametrik Paired
Sample T-Test.
2.10 Penelitian Terdahulu
Berikut ini beberapa penelitian terdahulu mengenai perhitungan perolehan
return saham dengan Capital Asset Pricing Model (CAPM) dan Arbitrage
Pricing Theory (APT), seperti terlihat dalam tabel berikut:
Tabel 2. 1 Penelitian Terdahulu

Variabel Metode Hasil
No Penulis Judul
Penelitian Penelitian Penelitian
1 (Abdillah & Analisis a. Return a. Uji beda Ca pital Asset
50

No Penulis Judul
Putra, Perbandinga saham (Ri) b. sampel Pricing Model
2021) n Keakuratan Return pasar berpasangan (CAPM) lebih
CAPM Dan (Rm), c. (Paired baik
APT Dalam Return aset Samples Test) dibandingkan
Upaya bebas risiko b. Standar Arbitrage
Pengambilan (Rf), d. deviasi Pricing Theory
Keputusan Perubahan (APT)
Investasi Tingkat, pengambilan
Saham inflasi, e. keputusan
Sektor Perubahan investasi
Perbankan tingkat SBI f. saham pada
Perubahan sektor
tingkat kurs perbankan di
Bursa Efek
Indonesia.
Tidak
terdapat
perbedaan
signifikan
antara Capital
Asset Pricing
Model
(CAPM)
dengan
Arbitrage
Pricing Theory
(APT) dalam
pengambilan
keputusan
investasi
saham pada
sektor
perbankan di
Bursa Efek
Indonesia.
2 (Ami Analisis Metode CAPM Penulis Terdapat
Rosyidah, Keakuratan dan APT menghitung perbedaan
2018) CAPM dan return saham yang
APT dalam yang berbeda signifikan
Memprediksi yaitu kelompok terhadap
Return saham idx 30 model CAPM
Saham pada dan APT
Perusahaan dalam
yang memprediksi
Terdaftar return saham
51

No Penulis Judul
dalam yang terdaftar
Jakarta di JII
Islamic Index
(JII) Periode
Tahun 2015 –
2017
3 (Wibowo et Pengaruh Tingkat dilaksanakan Pengujian
al., 2021) Efesiensi dari Pengembalian guna yang
Capital Asset (Retrun), mungaraikan dilakukan
Pricing Tingkat bagaimana ketika harga
Model atau pengembalian penerapan pasar
CAPM Pasar, Tingkat Capital Asset mengalami
Sebagai pengembalian Pricing Model kenaikan
Dasar untuk saham (CAPM) dalam maka harga
Pengambilan Individu (Ri) memilih saham saham
Keputusan untuk individu akan
pembelian diinvestasikan. mengalami
Saham kenaikan juga
tetapi
melebihi
kenaikan
harga pasar.
4 (Gunardi et Pengaruh Variabel- Analisis data Nilai tukar
al., 2020) Nilai Tukar variabel menggunakan memiliki
Terhadap dalam kuantitatif pengaruh
Harga Saham penelitian ini deskriptif yaitu terhadap
Sektor terdiri dari hasil penelitian harga saham
Keuangan variabel yang pada sektor
yang independen menunjukkan keuangan
Terdaftar di dan variabel adanya yang terdaftar
Bursa Efek dependen, pengaruh atau di Bursa Efek
Indonesia yaitu. Variabel tidak, Indonesia.
Independen kemudian
yaitu variabel dianalisis
bebas yang secara
keberadaanny deskriptif
a tidak dengan
dipengaruhi perbandingan
oleh pada negara
variabelvariab maju,
el lain. emerging
Variabel market lainnya.
bebas dalam
penelitian ini
yaitu nilai
52

No Penulis Judul
tukar (X).
Sedangkan,
variabel
dependen
merupakan
variabel yang
keberadaanny
a tidak bebas
dipengaruhi
oleh variabel-
variabel lain.
Variabel
dependen
dalam
penelitian ini
yaitu Harga
Saham (Y).
5 (Safitri et Analisis a. CAPM:-risk a. Terdapat
al., 2019) Keakuratan free rate,- Menggunakan perbedaanyan
Dari Capital market metode survey g signifikan
Asset Pricing return,-stock b. antara
Model liquidity,- Koefisienkorela keakuratan
(CAPM) Dan market si pearson c. CapitalAsset
Arbitrage liquidity,- Analisisregresi Pricing Model
Pricing adjusted beta d. Fisher test (CAPM)
Theory (APT) b. APT:- dengan
Dalam inflation,-price Arbitrage
Memprediksi of gold- Pricing Theory
Return foreign (APT) dalam
Saham Pada exchange memprediksi
Perusahaan rate,-price of returnsaham
Sektor crude oil- perusahaan–
Perbankan Di index of stock perusahaan
Bursa Efek exchange- LQ-
Indonesia bank of 45.Perbedaan
Tahun 2015- interest rate :Penulis
2018 menghitung
return
sahamyang
berbeda yaitu
kelompok
saham IDX30.
Model Capital
AssetPricing
Model(CAPM)
53

No Penulis Judul
lebih akurat
dibandingkan
modelArbitra
ge
PricingTheory
(APT) dalam
memprediksi
return saham
perusahaan–
perusahaan
LQ-45
6 (Sunarya, Perbandinga a. Model a. Estimation Model CAPM
2020) n keakuratan CAPM period b. Test lebih akurat
Capital Asset menggunakan period daripada
Pricing variabel menggunakan model APT
Model dan Rf,Rm, dan β metode dalam
Arbitrage b. Model APT ARIMAuntuk memprediksi
Pricing menggunakan perhitungan return saham
Theory suku suku pada industri
dalam bunga,inflasi, bunga,inflasi manufaktur
memprediksi dan kurs dan kursc. sebelum dan
MAD selama krisis
7 (Hasan et Analisis Model CAPM, Menghitung Terdapat
al., 2019) Capital Asset menggunakan tingkat hubungan
Pricing , variabel Rf, keuntungan nonlinear
Model Model CAPM yang antara risiko
(CAPM) diharapkan sistematis
Sebagai menurut CAPM dengan
Dasar E(Ri) = Rf + βi tingkat
Pengambilan [E(Rm)-Rf] pengembalian
Keputusan saham yang
Berinvestasi diharapkan
Saham
8 (Baleo Pengukuran 1. return a. Analisis kinerja
Pasaribu et Kinerja saham,2.retur Regresi, portofolio
al., 2018) Portofolio n pasar. b.Model APT, dengan
Optimal 3.expected c. menggunakan
Capital Asset return pasar. Pembentukan The Sharpe
Pricing 4. Menghitung bobot optimal Index
Model nilai β. 5. diperoleh
(CAPM) Dan Menghitung hasil bahwa
Arbitrage expected portofolio
Pricing return dengan model
Theory (APT) CAPM lebih
baik
54

No Penulis Judul
dibanding
dengan model
APT
9 (Indra, Perbandinga Variabel dan a. Pengukuran Model yang
2018) n Keakuratan definisi variabilitas lebih akurat
Capital Asset operasional (standar dalam
Pricing dalam deviasi) b. memprediksi
Model Dan penelitian ini Koefisien return saham
Arbitrage adalah : 1. adjusted ISSI dimasa
Pricing Expected determinasi yang akan
Theory Return (R2) datang adalah
Dalam Expected model Capital
Memprediksi Return adalah Asset Pricing
Return tingkat return Model
Saham (Studi yang (CAPM) lebih
Pada diantisipasi tepat
Perusahaan investor di dibandingkan
Sektor masa yang Arbitrage
Barang akan datang. Pricing Theory
Konsumsi Arbitrage (APT), karena
Dan Sektor Pricing Theory nilai
Pertambanga (APT) MADCAPM
n Yang (0,0835) lebih
Terdaftar Di kecil
Indeks dibandingkan
Saham nilai MADAPT
Syariah (0,5070).
Indonesia
(Issi) Periode
2013-2016)
10 (Susanti & Penerapan Risk Grafik Security antara beta
Putra, Asset Pricing market(Rm), Market Line dengan
2019) Model Risk free (Rf), (SML) Grafik expected
(CAPM) dan beta (β) SML adalah return terjadi
Terhadap adalah sebuah hubungan
Keputusan indicator pengambaran yang
Investasi untuk dati model berbanding
Pada Indeks menentukan CAPM, Grafik terbalik,
Lq 45 Periode [E(Ri)] Security dimana jika
2012- 2016 market line nilai beta
(SML) tinggi maka
menggambarka tingkat
n hubungan pengembalian
[E(Ri)] dengan saham
risiko (return) akan
55

No Penulis Judul
sistematis (β). rendah,
begitu
sebaliknya
11 (Riantani, Penggunaan Variabel yang a.Uji Asumsi Hasil
2017) Arbitrage digunakan Klasik, b. penelitian
Pricing dalam Pengujian mencerminka
Theory Untuk penelitian ini Model, c. n bahwa
Menganalisis terdiri dari Pengujian kemampuan
Return variabel Hipotesis aplikasi model
Saham return saham APT dalam
Syariah sebagai menganalisis
variabel return saham
dependen, Syariah masih
dan variabel lemah.
makro
ekonomi yang
terdiri dari
inflasi, nilai
tukar dan
suku bunga
yang diubah
dalam bentuk
return sebagai
variabel
independen
sesuai dengan
prosedur APT
12 (Wahyuny Comparative The variabels Data analysis in The results of
& Gunarsih, Analysis Of used in this this study uses data analysis
2020) Accuracy study consist Mean Absolute show that the
Between of market risk Deviation CAPM model
Capital Asset premium, (MAD) by is more
Pricing inflation, comparing the precise or
Model exchange Capital Asset accurate than
(CAPM) And rates (Rp / Pricing Model the APT
Arbitrage USD), interest (CAPM) and model in
Pricing rates, and Arbitrage predicting
Theory (APT) stock returns Pricing Theory stock returns.
In Predicting (APT)
Stock Return
(Case Study:
Manufacturi
ng
Companies
Listed On The
56

No Penulis Judul
Indonesia
Stock
Exchange For
The 2015-
2018 Period)
2.11 Hipotesis
Perbedaan antara CAPM dan APT adalah bahwa CAPM hanya
mendasarkan pada satu faktor, yaitu beta yang mewakili risiko sistematis.
Sedangkan APT, memungkinkan dimasukkannya lebih dari satu faktor
untuk menentukan return suatu aset. Faktor-faktor inilah (disebut faktor
loading) yang menampung seluruh risiko sistematis dari aset yang
dianalisis. Hanya saja kelemahan APT adalah bahwa model ini tidak
memberi spesifikasi tentang faktor sistematis apa saja yang mempengaruhi
return sehingga operasionalisasi APT menjadi sulit (Mamduh M. Hanafi,
2021).
Penelitian terdahulu terkait CAPM dan APT diantaranya dilakukan
oleh I Wayan Sunarya (2020) tentang perbandingan keakuratan Penerapan
Asset Pricing Model (CAPM) Terhadap Keputusan Investasi Pada Indeks
LQ45 Periode 2017- 2020. Hasil penelitiannya menemukan bahwa model
CAPM lebih akurat daripada model APT yang menggunakan faktor suku
bunga, inflasi, dan kurs sebagai variabel makroekonomi dalam
memprediksi return saham.. Penelitian lainnya dilakukan oleh Ery Indah
Setyowati, Husnurrosyidah (2021) yang meneliti CAPM, Indeks Tunggal

57
Dan Treynor Sebagai Analisis Portofolio Pada Saham Syariah penelitian
ini menyimpulkan bahwa Berdasarkan perhitungan Capital Asset Pricing
Model menunjukkan tingkat return individu yang lebih besar di banding
tingkat return yang diharapkan (Rᵢ > E(Rᵢ)), menunjukkan tingkat return
individu yang lebih kecil dibanding return yang diharapkan (Rᵢ < E(Rᵢ))
sehingga keputusan yang diambil oleh investor adalah menjual saham.
Berdasarkan penjelasan diatas maka dapat dirumuskan hipotesis
sebagai berikut:
H0: Diduga tidak terdapat perbedaan akurasi yang signifikan antara model
CAPM dan model APT dalam memprediksi return saham perusahaan
sektor Pertanian di Bursa Efek Indonesia
H1: Diduga terdapat perbedaan akurasi yang signifikan antara model
CAPM dan model APT dalam memprediksi return saham perusahaan
sektor Pertanian di Bursa Efek Indonesia

BAB III
GAMBARAN UMUM LOKASI PENELITIAN DAN METODE
PENELITIAN
3.1 Lokasi Penelitian
Lokasi Penelitian yang dilakukan adalah Galeri Bursa Efek Bank Indonesia
Universitas Negeri Padang (Gibei UNP). Agar ruang lingkup penelitian tidak
terlalu luas maka ditentukan beberapa batasan dalam penelitian ini. Sampel yang
dipilih adalah perusahaan sektor Pertanian yang terdaftar di Bursa Efek Indonesia
periode 2017-2021. Sedangkan model yang digunakan adalah Capital Asset
Pricing Model (CAPM), dan Arbitrage Pricing Theory (APT) untuk mengukur
tingkat expected return saham.
Variabel-variabel yang digunakan adalah: untuk model CAPM
menggunakan variabel tingkat suku bunga SBI untuk mengukur return bebas
risiko (Rf), dan IHSG untuk mengukur return pasar (Rm). Sedangkan untuk
model APT variabel yang digunakan adalah inflasi, kurs, SBI dan jumlah uang
yang beredar. Expected return dengan menggunakan model CAPM, diukur
dengan model persamaan CAPM, sedangkan untuk mengetahui expected return
pada model APT menggunakan metode ARIMA. Untuk membandingkan
keakuratan kedua model tersebut diuji dengan analisis Mean Absolut Deviation
(MAD). Sedangkan alat statistik yang digunakan adalah IBM SPSS Statistic 25,
EViews 10 dan Microsoft Excel.
57
58
3.2 Metode Penelitian
3.2.1 Jenis Penelitian
Jenis penelitian ini adalah penelitian komparatif yaitu
membandingkan keakuratan model CAPM dengan APT dalam
memprediksi return saham. Berdasarkan horizon waktu penelitian,
penelitian ini termasuk ke dalam jenis studi longitudinal. Studi
longitudinal adalah penelitian yang dilakukan pada lebih dari satu batas
waktu dalam rangka menjawab pertanyaan penelitian (Sekaran, 2019).
Sedangkan sampel analisis penelitian adalah perusahaan sektor Pertanian
yang terdaftar di Bursa Efek Indonesia
3.2.2 Populasi dan Sampel
Populasi adalah suatu kelompok dari elemen penelitian, dimana
elemen adalah bagian dari populasi yang diharapkan dapat mewakili
populasi penelitian (Kuncoro, 2020). Populasi yang digunakan dalam
penelitian ini adalah perusahaan sektor Pertanian yang terdaftar di Bursa
Efek Indonesia .
Tabel 3. 1 Perusahaan Sektor Pertanian

No Kode Perusahaan
1 AALI Astra Agro Lestari Tbk.
2 ANDI Andira Agro Tbk.
3 ANJT Austindo Nusantara Jaya Tbk.
4 BISI BISI International Tbk.
5 BTEK Bumi Teknokultura Unggul Tbk.
6 BWPT Eagle High Plantations Tbk.
7 CSRA Cisadane Sawit Raya Tbk.
8 DSNG Dharma Satya Nusantara Tbk.
9 GOLL Golden Plantation Tbk.
10 GZCO Gozco Plantations Tbk.
59
No Kode Perusahaan
11 JAWA Jaya Agra Wattie Tbk.
12 LSIP PP London Sumatra Indonesia Tbk.
13 MAGP Multi Agro Gemilang Plantation Tbk.
14 MGRO Mahkota Group Tbk.
15 PALM Provident Agro Tbk.
16 PSGO Palma Serasih Tbk.
17 SGRO Sampoerna Agro Tbk.
18 SIMP Salim Ivomas Pratama Tbk.
19 SMAR Smart Tbk.
20 SSMS Sawit Sumbermas Sarana Tbk.
21 TBLA Tunas Baru Lampung Tbk.
22 UNSP Bakrie Sumatera Plantations Tbk.
Sampel (sample) adalah subkelompok atau sebagian dari populasi. Sampel
terdiri atas sejumlah anggota yang dipilih dari populasi (Sekaran, 2019). Dari
banyak perusahaan yang terdaftar pada sektor Pertanian periode 2017-2020,
sampel yang dipilih adalah sebanyak 10 perusahaan. Teknik pengambilan
sampel yang digunakan adalah metode purposive sampling. Metode purposive
sampling adalah metode pengambilan sampel yang bertujuan untuk
mendapatkan informasi yang diinginkan atau memenuhi beberapa kriteria yang
ditentukan oleh peneliti (Sekaran, 2019). Pengambilan sampel dengan metode
purposive sampling didasarkan pada ketentuan-ketentuan berikut:
a. Perusahaan yang dipilih merupakan perusahaan sektor Pertanian yang
terdaftar di Bursa Efek Indonesia.
b. Perusahaan yang dipilih hanya bergerak pada Sektor Pertanian
c. Perusahaan terpilih menyediakan informasi yang lengkap selama tahun
2017-2021 sesuai dengan variabel penelitian yang diteliti.

60
Tabel 3. 2 Kriteria Penetapan Sampel Sektor Pertanian
Hanya Menyediakan
Bergerak Informasi
Terdaftar
No Kode Perusahaan Pada sesuai Sampel
di BEI
Sektor Variabel
Pertanian Pertanian
Astra Agro
1 AALI v v v V
Lestari Tbk.
Andira Agro
2 ANDI v v x
Tbk.
Austindo
3 ANJT Nusantara v x v
Jaya Tbk.
BISI
4 BISI International v x v
Tbk.
Bumi
5 BTEK Teknokultura v x x
Unggul Tbk.
Eagle High
6 BWPT Plantations v v v V
Tbk.
Cisadane
7 CSRA Sawit Raya v v x
Tbk.
Dharma Satya
8 DSNG Nusantara v v v V
Tbk.
Golden
9 GOLL Plantation v x v
Tbk.
Gozco
10 GZCO Plantations v v v V
Tbk.
Jaya Agra
11 JAWA v v x
Wattie Tbk.
PP London
Sumatra
12 LSIP v v v V
Indonesia
Tbk.
Multi Agro
Gemilang
13 MAGP v v x
Plantation
Tbk.
14 MGRO Mahkota v v v
61
Hanya Menyediakan
Bergerak Informasi
Terdaftar
No Kode Perusahaan Pada sesuai Sampel
di BEI
Sektor Variabel
Pertanian Pertanian
Group Tbk.
Provident
15 PALM v v x
Agro Tbk.
Palma Serasih
16 PSGO v v x
Tbk.
Sampoerna
17 SGRO v v v V
Agro Tbk.
Salim Ivomas
18 SIMP v v v V
Pratama Tbk.
19 SMAR Smart Tbk. v v x
Sawit
20 SSMS Sumbermas v v v V
Sarana Tbk.
Tunas Baru
21 TBLA v v v V
Lampung Tbk.
Bakrie
Sumatera
22 UNSP v v v V
Plantations
Tbk.
Berdasarkan ketentuan-ketentuan tersebut maka diperoleh 10 perusahaan sektor
Pertanian yang memenuhi kriteria pemilihan sampel penelitian seperti terlihat
pada tabel 3.3 berikut:
Tabel 3. 3 Sampel Perusahaan Sektor Pertanian
No Kode Perusahaan
1 AALI Astra Agro Lestari
2 BWPT PT Eagle High Plantations Tbk
3 DSNG Dharma Satya Nusantara Tbk.
4 GZCO PT Gozco Plantations Tbk
5 LSIP PT Perusahaan Perkebunan London Sumatra
Indonesia Tbk
6 SGRO Sampoerna Agro Tbk.
7 SIMP Salim Ivomas Pratama
8 SSMS PT Sawit Sumbermas Sarana Tbk
62
No Kode Perusahaan
9 TBLA Tunas Baru Lampung
10 UNSP Bakrie Sumatera Plantations Tbk.
Sumber : Data peusahaan sektor pertanian diolah metode purposive
sampling tahun 2022
3.3 Sumber Data
Data-data dalam penelitian ini merupakan data yang berasal dari
Galeri Bursa Efek Indonesia Universitas Negeri Padang yang bersumber dari
data sekunder https://www.idx.co.id/ untuk memperoleh data mengenai harga
saham bulanan dari perusahaan Pertanian yang terdaftar di Bursa Efek
Indonesia dan data IHSG. Data mengenai kurs,Inflasi, dan suku bunga Bank
Indonesia diperoleh dari situs resmi Bank Indonesia yaitu
http://www.bi.co.id. Sedangkan data jumlah uang beredar diperoleh dari situs
Kementerian Dalam Negeri atau melalui http://www.kemendag.go.id. Selain
itu data-data juga didapatkan dari buku-buku, artikel dan internet, untuk
memperoleh teori penunjang dalam penelitian ini.

63
3.4 Defenisi Operasional Variabel
Berikut ini merupakan definisi variabel-variabel yang digunakan
dalam penelitian:
Tabel 3. 4 Definisi Operasional Variabel
Variabel Definisi Indikator

Persamaan yang
menyamakan tingkat
pengembalian yang
CAPM diharapkan atas saham E(Ri) = Rf + βi [ E (Rm)
dengan tingkat bebas – Rf]
risiko ditambah premi
asuransi untuk risiko
sistematis saham
APT adalah suatu model
untuk memprediksi laba
atau rugi dari potensial
aset dengan
menggunakan ukuran E (Ri) = Ri + β1 F1 + β2
APT
risiko dari variabel- F2 + ....... + βi Fk
variabel ekonomi,
dimana risiko ini tidak
bisa dihilangkan dengan
diversifikasi
Uji beda diantara CAPM
dan APT dengan
menggunakan Mean
Absolute Deviation.
Uji beda Mean Absolute MAD = Σ [Ri – E(Ri)] /
DImana MAD adalah
Deviation (MAD) n
mean dari nilai mutlak
penyimpangan setiap
nilai pengamatan
Ri(t)terhadap E(Ri).
3.5 Metode Analisis
3.5.1 Analisis Statistik Desktriptif
Analisis statitik deskriptif digunakan yaitu untuk menganalisis
keakuratan model Capital Asset Pricing Model (CAPM) dan menganalisis

64
model Arbitrage Pricing Theory (APT) dengan memberikan gambaran
atau deskripsi suatu data dari penelitian. (Ghozali, 2012). Dalam penelitian
ini peneliti memberikan gambaran mengenai nilai minimum, maksimum,
mean dan standar deviasi dari variabel penelitian.
3.5.2 Metode Analisis CAPM
Untuk mengetahui keakuratan model Capital Asset Pricing Model
(CAPM) Persamaan yang menyamakan tingkat pengembalian yang
diharapkan atas saham dengan tingkat bebas risiko ditambah tingkat
pengembalian pasar untuk risiko sistematis saham digunakan dalam
penelitian ini adalah dengan menggunakan model analisis Capital Asset
Pricing Model (CAPM), dengan menggunakan persamaan:
Dimana:
E(Ri) = return saham i yang diharapkan (dengan model CAPM)
Rf = Risk Free
βi = Risiko Sistematis
Rm = Return Market
Sebelum menggunakan model analisis ini, dilakukan langkah
langkah sebagai berikut:

65
a) Menentukan periode estimasi (estimation period) yang akan
digunakan, yaitu dari dari Januari 2017 sampai dengan Desember 2021
b) Menghitung Risk Free (Rf)
c) Menghitung return pasar dengan menggunakan data IHSG
d) Menghitung return aktual dari perusahaan-perusahaan Pertanian
e) Menghitung beta saham (β) dengan menggunakan rumus market model
yang meregresikan antara pendapatan saham yang sesungguhnya
(actual return) dengan pendapatan pasar (market return)
3.5.3 Metode Analisis APT
Untuk mengetahui keakuratan model Arbitrage Pricing Theory
(APT) Persamaan yang menyamakan tingkat pengembalian yang
diharapkan atas saham dengan ditambah risiko sistematis variabel
makroekonomi berupa Inflasi, Kurs, Suku Bunga Bank Indonesia dan
Jumlah Uang Beredar. Return saham diharapkan yang digunakan dalam
penelitian ini adalah dengan menggunakan model analisis Arbitrage
Pricing Theory (APT), dengan menggunakan persamaan:
E (Ri) = Ri + β1 F1 + β2 F2 + ....... + βi Fk
Dimana:
E(Ri) = return saham i yang diharapkan (dengan model CAPM)

66
βi = Risiko Sistematis
F = perubahan return yang tidak diharapkan pada variabel
makroekonomi (Inflasi, Kurs, SBI, JUB)
b) Menghitung return aktual dari perusahaan-perusahaan Pertanian
c) Menghitung unexpected return Inflasi
d) Menghitung unexpected return Kurs
e) Menghitung unexpected return SBI
f) Menghitung unexpected return JUB
g) Menghitung beta saham (β) dengan menggunakan rumus market
model yang meregresikan antara pendapatan saham yang
sesungguhnya (actual return) dengan variabel makroekonomi.
3.5.4 Perbandingan keakuratan CAPM dan APT
Untuk mengetahui model yang lebih akurat dalam memprediksi
return saham pada sektor Pertanian, maka dihitung nilai MAD dari kedua
model tersebut. Model yang mempunyai nilai MAD lebih kecil
menunjukkan bahwa model tersebut lebih akurat dibandingkan model

67
yang memiliki nilai MAD lebih besar. Metode analisis data yang
digunakan dalam penelitian ini adalah dengan menggunakan model
analisis Mean Absolut Deviation (MAD), dengan menggunakan
persamaan:
MAD =  [Ri – E(Ri)] / n
Dimana:
MAD = rata-rata penyimpangan absolut untuk model CAPM atau APT
E(Ri) = return saham i yang diharapkan (dengan model CAPM atau
model APT)
n = jumlah data
b) Menghitung Risk Free (Rf)
c) Menghitung return pasar dengan menggunakan data IHSG
d) Menghitung return aktual dari perusahaan-perusahaan Pertanian

68
e) Menghitung beta saham (β) dengan menggunakan rumus market
model yang meregresikan antara pendapatan saham yang
sesungguhnya (actual return) dengan pendapatan pasar (market
return)
f) Menghitung expected return dengan model persamaan CAPM
g) Menghitung Unexpected Return Inflasi, Kurs, Suku Bunga Bank
Indoensia dan Jumlah Uang Beredar dengan menggunakan Metode
ARIMA melalu Eviews
h) Menghitung β Inflasi, β Kurs, β SBI dan β JUB untuk model APT
i) Menghitung expected return dengan model persamaan APT
j) Melakukan analisis Mean Absolut Deviation (MAD)
Keakuratan model dalam penelitian ini diukur dengan
menggunakan Mean Absolut Deviation (MAD), dimana model yang
mempunyai MAD yang lebih kecil berarti lebih akurat dibandingkan
model yang mempunyai MAD yang lebih besar.
3.6 Metode Pengujian Hipotesis
Sebelum melakukan pengujian hipotesis, maka terlebih dahulu
dilakukan uji normalitas data. Uji normalitas dilakukan untuk melihat
apakah nilai residual antara Absolute Deviation CAPM dan MAD APT
terdistribusi normal atau tidak. Model regresi yang baik adalah model
regresi yang memiliki nilai residual yang terdistribusi normal yaitunya

69
nilai memiliki hasil test distribusi normal menggunakan uji One-Sample
Kolmogorov-Smirnov Test. Apabila data terdistribusi secara normal, maka
untuk pengujian hipotesis digunakan metode paired t-test, namun apabila
tidak terdistribusi secara normal maka digunakan metode Wilcoxon.
a. Metode paired sample t-test
Uji paired sampel t-test dilakukan dengan membandingkan
nilai Absolute Deviation CAPM dan nilai Absolute Deviation APT,
sehingga diketahui hasil pengujian terhadap hipotesis, apakah
hipotesis H0 diterima atau sebaliknya. Apabila nilai signifikansi
lebih besar dari 0,05 atau 5 %, maka H0 diterima, yang berarti
tidak terdapat perbedaan yang signifikan antara akurasi kedua
model. Sebaliknya, apabila nilai signifikansi lebih kecil dari 0,05
atau 5 %, maka terdapat perbedaan signifikansi antara kedua model
tersebut, dan H0 ditolak.
b. Metode Wilcoxon
Apabila data tidak terdistribusi secara normal maka metode
yang digunakan adalah metode Wilcoxon. Nilai signifikansi dalam
uji normalitas akan menunjukkan nilai < 0,05 yang menunjukkan
bahwa data tidak terdistribusi secara normal. Dalam metode ini
apabila nilai p value < batas kritis 0,05 maka terdapat perbedaan
bermakna antara kedua model atau yang berarti H1 diterima

BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Capital Asset Pricing Model
4.1.1 Return Aset Bebas Risiko (Rf)
Return aset bebas risiko (Rf ) adalah return yang diperoleh dari aset bebas
risiko yang dasar pengukurannya menggunakan suku bunga Sertifikat Bank
Indonesia (SBI). Return aset bebas risiko dihitung dengan membagi suku bunga
SBI dengan jumlah bulan dalam setahun (12 bulan). Return Aset Bebas Risiko
(Rf) Periode 2017-2021 bersumber dari website Bank Indonesia
https://www.bi.go.id/id/statistik/indikator/bi-7day-rr.aspx .
Rf= (Suku Bunga Bank Indonesia) / 100
dimana untuk (Rf) Januari adalah 4,75 % dan dikonversi menjadi decimal
menjadi (Rf) Januari = 4,75/100 = 0.0475.
Return aset bebas risiko periode 2017 sampai dengan 2021 dapat dilihat
pada Tabel 4.1.
Tabel 4. 1 Return Aset Bebas Risiko (Rf) Periode 2017-2021
Risk Free
Tahun Bulan Rata-Rata
(Rf)
2017 Januari 0,0456
0,0475
Februari 0,0475
Maret 0,0475
April 0,0475
Mei 0,0475
Juni 0,0475
70
71
Risk Free
(Rf)
Juli 0,0475
Agustus 0,0450
September 0,0425
Oktober 0,0425
November 0,0425
Desember 0,0425
Januari 0,0425
Februari 0,0425
Maret 0,0425
April 0,0425
Mei 0,0450
2018 Juni 0,0525
0,0508
Juli 0,0525
Agustus 0,0550
September 0,0575
Oktober 0,0575
November 0,0600
Desember 0,0600
2019 Januari 0,0563
0,0600
Februari 0,0600
Maret 0,0600
April 0,0600
Mei 0,0600
Juni 0,0600
Juli 0,0575
Agustus 0,0550
September 0,0525
Oktober 0,0500
November 0,0500
72
Risk Free
(Rf)
Desember 0,0500
Januari 0,0500
Februari 0,0475
Maret 0,0450
April 0,0450
Mei 0,0450
Juni 0,0425
2020 0,0425
Juli 0,0400
Agustus 0,0400
September 0,0400
Oktober 0,0400
November 0,0375
Desember 0,0375
Januari 0,0375
Februari 0,0350
Maret 0,0350
April 0,0350
Mei 0,0350
Juni 0,0350
2021 0,0352
Juli 0,0350
Agustus 0,0350
September 0,0350
Oktober 0,0350
November 0,0350
Desember 0,0350
Rata-Rata 2017-2021 0,0461
Sumber: Data Primer dari Bank Indonesia diolah tahun 2022 (Lampiran 1)
Berdasarkan Tabel 4.1 dapat dilihat bahwa rata-rata return aset bebas
risiko 2017-2021 adalah sebesar 0,0461 atau 4,61 persen. Return aset bebas
73
risiko tertinggi selama periode 2017 sampai dengan 2021 adalah sebesar 0,060
atau 6 persen. Sedangkan Return aset bebas risiko terendah yaitu sebesar 0,0350
atau 3,5 persen.Rata-Rata Return aset bebas risiko 2019 dan 2021 menunjukkan
nilai yang sejalan dengan inflasi tahun 2019 hingga tahun 2021. Dimana ketika
terjadi penurunan inflasi ,Bank indonesia akan menurunkan tingkat suku bunga
acuan.
Data per tahun rata-rata return aset bebas risiko periode 2017-2021
berfluktuasi atau berubah-ubah dimana ditahun 2017 ke tahun 2018 dan tahun
2019 rata-rata Rf naik. Dimana pada tahun 2017 rata-rata return aset bebas
risiko sebesar 0,0456 naik menjadi 0,0508 pada tahun 2018 dan 0,0563 pada
tahun 2019. Sementara dari Tahun 2019 ke tahun 2020 turun menjadi 0,0425
dan turun lagi ditahun 2021 menjadi 0,0352. Turunnya suku bunga ditahun 2020
dan 2021 merupakan kebijakan Bank Indonesia demi mendorong aktivitas
perekonomian yang sedang dilanda Pandemi Covid-19.
4.1.2 Return Market (Rm)
Return market (Rm) dapat dihitung berdasarkan selisih antara harga
penutupan IHSG bulan saat ini (IHSGt) dengan harga penutupan IHSG bulan
sebelumnya (IHSGt-1) dibagi dengan harga penutupan IHSG bulan sebelumnya
(IHSGt-1) .
(Rm) = (IHSG t – IHSG t-1) / IHSG t-1
(Rm) Feb = (5.386,69-5.294,10)/5.294,10
(Rm) Feb = 0,0175

74
Rata-rata return market tahun 2017 sampai dengan tahun 2021 disajikan
dalam Tabel 4.2.
Tabel 4. 2 Return Market (Rm) Periode 2017-2021
Return Market
(Rm)
Januari -
Februari 0,0175
Maret 0,0337
April 0,0210
Mei 0,0093
Juni 0,0160
2017 0,01693
Juli 0,0019
Agustus 0,0040
September 0,0063
Oktober 0,0178
November - 0,0089
Desember 0,0678
Januari 0,0393
Februari - 0,0013
Maret - 0,0619
April - 0,0314
Mei - 0,0018
2018 Juni - 0,0308
-0,00169
Juli 0,0237
Agustus 0,0138
September - 0,0070
Oktober - 0,0242
November 0,0385
Desember 0,0228
75
Return Market
(Rm)
Januari 0,0546
Februari - 0,0137
Maret 0,0039
April - 0,0021
Mei - 0,0381
Juni 0,0241
2019 0,00180
Juli 0,0050
Agustus - 0,0097
September - 0,0252
Oktober 0,0096
November - 0,0348
Desember 0,0479
Januari - 0,0571
Februari - 0,0820
Maret - 0,1676
April 0,0391
Mei 0,0079
Juni 0,0319
2020 -0,00153
Juli 0,0498
Agustus 0,0173
September - 0,0703
Oktober 0,0530
November 0,0944
Desember 0,0653
2021 Januari 0,00840
- 0,0195
Februari 0,0647
Maret - 0,0411
April 0,0017
Mei - 0,0080
76
Return Market
(Rm)
Juni 0,0064
Juli 0,0141
Agustus 0,0132
September 0,0222
Oktober 0,0484
November - 0,0087
Desember 0,0073
Rata-Rata 0,0045
Sumber: Data Indeks Harga Saham Gabungan diolah tahun 2022
(Lampiran 2)
Berdasarkan hasil perhitungan rata-rata return market periode 2017
sampai dengan 2021 dapat dilihat bahwa return market setiap bulannya
mengalami fluktuasi. Rata-rata IHSG selama periode 2017 sampai dengan
2021 menghasilkan tingkat pengembalian pasar sebesar 0,0045 atau 0,45
persen. Tingkat pengembalian pasar tertinggi terjadi pada bulan November
2020 dengan (Rm) sebesar 0,0944 atau 9,44 persen yang berarti bahwa pada
saat itu pasar sedang bullish dan tingkat pengembalian pasar terendah terjadi
pada bulan Maret 2020 dengan (Rm) sebesar -0,1670 atau -16,7 persen yang
berarti pada saat itu pasar sedang bearish atau mengalami kelesuan.
Perhitungan rata-rata return market pertahunnya dimana dari tahun
2017 sebesar 0,0169 turun menjadi -0,00169 pada tahun 2018. Hal ini
kemungkinan dapat terjadi karena kebijakan Bank Indonesia yang menaikkan
suku bunga acuan ditahun 2018 sehingga investor lebih memilih berinvestasi
pada sektor perbankan dengan tingkat risiko yang rendah. Pada tahun 2019
terjadi peningkatan menjadi 0,0018 dan turun kembali pada tahun 2020
77
menjadi -0,00153. Hal ini dapat terjadi karena pandemic covid-19 sehingga
investor lebih memilih untuk menyimpan uang dalam bentuk aset pasti.
Namun pada tahun 2021 terjadi kenaikan menjadi 0,00840. Peningkatan ini
terjadi karena kebijakan Bank Indonesia yang menurunkan lagi suku bunga
acuan dan pandemic mulai terkendali sehingga investor kembali lagi
berinvestasi pada pasar modal.
4.1.3 Return Saham Perusahaan Sektor Pertanian
Data yang digunakan dalam penelitian ini adalah data harga
penutupan (closing price) bulanan saham-saham perusahaan sektor pertanian
periode Januari 2017 sampai dengan Desember 2021. Return saham (Ri)
dapat dihitung berdasarkan selisih antara harga penutupan saham bulan saat
ini dengan harga penutupan saham bulan sebelumnya dibagi dengan harga
penutupan saham bulan sebelumnya .
Perhitungan (Ri) Saham Perusahaan Astra Agro Lestari (AALI)
sebagai berikut.
(Ri) = (Harga Saham t – Harga Saham t-1) / Harga Saham t-1
(Ri) Feb 2017= (Harga Penutupan Saham Bulan Februari 2017 -
Harga Penutupan Saham Bulan Januari 2017)/ Harga
Penutupan Saham Bulan Januari 2017
(Ri) Feb 2017 = (14950-15775)/15775
(Ri) Feb 2017 = -0.0523
(Ri) AALI 2017 = Rata-Rata Return Saham AALI selama tahun 2017
78
(Ri) AALI 2017 = -0.01607
Rata-rata return saham perusahaan sampel (Ri) dari periode 2017
sampai dengan 2021 disajikan dalam Tabel 4.3.
Tabel 4. 3 Return Saham Perusahaan Sektor Pertanian Periode 2017-2021

Kode Tahun Rata-
No
Saham 2017 2018 2019 2020 2021 Rata
1 AALI -0,01607 -0,00451 0,02146 0,00631 -0,01770 -0,0018
2 BWPT -0,05125 -0,00039 0,01581 0,01261 -0,04848 -0,0135
3 DSNG -0,01675 0,00162 0,01225 0,03059 -0,01336 0,0031
4 GZCO -0,05014 -0,01522 0,00050 0,00000 0,02973 -0,0062
5 LSIP -0,00623 -0,00226 0,01950 0,00512 -0,00873 0,0016
6 SGRO 0,02427 -0,00648 0,00140 -0,02755 0,02038 0,0020
7 SIMP -0,00524 0,00169 -0,00024 0,01191 0,01182 0,0041
8 SSMS -0,00531 -0,01415 -0,03053 0,05376 -0,01385 -0,0019
9 TBLA 0,00948 -0,02126 0,01545 0,00782 -0,01250 -0,0004
10 UNSP 0,38551 -0,01886 -0,00004 0,02602 -0,00289 0,0715
Sumber: Data Diolah dari Harga Penutupan Saham https://www.idx.co.id
(lampiran 3)
Berdasarkan hasil perhitungan rata-rata return saham masing-masing
perusahaan sampel tahun 2017 sampai dengan tahun 2021, sebanyak 5 saham
bernilai positif ( Ri>0) dan sebanyak 5 saham bernilai negatif (Ri<0). Saham
yang memiliki tingkat return tertinggi Selama tahun 2017 sampai dengan tahun
2021 yaitu saham Bakrie Sumatera Plantations Tbk. (UNSP) dengan tingkat
pengembalian saham rata-rata sebesar 0,0715 atau 7,15 persen dan tingkat
pengembalian saham terendah yaitu saham PT. Eagle High Plantations Tbk.
(BWPT) dengan tingkat pengembalian saham rata-rata sebesar -0,0135 atau -
1,35 persen.
Dapat dinilai nilai Ri secara keseluruhan pertahun berfluktuasi. Saham
GZCO melihatkan perkembangan yang positif secara konsisten dari tahun 2017-
2021. Dimana Pada tahun 2017 nilai Ri GZCO sebesar -0,05014 dan menjadi
79
0,02973 pada tahun 2021. Dengan melandainya pandemi covid-19 sehingga
Indeks Harga Sahan Gabungan pada tahun 2021 mengalami peningkatan namun
belum terlihat efektif pada peningkatan return saham perusahaan pertanian
diantaranya AALI, BWPT, DSNG, LSIP, SIMP, SSMS, TBLA dan UNSP.
Namun untuk saham GZCO dan SGRO telah melihatkan perubahan yang positif
sejalan dengan Indeks Harga Sahan Gabungan.
4.1.4 Risiko Sistematis (Beta) CAPM
Risiko sistematis dari suatu saham dapat diukur dengan menggunakan
beta. Beta mengukur sampai sejauh mana harga saham naik dan turun bersamaan
dengan naik dan turunnya harga pasar. Dalam CAPM, beta suatu saham
mengukur kepekaan suatu saham terhadap pasar. Nilai beta saham diperoleh dari
hasil kovarian antara return sekuritas i dengan return pasar yang dibagi dengan
varian return pasar. Nilai beta saham positif menunjukkan apabila terjadi
kenaikan return pasar maka akan mengakibatkan kenaikan return saham.
Sebaliknya, nilai beta saham negatif menunjukkan apabila terjadi kenaikan
return pasar maka akan mengakibatkan penurunan return saham.
Perhitungan (β) Beta Saham Perusahaan Astra Agro Lestari (AALI)
tahun 2017 sebagai berikut.
(β) AALI 2017 = kovarian (Ri 2017, Rm 2017)/varian (Rm 2017)
(β) AALI 2017 = -0,39711
Risiko sistematis atau beta saham sektor pertanian 2017-2021 dapat dilihat
pada Tabel 4.4.
Tabel 4. 4 Risiko Sistematis atau Beta Saham (CAPM) Periode 2017-2021

80
No Saham Tahun Beta Rata-Rata

2017 -0,39711
2018 1,01686 1,26162
1 AALI 2019 1,54969
2020 2,12182
2021 2,01685
2017 -2,12447
2018 1,49941 1,94510
2 BWPT 2019 5,93096
2020 2,25730
2021 2,16228
2017 -0,49981
2018 -1,06401 0,16199
3 DSNG 2019 0,28004
2020 1,08220
2021 1,01152
2017 -0,96115
2018 0,82833 -0,01696
4 GZCO 2019 0,61026
2020 0,00000
2021 -0,56224
2017 0,45550
2018 0,94070 0,98190
5 LSIP 2019 0,95629
2020 1,53134
2021 1,50830
2017 -0,79041
2018 -0,04058 0,08429
6 SGRO 2019 0,73555
2020 -0,11267
2021 0,62958
2017 0,90396
2018 0,35948 1,39629
7 SIMP 2019 2,64270
2020 1,94122
2021 1,13409
2017 0,76230
2018 0,12575 0,69629
8 SSMS 2019 -0,53469
2020 0,32107
2021 2,80701
9 TBLA 2017 -1,62696 0,93028
81
No Saham Tahun Beta Rata-Rata

2018 1,24256
2019 1,95965
2020 1,76713
2021 1,30900
2017 20,71857
2018 0,49670 5,13438
10 UNSP 2019 2,24855
2020 1,48061
2021 0,72745
Rata-Rata 1,25752
Sumber: Data Primer diolah dari Covarian Return Individual terhadap
return market (Lampiran 4)
Dari Tabel 4.4 dapat dilihat bahwa hampir seluruh beta saham Sektor
Pertanian bernilai positif, hal ini menunjukkan bahwa kenaikan return pasar
akan mengakibatkan kenaikan return saham pada saham Sektor Pertanian. Rata-
rata beta saham Sektor Pertanian tahun 2017 - 2021 adalah sebesar 1.2157 (beta
> 1), hal ini berarti bahwa rata-rata return saham Sektor Pertanian memiliki
tingkat kepekaan yang tinggi terhadap return pasar. Saham dengan risiko
sistematis atau beta tertinggi adalah saham Bakrie Sumatera Plantations Tbk.
(UNSP) dengan beta sebesar 5.13438 (beta > 1), hal ini menunjukkan bahwa
return saham UNSP paling sensitif terhadap return market dibandingkan dengan
return saham lainnya yang dijadikan sampel pada penelitian ini. Sedangkan
saham dengan beta terendah adalah saham PT. Gozco Plantations Tbk. (GZCO)
dengan beta sebesar -0,01696 (beta < 1), hal ini berarti bahwa return saham
GZCO kurang sensitif terhadap return market dan return saham GZCO
cenderung bertolak belakang dengan pergerakan return market.
Tabel 4. 5 Rata-Rata Risiko Sistematis Setiap Tahun

82
No Tahun Rata-Rata
1 2017 1,644042
2 2018 0,540520
3 2019 1,637900
4 2020 1,239002
5 2021 1,274384
Sumber: Data Primer diolah dari Covarian Return Individual terhadap return
market (Lampiran 5)
Saham yang memiliki beta > 1 merupakan saham dengan tingkat kepekaan
tinggi terhadap perubahan pasar (saham agresif), artinya apabila return market
naik sebesar n persen maka return saham akan naik lebih dari n persen.
Sedangkan saham yang memiliki beta < 1 merupakan saham dengan tingkat
kepekaan rendah terhadap perubahan pasar (saham defensif), artinya apabila
return market naik sebesar n persen maka return saham akan naik kurang dari n
persen.
4.1.5 Penghitungan Expected Return Menggunakan CAPM
Expected return dengan CAPM dapat dihitung dengan memasukkan
beberapa faktor yaitu, return saham individu (Ri ), return pasar ( Rm), return
aset bebas risiko Rf ), dan risiko sistematis saham (β).
E(Ri) CAPM AALI 2017 = Rf + (β (Rm-Rf)
E(Ri) CAPM AALI 2017 = 0,04563 + (-0,397111(0,0693-0,04563)
E(Ri) CAPM AALI 2017= 0,05702

83
Expected return CAPM periode Januari 2017 sampai dengan Desember

2021 untuk setiap tahunnya dapat dilihat pada Tabel 4.6.
Tabel 4. 6 Expected Return CAPM Setiap Tahun Periode 2017-2021
No Saham Tahun Ri Beta Rf Rm E(Ri)

2017 -0,01607 -0,39711 0,04563 0,01693 0,05702
2018 -0,00451 1,01686 0,05083 -0,00169 -0,00257
1 AALI 2019 0,02146 1,54969 0,05625 0,00180 -0,02814
2020 0,00631 2,12182 0,04250 -0,00153 -0,05091
2021 -0,01770 2,01685 0,03521 0,00840 -0,01887
2017 -0,05125 -2,12447 0,04563 0,01693 0,10658
2018 -0,00039 1,49941 0,05083 -0,00169 -0,02792
2 BWPT 2019 0,01581 5,93096 0,05625 0,00180 -0,26672
2020 0,01261 2,25730 0,04250 -0,00153 -0,05688
2021 -0,04848 2,16228 0,03521 0,00840 -0,02277
2017 -0,01675 -0,49981 0,04563 0,01693 0,05997
2018 0,00162 -1,06401 0,05083 -0,00169 0,10672
3 DSNG 2019 0,01225 0,28004 0,05625 0,00180 0,04100
2020 0,03059 1,08220 0,04250 -0,00153 -0,00514
2021 -0,01336 1,01152 0,03521 0,00840 0,00809
2017 -0,05014 -0,96115 0,04563 0,01693 0,07320
2018 -0,01522 0,82833 0,05083 -0,00169 0,00733
4 GZCO 2019 0,00050 0,61026 0,05625 0,00180 0,02302
2020 0,00000 0,00000 0,04250 -0,00153 0,04250
2021 0,02973 -0,56224 0,03521 0,00840 0,05028
2017 -0,00623 0,45550 0,04563 0,01693 0,03256
2018 -0,00226 0,94070 0,05083 -0,00169 0,00143
5 LSIP 2019 0,01950 0,95629 0,05625 0,00180 0,00418
2020 0,00512 1,53134 0,04250 -0,00153 -0,02492
2021 -0,00873 1,50830 0,03521 0,00840 -0,00523
2017 0,02427 -0,79041 0,04563 0,01693 0,06830
2018 -0,00648 -0,04058 0,05083 -0,00169 0,05296
6 SGRO 2019 0,00140 0,73555 0,05625 0,00180 0,01620
2020 -0,02755 -0,11267 0,04250 -0,00153 0,04746
2021 0,02038 0,62958 0,03521 0,00840 0,01833
2017 -0,00524 0,90396 0,04563 0,01693 0,01969
2018 0,00169 0,35948 0,05083 -0,00169 0,03195
7 SIMP 2019 -0,00024 2,64270 0,05625 0,00180 -0,08766
2020 0,01191 1,94122 0,04250 -0,00153 -0,04296
2021 0,01182 1,13409 0,03521 0,00840 0,00480
2017 -0,00531 0,76230 0,04563 0,01693 0,02375
8 SSMS
2018 -0,01415 0,12575 0,05083 -0,00169 0,04423
84
No Saham Tahun Ri Beta Rf Rm E(Ri)

2019 -0,03053 -0,53469 0,05625 0,00180 0,08537
2020 0,05376 0,32107 0,04250 -0,00153 0,02836
2021 -0,01385 2,80701 0,03521 0,00840 -0,04006
2017 0,00948 -1,62696 0,04563 0,01693 0,09230
2018 -0,02126 1,24256 0,05083 -0,00169 -0,01443
9 TBLA 2019 0,01545 1,95965 0,05625 0,00180 -0,05046
2020 0,00782 1,76713 0,04250 -0,00153 -0,03530
2021 -0,01250 1,30900 0,03521 0,00840 0,00011
2017 0,38551 20,71857 0,04563 0,01693 -0,54882
2018 -0,01886 0,49670 0,05083 -0,00169 0,02475
10 UNSP 2019 -0,00004 2,24855 0,05625 0,00180 -0,06619
2020 0,02602 1,48061 0,04250 -0,00153 -0,02268
2021 -0,00289 0,72745 0,03521 0,00840 0,01570
Sumber : Data diolah menggunakan excel (Lampiran 6)
Return yang diharapkan pertahunnya dari tahun 2017 hingga tahun 2021
pada Tabel 4.6 melihatkan nilai berfluktuasi. Pada perusahaan GZCO dan SGRO
melihatkan nilai Expected Return yang naik turun namun tetap dalam keadaan
baik atau positif. Dimana nilai ini lebih baik dari delapan perusahaan lainnya
terutama pada perusahaan AALI yang memiliki nilai Expected Return yang
negative atau menurun. Dengan adanya faktor return market dan risk free dapat
terlihat pengaruhnya ketika nilai risiko sistematis >1 maka return yang diharapkan
menjadi negatif.
Nilai Expected Return E(Ri) yang terdapat pada Tabel 4.6 melihatkan
Nilai yang beragam. Apabila suatu Expected Return bernilai 0 maka return yang
sudah ada sesuai dengan return yang diinginkan namun ini sangat jarang terjadi
karena berubah terusnya harga saham di pasar. Expected Return saham yang
bernilai negatif menyatakan kecendrungan jika pergerakan harga saham yang
tidak baik sementara jika bernilai positif menyatakan kecendrungan jika
pergerakan saham yang ada bernilai baik. Tabel 4.6 menunjukkan bahwa besarnya
85
tingkat expected return saham [E(Ri)] sejalan dengan besarnya tingkat risiko
sistematis (beta) saham. Dari sini dapat disimpulkan bahwa semakin rendah risiko
sistematis yang akan ditanggung dari suatu saham maka semakin tinggi pula
return yang diharapkan dari saham tersebut. Selain itu, nilai expected return juga
dapat digunakan untuk melihat mana saham yang undervalued dan mana saham
yang overvalued. Pada CAPM saham undervalued adalah saham dengan tingkat
return individu yang lebih kecil daripada expected returnnya [ E(Ri)], sedangkan
saham overvalued adalah saham dengan tingkat return individu lebih besar
daripada expected returnnya [ < E(Ri)].
Dapat dilihat pada tabel 4.6 untuk keterkaitan sebab-akibat antara risk free
atau suku bunga acuan dengan indeks harga saham gabungan bahwa pada tahun
2018 rata-rata suku bunga acuan naik menyebabkan beralihnya investor untuk
menyimpan dana di bank yang mengakibatkan turunnya tingkat investasi pada
indeks harga saham gabungan secara umum. Namun faktor naik turunnya SBI
kurang sejalan pada tahun 2019 dan 2020, kembali sejalan lagi pada tahun 2021
ketika suku bunga turun menyebabkan investor beralih kembali lagi berinvestasi
pada sektor pasar modal.
Perhitungan Rata-Rata Return dan Expected Return CAPM pada
Tahun 2017 sebagai berikut.
Ri (2017) = Ri(AALI+BWPT+DSNG+GZCO+ LSIP+SGRO+

SIMP+SSMS+TBLA+UNSP)/10
Ri (2017) = 0,026827
ERi (2017) = Ri (AALI+BWPT+DSNG+GZCO+LSIP+SGRO+

ERi (2017) = -0,001550
86
Rata-Rata Return dan Expected Return CAPM setiap tahun selama
2017-2021 terangkum pada tabel 4.7.
Tabel 4. 7 Rata-Rata Return dan Expected Return CAPM Setiap Tahun

2017 2018 2019 2020 2021
No Saham
Ri E(Ri) Ri E(Ri) Ri E(Ri) Ri E(Ri) Ri E(Ri)
1 AALI -0,01607 0,05702 -0,00451 -0,00257 0,02146 -0,02814 0,00631 -0,05091 -0,0177 -0,01887
2 BWPT -0,05125 0,10658 -0,00039 -0,02792 0,01581 -0,26672 0,01261 -0,05688 -0,04848 -0,02277
3 DSNG -0,01675 0,05997 0,00162 0,10672 0,01225 0,041 0,03059 -0,00514 -0,01336 0,00809
4 GZCO -0,05014 0,0732 -0,01522 0,00733 0,0005 0,02302 0 0,0425 0,02973 0,05028
5 LSIP -0,00623 0,03256 -0,00226 0,00143 0,0195 0,00418 0,00512 -0,02492 -0,00873 -0,00523
6 SGRO 0,02427 0,0683 -0,00648 0,05296 0,0014 0,0162 -0,02755 0,04746 0,02038 0,01833
7 SIMP -0,00524 0,01969 0,00169 0,03195 -0,00024 -0,08766 0,01191 -0,04296 0,01182 0,0048
8 SSMS -0,00531 0,02375 -0,01415 0,04423 -0,03053 0,08537 0,05376 0,02836 -0,01385 -0,04006
9 TBLA 0,00948 0,0923 -0,02126 -0,01443 0,01545 -0,05046 0,00782 -0,0353 -0,0125 0,00011
10 UNSP 0,38551 -0,54882 -0,01886 0,02475 -0,00004 -0,06619 0,02602 -0,02268 -0,00289 0,0157
Rata-Rata 0,026827 -0,001545 -0,007982 0,022445 0,005556 -0,03294 0,012659 -0,012047 -0,005558 0,001038
Sumber : Data diolah menggunakan excel (Lampiran 7)

Pada tabel 4.7 dapat dilihat rata rata return saham keseluruhan perusahan
pertahun berfluktiatif, Pada tahun 2018 menunjukan Ri menurun(-) hal ini
menandakan terdapat hubungan yang sejalan dengan Rf (SBI) dimana ditahun
2018 tingkat Rf (SBI) meningkat menyebabkan investor berpindah berinvestasi di
bank menyebabkan Ri Menurun. Pada tahun 2019 rata rata Ri naik sejalan dengan
menguatan IHSG,ditahun selanjutnya 2020 menampilkan hasil Ri yang lebih baik
menandakan nillai yang sejalan tingkat Rf (SBI),dimana ditahun ini dinlai SBI
menurun menyebabkan meningkatnya investasi dalam bentuk saham dan juga
dapat dilihat ditahun ini pandemi covid-19 belum berdampak buruk pada 10
perusahan sektor pertanian ini,namun pada th 2021 turunya tingkat sbi tidak
berdampak baik kepada tingkat RI hal ini kemungkinan disebabkan oleh covid-19
yang membuat penurunan kinerja perusahaan pertanian.

87
Untuk nilai rata-rata E(RI) 10 perusahaan pertanian berfluktuatif, Di
tahun 2018 E(Ri) bernilai baik sejalan dengan Beta (risiko sistematis)dimana nilai
beta ditahun 2018< 1 yang menandakan return saham tidak peka/sejalan terhadap
perubahan pasar,diman ditahun tersebut IHSG menurun,Pada tahun 2019
melihatkan penurunan nilai E(RI) hal ini kemungkinan disebabkan oleh nilai SBI
yang meningkat.ditahun 2020 Nilai E(Ri) mulai membaik tetapi masih negative
hail ini sejalan dengan nilai rata rata beta yang > 1 menandkan tingkat kepekaan
return saham yang tinggi terhdap perubahan pasar,dimana pasar ditahun tersebut
masih dalam keadaan lesu.di tahun 2021 E(RI) bernilai baik sejalan dengan beta
yang > 1 menandakan tingginya kepekaan RI terhadap Rm(IHSG) dimana
Rm(IHSG) meningkat,juga didorong dengan melemahnya SBI membuat investor
kembali beralih kepasar modal.Nilai Ri Dan E(Ri) sejalan ditahun 2021 ,dimana
sama-sama menghasilkan nilai Ri dan E(Ri) Yang membaik namun E(RI) masih
menunjukkan nilai negatif
Virus Covid-19 menyebabkan pada tahun 2020 membuat Bank Indonesia
menurunkan tingkat suku bunga acuan untuk mendorong aktivitas perkonomian
yang dilanda virus Covid -19. Namun ketika seharusnya Indeks Harga Saham
Gabungan meningkat justru masih melihatkan tren pasar modal yang turun
diakibatkan pandemi covid-19 dan diberlakukannya Pembatasan Sosial Berskala
Besar (PSBB). Dengan melandainya kasus Covid-19 ditambah dengan penurunan
tingkat suku bunga acuan pada 2021 sektor pasar modal kembali bergairah dengan
terlihat Indeks Harga Saham Gabungan kembali meningkat. Pada tahun 2021
dengan membaiknya ekonomi sejalan dengan membaiknya IHSG, dan Saham

88
seperti GZCO, SGRO dan SIMP melihatkan tren positif, namun pada saham-
saham sektor pertanian lainnya masih melihatkan tren yang belum baik
menandakan faktor pandemic masih berpangaruh buruk pada perusahaan tersebut.
4.2 Arbitrage Pricing Theory
4.2.1 Variabel Makroekonomi
Variabel makroekonomi yang digunakan untuk model APT dalam
penelitian ini adalah perubahan tingkat inflasi yang tidak diharapkan, perubahan
kurs yang tidak diharapkan, perubahan suku bunga SBI yang tidak diharapkan,
dan perubahan jumlah uang beredar (JUB) yang tidak diharapkan, dimana nilai
tersebut diperoleh dari selisih antara actual value variabel makroekonomi dengan
expected value variabel makroekonomi.
4.2.2 Perubahan Tingkat Inflasi
Perubahan tingkat inflasi yang digunakan untuk model APT adalah
perubahan tingkat inflasi yang tidak diharapkan yang diperoleh dari selisih antara
perubahan tingkat inflasi aktual dengan perubahan tingkat inflasi yang
diharapkan.
Δ inflasi yang tidak diharapkan = Δ inflasi aktual – Δ inflasi yang
diharapkan
89
Adapun perkembangan perubahan tingkat inflasi aktual, perubahan
tingkat inflasi yang diharapkan, dan perubahan tingkat inflasi yang tidak
diharapkan dapat dilihat pada Tabel 4.8.
Tabel 4. 8 Δ Inflasi Aktual, Δ Inflasi yang Diharapkan, dan Δ Inflasi yang

Tidak diharapkan Periode 2017-2021
Δ Inflasi Δ Inflasi yang Δ Inflasi yang Tidak

Tahun Bulan Diharapkan (%) Diharapkan (%)
Aktual (%)
Januari 15,56 -0,36 15,92
Februari 9,74 -0,50 10,25
Maret -5,74 -0,83 -4,91
April 15,51 -0,77 16,28
Mei 3,84 -0,65 4,48
Juni 0,92 -0,68 1,60
2017 Juli -11,21 -0,74 -10,48
Agustus -1,55 -0,73 -0,82
September -2,62 -0,72 -1,90
Oktober -3,76 -0,72 -3,04
November -7,82 -0,74 -7,08
Desember 9,39 -0,74 10,13
Rata-Rata 1,86 -0,68 2,54
2018 Januari -9,97 -0,74 -9,23
Februari -2,15 -0,75 -1,41
Maret 6,92 -0,76 7,68
April 0,59 -0,76 1,35
Mei -5,56 -0,76 -4,79
Juni -3,41 -0,77 -2,63
Juli 1,92 -0,78 2,70
Agustus 0,63 -0,79 1,41
September -10,00 -0,79 -9,21
90

Aktual (%)
Oktober 9,72 -0,80 10,52
November 2,22 -0,80 3,02
Desember -3,10 -0,81 -2,29
Rata-Rata -1,02 -0,78 -0,24
Januari -9,90 -0,81 -9,09
Februari -8,87 -0,82 -8,04
Maret -3,50 -0,83 -2,67
April 14,11 -0,84 14,95
Mei 17,31 -0,85 18,16
Juni -1,20 -0,85 -0,35
2019 Juli 1,22 -0,86 2,08
Agustus 5,12 -0,87 5,99
September -2,87 -0,87 -1,99
Oktober -7,67 -0,88 -6,79
November -4,15 -0,89 -3,26
Desember -9,33 -0,90 -8,44
Rata-Rata -0,81 -0,86 0,05
2020 Januari -1,47 -0,91 -0,56
Februari 11,19 -0,91 12,11
Maret -0,67 -0,92 0,25
April -9,80 -0,93 -8,87
Mei -17,98 -0,94 -17,04
Juni -10,50 -0,95 -9,55
Juli -21,43 -0,95 -20,47
Agustus -14,29 -0,97 -13,32
September 7,58 -0,98 8,55
Oktober 1,41 -0,99 2,40
November 10,42 -1,00 11,41
Desember 5,66 -1,01 6,67
91

Aktual (%)
Rata-Rata -3,32 -0,95 -2,37
Januari -7,74 -1,02 -6,72
Februari -10,97 -1,03 -9,94
Maret -0,72 -1,04 0,31
April 3,65 -1,04 4,69
Mei 18,31 -1,06 19,37
Juni -20,83 -1,07 -19,76
2021 Juli 14,29 -1,08 15,37
Agustus 4,61 -1,09 5,70
September 0,63 -1,11 1,74
Oktober 3,75 -1,12 4,87
November 5,42 -1,13 6,55
Desember 6,86 -1,15 8,00
Rata-Rata 1,44 -1,08 2,52
Rata-Rata -0,37 -0,87 0,50
Sumber: Data diolah dari Data Primer Bank Indonesia tahun 2022
(lampiran 8)
Tabel 4.8 menunjukkan bahwa rata-rata perubahan tingkat inflasi aktual
tahun 2017-2021 sebesar -0,37 persen, dimana perubahan tingkat inflasi
aktual terendah terjadi pada bulan Juli 2020 yaitu sebesar -21,43 persen dan
perubahan tingkat inflasi aktual tertinggi terjadi pada bulan Mei 2021 yaitu
sebesar 18,31 persen. Rata-rata perubahan tingkat inflasi yang diharapkan
tahun 2017-2021 adalah sebesar-0,87 persen dan cenderung stabil sedangkan
rata-rata perubahan tingkat inflasi yang tidak diharapkan tahun 2017-2021
adalah sebesar 0,50 persen dimana perubahan tingkat inflasi yang tidak
diharapkan terendah terjadi pada bulan Juli 2020 yaitu sebesar -20,47 persen
92
dan perubahan tingkat inflasi yang tidak diharapkan tertinggi terjadi pada
bulan Mei 2021 yaitu sebesar 19,37 persen. Sehingga dapat disimpulkan
bahwa perubahan tingkat inflasi aktual terendah dan tertinggi dengan
perubahan tingkat inflasi yang tidak diharapkan terendah dan tertinggi terjadi
pada waktu yang bersamaan.
Dapat dilihat rata rata perubahan inlasi actual dan inflasi yang tidak
diharapkan pertahunya berfluktuasi. Perubahan tingkat inflasi aktual tahun
2017 senilai (1,86) pada tahun 2018 turun menjadi (-1,02) sedangkan pada
tahun 2019 naik senilai (-0,81) dan kembali turun pada tahun 2020 (-3,32)
dan pada tahun 2022 naik menjadi (1,44). Pada inflasi yang tidak diharapkan
pada tahun 2017 (2,54) di tahun 2018 turun menjadi (0,24) dan kembali turun
ditahun 2019 menjadi (0,05) turun lagi menjadi (-2,37) pada tahun 2020 dan
kembali naik 2021 (2,52). Sementara untuk nilai yang diharapkan
menunjukan nilai konsisten menurun dari tahun 2017 bernilai (-0,68) menjadi
(-1,08) pada tahun 2021.
4.2.3 Perubahan Kurs
Perubahan Kurs yang digunakan untuk model APT adalah perubahan
Kurs yang tidak diharapkan yang diperoleh dari selisih antara perubahan Kurs
aktual dengan perubahan Kurs yang diharapkan.
Δ kurs yang tidak diharapkan = Δ kurs aktual – Δ kurs yang
diharapkan
93
Adapun perkembangan perubahan Kurs aktual, perubahan Kurs yang
diharapkan, dan perubahan Kurs yang tidak diharapkan dapat dilihat pada
Tabel 4.9
Tabel 4. 9 Δ Kurs Aktual, Δ Kurs yang Diharapkan, dan Δ Kurs yang Tidak
diharapkan Periode 2017-2021
Δ Kurs Δ Kurs yang Δ Kurs yang Tidak

Aktual (%)
Januari -0,692 0,095 -0,787
Februari 0,030 0,328 -0,298
Maret -0,195 -0,172 -0,022
April 0,045 0,177 -0,132
Mei -0,045 0,015 -0,060
Juni -0,015 0,363 -0,378
2017 Juli 0,030 0,119 -0,089
Agustus 0,210 0,231 -0,021
September 1,056 -0,011 1,067
Oktober 0,593 0,158 0,435
November -0,427 0,080 -0,507
Desember 0,252 0,248 0,004
Rata-Rata 0,070 0,136 -0,066
2018 Januari -0,996 0,130 -1,126
Februari 2,192 0,184 2,008
Maret 0,357 0,067 0,290
April 0,880 0,149 0,731
Mei 0,533 0,111 0,423
Juni 3,247 0,192 3,055
Juli 0,062 0,135 -0,072
Agustus 2,068 0,161 1,907
September 1,482 0,104 1,378
94

Aktual (%)
Oktober 1,996 0,143 1,853
November -5,832 0,125 -5,957
Desember 0,990 0,164 0,826
Rata-Rata 0,582 0,139 0,443
Januari -2,824 0,136 -2,961
Februari -0,071 0,149 -0,220
Maret 1,294 0,121 1,173
April -0,204 0,140 -0,344
Mei 1,196 0,131 1,065
Juni -1,696 0,150 -1,846
2019 Juli -0,813 0,136 -0,950
Agustus 1,504 0,142 1,362
September -0,443 0,129 -0,572
Oktober -1,171 0,138 -1,309
November 0,671 0,134 0,537
Desember -1,425 0,143 -1,568
Rata-Rata -0,332 0,137 -0,469
2020 Januari -1,719 0,136 -1,855
Februari 4,187 0,139 4,048
Maret 14,985 0,132 14,853
April -7,393 0,136 -7,529
Mei -2,797 0,134 -2,932
Juni -2,925 0,139 -3,064
Juli 2,454 0,135 2,319
Agustus -0,676 0,136 -0,812
September 2,501 0,133 2,368
Oktober -1,528 0,135 -1,664
November -3,826 0,134 -3,960
Desember -0,163 0,136 -0,299
95

Aktual (%)
Rata-Rata 0,258 0,136 0,123
Januari -0,149 0,134 -0,283
Februari 1,030 0,135 0,895
Maret 2,411 0,133 2,277
April -0,817 0,134 -0,951
Mei -1,114 0,133 -1,247
Juni 1,749 0,134 1,615
2021 Juli -0,550 0,133 -0,683
Agustus -1,079 0,133 -1,212
September 0,105 0,133 -0,028
Oktober -1,047 0,133 -1,180
November 1,051 0,132 0,919
Desember -0,293 0,133 -0,426
Rata-Rata 0,108 0,133 -0,025
Rata-Rata 0,137 0,136 0,001
(lampiran 9)
Tabel 4.9 menunjukkan bahwa rata-rata perubahan kurs aktual tahun
2017-2021 sebesar 0,137 persen, dimana perubahan kurs aktual terendah
terjadi pada bulan April 2020 yaitu sebesar -7,39 persen dan perubahan kurs
aktual tertinggi terjadi pada bulan Maret 2020 yaitu sebesar 14,985 persen.
Rata-rata perubahan kurs yang diharapkan tahun 2017-2021 adalah sebesar
0,136 persen dan cenderung stabil sedangkan rata-rata perubahan kurs yang
tidak diharapkan tahun 2017-2021 adalah sebesar 0,001 persen dimana
perubahan kurs yang tidak diharapkan terendah terjadi pada bulan April 2020
yaitu sebesar – 7,539 persen dan perubahan kurs yang tidak diharapkan
96
tertinggi terjadi pada bulan Maret 2020 yaitu sebesar 14,853 persen. Sehingga
dapat disimpulkan bahwa perubahan kurs aktual terendah dan tertinggi
dengan perubahan kurs yang tidak diharapkan terendah dan tertinggi terjadi
pada waktu yang bersamaan.
Dapat dilihat rata rata perubahan kurs actual,kurs yang diharapkan dan
kurs yang tidak diharapkan pertahunya berfluktuasi. Perubahan tingkat kurs
actual pada tahun 2017 (0,070) pada tahun 2018 naik menjadi (0,582)
kembali turun pada tahun 2019 menjadi (-0,332) naik pada tahun 2020
menjadi (0,258) dan pada tahun 2021 turun menjadi (0,108). Namun untuk
nilai kurs yang diharapkan pada tahun 2017 senilai (0,139) sampai tahun
2021 senilai (0,133) konsisten mengalami penurunan.
4.2.4 Perubahan Tingkat SBI
Perubahan tingkat SBI yang digunakan untuk model APT adalah
perubahan tingkat SBI yang tidak diharapkan yang diperoleh dari selisih
antara perubahan tingkat SBI aktual dengan perubahan tingkat SBI yang
diharapkan.
Δ SBI yang tidak diharapkan = Δ SBI aktual – Δ SBI yang
diharapkan
Adapun perkembangan perubahan tingkat SBI aktual, perubahan tingkat
SBI yang diharapkan, dan perubahan tingkat SBI yang tidak diharapkan dapat
dilihat pada Tabel 4.10
Tabel 4. 10 Δ SBI Aktual, Δ SBI yang Diharapkan, dan Δ SBI yang Tidak
97
Δ SBI Aktual Δ SBI yang Δ SBI yang Tidak

(%)
Januari 0,40 0,38 0,02
Februari 0,40 0,38 0,02
Maret 0,40 0,37 0,02
April 0,40 0,37 0,03
Mei 0,40 0,37 0,03
Juni 0,40 0,36 0,03
2017 Juli 0,40 0,36 0,04
Agustus 0,38 0,36 0,02
September 0,35 0,35 0,00
Oktober 0,35 0,35 0,00
November 0,35 0,35 0,00
Desember 0,35 0,35 0,01
Rata-Rata 0,38 0,36 0,02
Januari 0,35 0,34 0,01
Februari 0,35 0,34 0,01
Maret 0,35 0,34 0,01
April 0,35 0,34 0,02
Mei 0,38 0,34 0,04
Juni 0,44 0,33 0,10
2018
Juli 0,44 0,33 0,11
Agustus 0,46 0,33 0,13
September 0,48 0,33 0,15
Oktober 0,48 0,32 0,16
November 0,50 0,32 0,18
Desember 0,50 0,32 0,18
Rata-Rata 0,42 0,33 0,09
2019 Januari 0,50 0,32 0,18
Februari 0,50 0,31 0,19
98

(%)
Maret 0,50 0,31 0,19
April 0,50 0,31 0,19
Mei 0,50 0,31 0,19
Juni 0,50 0,30 0,20
Juli 0,48 0,30 0,18
Agustus 0,46 0,30 0,16
September 0,44 0,30 0,14
Oktober 0,42 0,29 0,12
November 0,42 0,29 0,12
Desember 0,42 0,29 0,13
Rata-Rata 0,47 0,30 0,17
Januari 0,42 0,29 0,13
Februari 0,40 0,28 0,11
Maret 0,38 0,28 0,09
April 0,38 0,28 0,10
Mei 0,38 0,28 0,10
Juni 0,35 0,28 0,08
2020 Juli 0,33 0,27 0,06
Agustus 0,33 0,27 0,06
September 0,33 0,27 0,07
Oktober 0,33 0,27 0,07
November 0,31 0,26 0,05
Desember 0,31 0,26 0,05
Rata-Rata 0,35 0,27 0,08
2021 Januari 0,31 0,26 0,05
Februari 0,29 0,26 0,04
Maret 0,29 0,25 0,04
April 0,29 0,25 0,04
Mei 0,29 0,25 0,04
99

(%)
Juni 0,29 0,25 0,05
Juli 0,29 0,24 0,05
Agustus 0,29 0,24 0,05
September 0,29 0,24 0,05
Oktober 0,29 0,24 0,06
November 0,29 0,23 0,06
Desember 0,29 0,23 0,06
Rata-Rata 0,29 0,25 0,05
Rata-Rata 0,38 0,30 0,08
(lampiran 10)
Tabel 4.10 menunjukkan bahwa rata-rata perubahan tingkat SBI aktual
tahun 2017-2021 sebesar 0,38 persen, dimana perubahan tingkat SBI aktual
terendah terjadi pada bulan Februari-Desember 2021 yaitu sebesar 0,29
persen dan perubahan tingkat SBI aktual tertinggi terjadi pada bulan
November 2018 sampai dengan Juni 2019 yaitu sebesar 0,50 persen. Rata-
rata perubahan tingkat SBI yang diharapkan tahun 2017-2021 adalah sebesar
0,30 persen sedangkan rata-rata perubahan tingkat SBI yang tidak diharapkan
tahun 2017-2021 adalah sebesar 0,08 persen dimana perubahan tingkat SBI
yang tidak diharapkan terendah terjadi pada bulan September-November
2017 yaitu sebesar kecil dari 0,01 persen dan perubahan tingkat SBI yang
tidak diharapkan tertinggi terjadi pada bulan Juni 2019 yaitu sebesar 0,20
persen.
Dapat dilihat rata-rata SBI pada tahun 2017 senilai (0,38) sampai tahun
2019 naik menjadi (0,42) namun pada tahun 2020 dan 2021 mengalami
100
penurunan menjadi (0,35) dan (0,29). Namun untuk nilai SBI yang
diharapkan dari tahun 2017 dengan nilai (0,36) hingga tahun 2021 menjadi
(0,25) konsisten mengalami penurunan.
4.2.5 Perubahan JUB
Perubahan JUB yang digunakan untuk model APT adalah perubahan
JUB yang tidak diharapkan yang diperoleh dari selisih antara perubahan JUB
aktual dengan perubahan JUB yang diharapkan.
Δ JUB yang tidak diharapkan = Δ JUB aktual – Δ JUB yang
diharapkan
Adapun perkembangan perubahan JUB aktual, perubahan JUB yang
diharapkan, dan perubahan JUB yang tidak diharapkan dapat dilihat pada
Tabel 4.11.
Tabel 4. 11 Δ JUB Aktual, Δ JUB yang Diharapkan, dan Δ JUB yang Tidak
Δ JUB Δ JUB yang Δ JUB yang Tidak

Aktual (%)
2017 Januari -3,7282 1,4913 -5,2196
Februari 0,3808 1,4142 -1,0334
Maret 1,6571 1,2829 0,3742
April 2,4732 1,3668 1,1064
Mei 2,4050 1,3527 1,0524
Juni 5,1696 1,3377 3,8319
Juli -3,6231 1,3264 -4,9495
Agustus -1,4252 1,3034 -2,7286
September 2,3196 1,2864 1,0333
101

Aktual (%)
Oktober 1,6398 1,2698 0,3699

November 0,9339 1,2536 -0,3197
Desember 3,9356 1,2384 2,6972
Rata-Rata 1,0115 1,3270 -0,3155
Januari -4,6063 1,2232 -5,8295
Februari 1,8478 1,2085 0,6394
Maret 0,7310 1,1941 -0,4631
April 0,8405 1,1799 -0,3394
Mei 2,3351 1,1662 1,1689
Juni 3,3979 1,1527 2,2451
2018
Juli -4,7407 1,1396 -5,8803
Agustus 0,0551 1,1268 -1,0717
September 1,9800 1,1142 0,8657
Oktober -0,0776 1,1019 -1,1795
November -0,3767 1,0899 -1,4666
Desember 3,6922 1,0782 2,6141
Rata-Rata 0,4232 1,1479 -0,7247
2019 Januari -5,5598 1,0667 -6,6264
Februari 0,7408 1,0554 -0,3147
Maret 3,0496 1,0444 2,0052
April 1,7970 1,0336 0,7634
Mei 3,6968 1,0230 2,6737
Juni 0,3634 1,0127 -0,6493
Juli -1,6992 1,0025 -2,7017
Agustus -0,8239 0,9926 -1,8164
September 2,2550 0,9828 1,2722
Oktober -0,3090 0,9732 -1,2822
November 3,2562 0,9639 2,2923
102

Aktual (%)
Desember 0,7923 0,9547 -0,1624
Rata-Rata 0,6299 1,0088 -0,3789
Januari -5,1704 0,9456 -6,1160
Februari 1,4140 0,9368 0,4773
Maret 9,5143 0,9281 8,5862
April -4,3842 0,9195 -5,3037
Mei 4,8898 0,9112 3,9786
Juni -0,9558 0,9029 -1,8587
2020 Juli 2,7810 0,8949 1,8862
Agustus 4,8679 0,8869 3,9810
September 0,8770 0,8791 -0,0021
Oktober 0,0858 0,8715 -0,7856
November 0,9419 0,8639 0,0780
Desember 3,1509 0,8565 2,2944
Rata-Rata 1,5010 0,8997 0,6013
Januari -5,0330 0,8493 -5,8823
Februari 1,2749 0,8421 0,4328
Maret 2,3884 0,8351 1,5534
April 1,2893 0,8282 0,4611
Mei 0,5843 0,8214 -0,2370
Juni 2,8823 0,8147 2,0677
2021 Juli 0,9325 0,8081 0,1245
Agustus 0,2637 0,8016 -0,5379
September 1,5500 0,7952 0,7548
Oktober 5,2317 0,7890 4,4428
November 2,0896 0,7828 1,3069
Desember 7,9206 0,7767 7,1439
Rata-Rata 1,7812 0,8120 0,9692
Rata-Rata 1,0694 1,0391 0.0303
103
Sumber: Data diolah dari Data Primer Kementrian Perdagangan tahun

2022 (lampiran 11)
Tabel 4.11 menunjukkan bahwa rata-rata perubahan JUB aktual tahun
2017-2021 sebesar 1,0694 persen, dimana perubahan JUB aktual terendah
terjadi pada bulan Januari 2019 yaitu sebesar -5,5598 persen dan perubahan
JUB aktual tertinggi terjadi pada bulan Maret 2020 yaitu sebesar 9,5143
persen. Rata-rata perubahan JUB yang diharapkan tahun 2017-2021 adalah
sebesar 1,0391 persen dan cenderung stabil sedangkan rata-rata perubahan
JUB yang tidak diharapkan tahun 2017-2021 adalah sebesar 0,0303 persen
dimana perubahan JUB yang tidak diharapkan terendah terjadi pada bulan
Januari 2019 yaitu sebesar -6,6264 persen dan perubahan JUB yang tidak
diharapkan tertinggi terjadi pada bulan Maret 2020 yaitu sebesar 8,5862
persen. Sehingga dapat disimpulkan bahwa perubahan JUB aktual terendah
dan tertinggi dengan perubahan JUB yang tidak diharapkan terendah dan
tertinggi terjadi pada waktu yang bersamaan.
Dapat dilihat rata rata perubahan JUB aktual dan JUB yang tidak
diharapkan pertahunya berfluktuasi. Rata-rata perubahan JUB aktual pada
tahun 2017 senilai (1,0115) turun menjadi (0,4232) pada tahun 2018. Pada
Tahun 2019 hingga tahun 2021 mengalami kenaikan dari (0,6299) menjadi
(1,7812). Namun untuk nilai JUB yang diharapkan tahun 2017 hingga tahun
2021 konsisten mengalami penurunan dari (1,3270) menjadi (0,8120).
4.2.6 Risiko Sistematis (Beta) APT

104
Risiko sistematis yang dimiliki model APT berbeda dengan risiko
sistematis pada CAPM, pada model APT risiko sistematis diperoleh dari
sensitivitas return sekuritas terhadap perubahan return suatu faktor.
Perhitungan (βInf) Beta Inflasi Saham Perusahaan Astra Agro Lestari
(AALI) tahun 2017 sebagai berikut.
(βInf) AALI 2017 = kovarian (Ri 2017, Inf 2017)/varian (Inf 2017)
(βInf) AALI 2017 = -0,00141
Perhitungan (F Inf) Beta Inflasi Saham Perusahaan Astra Agro Lestari
(AALI) tahun 2017 sebagai berikut.
(FInf) AALI 2017 = Rata-Rata Perubahan Inflasi selama 2017
(FInf) AALI 2017 = 2,54
(β*F Inf) AALI 2017 = (βInf) AALI 2017 * (FInf) AALI 2017
= (-0,00141)*(2,54)
= -0,00358
Adapun risiko sistematis (Beta) setiap faktor APT terdapat pada Tabel
4.12.
Tabel 4. 12 Risiko Sistematis (β) Faktor APT
No Saham Tahun β*F Inflasi β*F Kurs β*F SBI β*F JUB
2017 -0,00358 -0,00116 0,00627 -0,00004
2018 0,00002 0,00558 0,00363 -0,00080
1 AALI 2019 -0,00018 0,01621 -0,24566 0,00625
2020 0,01784 -0,00329 -0,19918 -0,00818
2021 0,00680 0,00096 -0,19930 0,00342
2017 -0,00469 -0,01153 -0,01600 0,00540
2 BWPT 2018 0,00095 -0,00109 -0,05761 0,02190
2019 -0,00033 0,04383 -0,21863 0,00892
105
2020 0,01268 -0,00192 -0,30361 -0,00191
2021 0,00548 0,00039 -0,43966 0,01097
2017 -0,00180 -0,00079 0,00123 0,00110
2018 -0,00110 0,01532 0,01254 -0,01320
3 DSNG 2019 -0,00017 0,00328 -0,25736 -0,00171
2020 -0,00054 -0,00139 -0,18587 -0,00268
2021 -0,00033 0,00012 -0,20243 0,00517
2017 -0,00711 -0,00340 -0,00775 0,00572
2018 0,00024 -0,00077 -0,04464 0,01193
4 GZCO 2019 -0,00005 0,00756 0,00211 0,00397
2020 0,00000 0,00000 0,00000 0,00000
2021 0,00271 -0,00042 -0,07838 0,00365
2017 -0,00249 -0,00447 -0,00864 0,00127
2018 -0,00104 0,00909 0,03925 0,00046
5 LSIP 2019 0,00006 0,01097 -0,15773 0,00628
2020 0,00477 -0,00087 -0,28211 0,00312
2021 0,00562 0,00082 -0,05367 0,00230
2017 -0,00180 -0,00535 -0,01956 0,00055
2018 0,00002 0,00142 0,01699 -0,00094
6 SGRO 2019 -0,00015 0,00250 -0,05938 0,00001
2020 -0,00791 0,00031 0,00800 0,00200
2021 0,00095 0,00045 0,16662 -0,00609
2017 -0,00348 -0,00058 0,00817 -0,00046
2018 -0,00010 -0,00637 -0,04034 0,00917
7 SIMP 2019 -0,00037 0,02558 -0,25507 0,00749
2020 0,01349 -0,00197 -0,26257 -0,00511
2021 0,00227 0,00002 -0,24453 0,00676
2017 0,00506 0,00002 -0,00512 -0,00287
2018 0,00021 0,00347 0,02792 -0,00139
8 SSMS 2019 0,00005 -0,00187 -0,01803 -0,00328
2020 -0,00899 0,00119 -0,17343 0,01157
2021 0,00279 0,00026 -0,61718 0,01312
2017 0,00084 0,00318 0,02932 0,00141
2018 -0,00023 -0,00004 -0,00832 0,00736
9 TBLA 2019 -0,00004 0,00990 -0,08384 0,00507
2020 0,01739 -0,00166 -0,25342 -0,00227
2021 0,00063 0,00034 -0,09390 0,00283
2017 -0,14432 0,06497 0,26103 -0,01002
2018 0,00096 0,00459 -0,20268 0,02587
10 UNSP
2019 -0,00023 0,01829 -0,05479 0,01211
2020 -0,00467 -0,00210 -0,28939 -0,00715
106
2021 -0,00360 -0,00040 -0,08486 0,00071
Sumber: Data diolah dari Covarian Return Individual terhadap variabel
makroekonomi (lampiran 12)
Tabel 4.12 menunjukkan bahwa rata-rata beta faktor APT bernilai
negatif. jika nilai Beta faktor APT yang bernilai negatif mengindikasikan
bahwa perubahan return saham Sektor Pertanian tidak searah atau berbanding
terbalik dengan perubahan faktor APT seperti perubahan inflasi, perubahan
kurs, dan perubahan Jumlah Uang Beredar (JUB).
Tabel 4. 13 Rata-Rata Risiko Sistematis (β) Faktor APT

No Tahun β*F Inflasi β*F Kurs β*F SBI β*F JUB
1 2017 -0,016337 0,004089 0,024895 0,000206
2 2018 -0,000007 0,003120 -0,025326 0,006036
3 2019 -0,000141 0,013625 -0,134838 0,004511
4 2020 0,004406 -0,001170 -0,194158 -0,001061
5 2021 0,002332 0,000254 -0,184729 0,004284
Sumber: Data diolah dari Covarian Return Individual dan Perubahan
variabel makroekonomi (lampiran 13)
Dimana jika faktor APT seperti inflasi, kurs, dan JUB mengalami
kenaikan maka return saham Sektor Pertanian akan mengalami penurunan.
Sedangkan beta faktor APT yang bernilai positif mengindikasikan bahwa
perubahan return saham Sektor Pertanian searah dengan perubahan faktor
tersebut.
4.2.7 Penghitungan Expected Return Menggunakan APT
Expected return saham dengan model APT dapat dihitung dengan
memasukkan beberapa faktor yaitu, return saham individu (Ri), return aset
bebas risiko (Rf), risiko sistematis saham (β), dan variabel makroekonomi
107
seperti perubahan tingkat inflasi, perubahan kurs, perubahan tingkat suku
bunga SBI, dan perubahan Jumlah Uang Beredar (JUB).
Tabel 4. 14 Expected Return Model APT Setiap Tahun Periode 2017-2021
No Saham Tahun Ri β*F Inflasi β*F Kurs β*F SBI β*F JUB E(Ri)
2017 -0,01607 -0,00358 -0,00116 0,00627 -0,00004 -0,01458
2018 -0,00451 0,00002 0,00558 0,00363 -0,00080 0,00392
1 AALI 2019 0,02146 -0,00018 0,01621 -0,24566 0,00625 -0,20191
2020 0,00631 0,01784 -0,00329 -0,19918 -0,00818 -0,18650
2021 -0,01770 0,00680 0,00096 -0,19930 0,00342 -0,20581
2017 -0,05125 -0,00469 -0,01153 -0,01600 0,00540 -0,07807
2018 -0,00039 0,00095 -0,00109 -0,05761 0,02190 -0,03624
2 BWPT 2019 0,01581 -0,00033 0,04383 -0,21863 0,00892 -0,15040
2020 0,01261 0,01268 -0,00192 -0,30361 -0,00191 -0,28214
2021 -0,04848 0,00548 0,00039 -0,43966 0,01097 -0,47129
2017 -0,01675 -0,00180 -0,00079 0,00123 0,00110 -0,01702
2018 0,00162 -0,00110 0,01532 0,01254 -0,01320 0,01517
3 DSNG 2019 0,01225 -0,00017 0,00328 -0,25736 -0,00171 -0,24371
2020 0,03059 -0,00054 -0,00139 -0,18587 -0,00268 -0,15989
2021 -0,01336 -0,00033 0,00012 -0,20243 0,00517 -0,21084
2017 -0,05014 -0,00711 -0,00340 -0,00775 0,00572 -0,06268
2018 -0,01522 0,00024 -0,00077 -0,04464 0,01193 -0,04846
4 GZCO 2019 0,00050 -0,00005 0,00756 0,00211 0,00397 0,01408
2020 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000
2021 0,02973 0,00271 -0,00042 -0,07838 0,00365 -0,04270
2017 -0,00623 -0,00249 -0,00447 -0,00864 0,00127 -0,02056
2018 -0,00226 -0,00104 0,00909 0,03925 0,00046 0,04550
5 LSIP 2019 0,01950 0,00006 0,01097 -0,15773 0,00628 -0,12092
2020 0,00512 0,00477 -0,00087 -0,28211 0,00312 -0,26996
2021 -0,00873 0,00562 0,00082 -0,05367 0,00230 -0,05365
2017 0,02427 -0,00180 -0,00535 -0,01956 0,00055 -0,00189
2018 -0,00648 0,00002 0,00142 0,01699 -0,00094 0,01099
6 SGRO 2019 0,00140 -0,00015 0,00250 -0,05938 0,00001 -0,05562
2020 -0,02755 -0,00791 0,00031 0,00800 0,00200 -0,02514
2021 0,02038 0,00095 0,00045 0,16662 -0,00609 0,18231
2017 -0,00524 -0,00348 -0,00058 0,00817 -0,00046 -0,00159
2018 0,00169 -0,00010 -0,00637 -0,04034 0,00917 -0,03595
7 SIMP 2019 -0,00024 -0,00037 0,02558 -0,25507 0,00749 -0,22261
2020 0,01191 0,01349 -0,00197 -0,26257 -0,00511 -0,24425
2021 0,01182 0,00227 0,00002 -0,24453 0,00676 -0,22366
8 SSMS 2017 -0,00531 0,00506 0,00002 -0,00512 -0,00287 -0,00822
108
No Saham Tahun Ri β*F Inflasi β*F Kurs β*F SBI β*F JUB E(Ri)
2018 -0,01415 0,00021 0,00347 0,02792 -0,00139 0,01606
2019 -0,03053 0,00005 -0,00187 -0,01803 -0,00328 -0,05367
2020 0,05376 -0,00899 0,00119 -0,17343 0,01157 -0,11591
2021 -0,01385 0,00279 0,00026 -0,61718 0,01312 -0,61486
2017 0,00948 0,00084 0,00318 0,02932 0,00141 0,04423
2018 -0,02126 -0,00023 -0,00004 -0,00832 0,00736 -0,02249
9 TBLA 2019 0,01545 -0,00004 0,00990 -0,08384 0,00507 -0,05346
2020 0,00782 0,01739 -0,00166 -0,25342 -0,00227 -0,23214
2021 -0,01250 0,00063 0,00034 -0,09390 0,00283 -0,10260
2017 0,38551 -0,14432 0,06497 0,26103 -0,01002 0,55717
2018 -0,01886 0,00096 0,00459 -0,20268 0,02587 -0,19012
10 UNSP 2019 -0,00004 -0,00023 0,01829 -0,05479 0,01211 -0,02464
2020 0,02602 -0,00467 -0,00210 -0,28939 -0,00715 -0,27729
2021 -0,00289 -0,00360 -0,00040 -0,08486 0,00071 -0,09105
Sumber: Data diolah dari sensitifitas dan perubahan variabel
makroekonomi terhadap return individual (lampiran 14)
Dari Tabel 4.14 dapat terlihat bahwa return individual dan return yang
diharapkan oleh saham GZCO dan UNSP lebih stabil dibandingkan dengan
saham-saham lainnya. Pada Tabel 4.14 kita dapat melihat bahwa variabel
makroekonomi saling mempengaruhi dalam mendapatkan nilai return saham
yang yang diharapkan namun tidak ada salah satu variabel yang cendrung
mempengaruhi. Dan varibel lain
Dapat dilihat perhitungan Nilai Expected Return E(Ri) menggunakan
APT diperoleh nilai E(Ri) secara keseluruhan berfluktuasi dan cenedrung
negatif.Tabel 4.14 melihatkan Nilai yang beragam. Nilai Expected Return
E(Ri) yang terdapat menandakan apabila suatu Expected Return bernilai 0
maka return yang sudah ada sesuai dengan return yang diinginkan namun ini
sangat jarang terjadi karena berubah terusnya harga saham di pasar. Expected
Return saham yang bernilai negatif menyatakan kecendrungan jika
pergerakan harga saham yang tidak baik sementara jika bernilai positif
menyatakan kecendrungan jika pergerakan saham yang ada bernilai baik.
Tabel 4.14 menunjukkan bahwa pada model APT nilai variabel
makroekonomi mempengaruhi posiitif apabila risiko sistematis dan
perubahan variabel ekonomi bernilai positif dan apabila risiko sistematis dan
109
perubahan variabel makroekonomi bernilai negative maka return yang

diharapkan akan lebih rendah dibanding dengan return individual.
Perhitungan Rata-Rata Return dan Expected Return APT pada Tahun
2017 sebagai berikut.
Ri (2017) = Ri(AALI+BWPT+DSNG+GZCO+ LSIP+SGRO+

Ri (2017) = 0,026827
ERi (2017) = Ri (AALI+BWPT+DSNG+GZCO+LSIP+SGRO+

ERi (2017) = 0,039679
Rata-Rata Return dan Expected Return APT setiap tahun selama 2017-
2021 terangkum pada table 4.15.
Tabel 4. 15 Rata-Rata Return dan Expected Return APT Setiap Tahun

2017 2018 2019 2020 2021
No Saham
Ri E(Ri) Ri E(Ri) Ri E(Ri) Ri E(Ri) Ri E(Ri)
1 AALI -0,01607 -0,01458 -0,00451 0,00392 0,02146 -0,20191 0,00631 -0,1865 -0,0177 -0,20581
2 BWPT -0,05125 -0,07807 -0,00039 -0,03624 0,01581 -0,1504 0,01261 -0,28214 -0,04848 -0,47129
3 DSNG -0,01675 -0,01702 0,00162 0,01517 0,01225 -0,24371 0,03059 -0,15989 -0,01336 -0,21084
4 GZCO -0,05014 -0,06268 -0,01522 -0,04846 0,0005 0,01408 0 0 0,02973 -0,0427
5 LSIP -0,00623 -0,02056 -0,00226 0,0455 0,0195 -0,12092 0,00512 -0,26996 -0,00873 -0,05365
6 SGRO 0,02427 -0,00189 -0,00648 0,01099 0,0014 -0,05562 -0,02755 -0,02514 0,02038 0,18231
7 SIMP -0,00524 -0,00159 0,00169 -0,03595 -0,00024 -0,22261 0,01191 -0,24425 0,01182 -0,22366
8 SSMS -0,00531 -0,00822 -0,01415 0,01606 -0,03053 -0,05367 0,05376 -0,11591 -0,01385 -0,61486
9 T BLA 0,00948 0,04423 -0,02126 -0,02249 0,01545 -0,05346 0,00782 -0,23214 -0,0125 -0,1026
10 UNSP 0,38551 0,55717 -0,01886 -0,19012 -0,00004 -0,02464 0,02602 -0,27729 -0,00289 -0,09105
Rata-Rata 0,026827 0,039679 -0,007982 -0,024162 0,005556 -0,111286 0,012659 -0,179322 -0,005558 -0,183415
Sumber: Data diolah menggunakan Microsoft Excel (lampiran 15)

Dapat dilihat nilai E(Ri) berfluktuatif tetapi cenderung negatif,nilai Ri
dan E(Ri) pada tahun 2017 melihatkan hasil yang sama-sama baik(+),ditahun
2018 nilai Ri dan E(Ri) bernilai (-) menunjukkan nila yang sejalan dengan
Beta JUB, dimana nilai beta JUB (+) menandakan Ri sejalan dengan
JUB ,dimana disaat itu JUB meningkat mengindikasikan kecenderungan

110
orang menarik uang dari instrument investasi.Pada tahun 2019 Ri
membaik(+) namun E(Ri) Pada tahun 2019 menurun (-) sejalan dengan Beta
Inflasi yang (-) menandakan Ri berbanding terbalik dengan Inflasi ,dimana
inflasi ditahun tersebut menurun yang seharusnya Ri naik namun karena
ketidaksejalanan antara Ri dengan Inflasi,menghasilkan Ri Menurun(-) ,
sejalan dengan JUB meningkat beta(+) mengindikasikan kecenderungan
orang menarik uang dari instrument investasi.
Ditahun 2021 nilai RI dan E(Ri) menunjukkan penurunan(-) ini
disebabkan oleh inflasi yang menigkat dengan beta inflasi (+) yang
menandakakan Ri sejalan dengan inflasi,dimana inflasi meningkat
menyebakan penurunanya Ri.juga sejaln dengan nilai SBI yang menurun
dengan Beta SBI (-) menandakan Ri berbanding terbalik dengan SBI,dimana
nilai SBI menurun seharsunya nilai Ri dan E(Ri) meningkat namun karena
ketidak sejalanan antara Ri dan E(Ri) dengan SBI menghasilkan nilai Ri dan
E(Ri) yang menurun(-),juga sejalan dengan JUB dimana nilai JUB yang
meningkat dengan beta(+) menandakan Ri sejalan dengan JUB,meningkatnya
JUB mengindikasikan kecenderungan orang menarik uang dari instrument
investasi.
Variabel Makroekonomi pada model APT yang menggabungankan
inflasi, kurs, suku bunga bank Indonesia dan jumlah uang beredar
berpengaruh pada return saham perusahaan sektor pertanian namun tidak
lebih baik dari faktor risk free dan indeks harga saham gabungan pada model
CAPM. Hal ini dapat terjadi karena CAPM dengan Return Market memiliki
111
hubungan Keterikan langsung dengan return saham mengngat nilai
keseluruhan retrun market (IHSG) juga diperoleh langsung dari nilai return
saham sector pertanian sedangkan varibael pada model APT merupakan
pemengaruh return saham namun tidak memiliki hubungan keterikan secara
nilai dan angka dengan return saham. . Pandemi Covid-19 juga membuat
terjadinya anomali dikarena ketika inflasi turun dan suku bunga juga turun
namun yang seharusnya pasar modal naik dikarenakan ketakutan untuk
berinvestasi disaat pandemi mengakibatkan pasar saham belum membaik. Hal
ini menujukkan Variabel makroekonomi kurang sejalan dengan return
individual pada saat pandemic covid (tahun 2020).
4.3 Perbandingan Penghitungan Expected Return Menggunakan
CAPM dan APT
Untuk melihat model mana yang lebih akurat dalam memprediksi
expected return saham dapat diketahui dengan menghitung nilai MAD
masing-masing model. Model yang memiliki nilai MAD yang lebih kecil
berarti lebih akurat dibandingkan dengan model yang memiliki nilai MAD
yang lebih besar.
Perhitungan AD CAPM Saham Perusahaan Astra Agro Lestari
(AALI) Tahun 2017 sebagai berikut.
AD CAPM AALI 2017 = |Return Individual Aktual periode t - Return
Individual yang diinginkan CAPM periode
t|
112
AD CAPM AALI 2017= |-0.01610 – 0,05702|
AD CAPM AALI 2017= 0,07312
Perhitungan AD APT Saham Perusahaan Astra Agro Lestari (AALI)
sebagai berikut.
AD PT AALI 2017 = |Rertun Individual Aktual-Return Individual
yang diinginkan APT|
AD APT AALI 2017 = |-0.01607 – (-0,01458)|
AD APT AALI 2017 = 0,00152
Nilai MAD didapatkan dengan merata-ratakan Nilai AD dari masing-
masing model. Nilai MAD Saham Sektor Pertanian Periode 2017-2021 dapat
dilihat pada table 4.16
Tabel 4. 16 MAD CAPM dan APT Pertahun Pada Periode 2017-2021
E(Ri) Error Absolute Absolute

No Saham Tahun Ri E(Ri)APT Error APT
CAPM CAPM Deviation Deviation
1 AALI -0,01610 0,05702 -0,07312 0,07312 -0,01458 -0,00152 0,00152

2 BWPT -0,05130 0,10658 -0,15788 0,15788 -0,07807 0,02677 0,02677
3 DSNG -0,01680 0,05997 -0,07677 0,07677 -0,01702 0,00022 0,00022
4 GZCO -0,05010 0,07320 -0,12330 0,12330 -0,06268 0,01258 0,01258
5 LSIP -0,00620 0,03256 -0,03876 0,03876 -0,02056 0,01436 0,01436
2017
6 SGRO 0,02427 0,06830 -0,04403 0,04403 -0,00189 0,02616 0,02616
7 SIMP -0,00520 0,01969 -0,02489 0,02489 -0,00159 -0,00361 0,00361
8 SSMS -0,00530 0,02375 -0,02905 0,02905 -0,00822 0,00292 0,00292
9 TBLA 0,00948 0,09230 -0,08282 0,08282 0,04423 -0,03475 0,03475
10 UNSP 0,38551 -0,54880 0,93431 0,93431 0,55717 -0,17166 0,17166
1 AALI -0,00450 -0,00260 -0,00190 0,00190 0,00392 -0,00842 0,00842
2 BWPT -0,00040 -0,02790 0,02750 0,02750 -0,03624 0,03584 0,03584
2018
3 DSNG 0,00162 0,10672 -0,10510 0,10510 0,01517 -0,01355 0,01355
4 GZCO -0,01520 0,00733 -0,02253 0,02253 -0,04846 0,03326 0,03326
113
E(Ri) Error Absolute Absolute

No Saham Tahun Ri E(Ri)APT Error APT
CAPM CAPM Deviation Deviation
5 LSIP -0,00230 0,00143 -0,00373 0,00373 0,04550 -0,04780 0,04780

6 SGRO -0,00650 0,05296 -0,05946 0,05946 0,01099 -0,01749 0,01749
7 SIMP 0,00169 0,03195 -0,03026 0,03026 -0,03595 0,03764 0,03764
8 SSMS -0,01420 0,04423 -0,05843 0,05843 0,01606 -0,03026 0,03026
9 TBLA -0,02130 -0,01440 -0,00690 0,00690 -0,02249 0,00119 0,00119
10 UNSP -0,01890 0,02475 -0,04365 0,04365 -0,19012 0,17122 0,17122
1 AALI 0,02146 -0,02810 0,04956 0,04956 -0,20191 0,22337 0,22337
2 BWPT 0,01581 -0,26670 0,28251 0,28251 -0,15040 0,16621 0,16621
3 DSNG 0,01225 0,04100 -0,02875 0,02875 -0,24371 0,25596 0,25596
4 GZCO 0,00050 0,02302 -0,02252 0,02252 0,01408 -0,01358 0,01358
5 LSIP 0,01950 0,00418 0,01532 0,01532 -0,12092 0,14042 0,14042
2019
6 SGRO 0,00140 0,01620 -0,01480 0,01480 -0,05562 0,05702 0,05702
7 SIMP -0,00020 -0,08770 0,08750 0,08750 -0,22261 0,22241 0,22241
8 SSMS -0,03050 0,08537 -0,11587 0,11587 -0,05367 0,02317 0,02317
9 TBLA 0,01545 -0,05050 0,06595 0,06595 -0,05346 0,06891 0,06891
10 UNSP -0,00040 -0,06620 0,06580 0,06580 -0,02464 0,02424 0,02424
1 AALI 0,00631 -0,05090 0,05721 0,05721 -0,18650 0,19281 0,19281
2 BWPT 0,01261 -0,05690 0,06951 0,06951 -0,28214 0,29475 0,29475
3 DSNG 0,03059 -0,00510 0,03569 0,03569 -0,15989 0,19048 0,19048
4 GZCO 0,00000 0,04250 -0,04250 0,04250 0,00000 0,00000 0,00000
5 LSIP 0,00512 -0,02490 0,03002 0,03002 -0,26996 0,27508 0,27508
2020
6 SGRO -0,02760 0,04746 -0,07506 0,07506 -0,02514 -0,00246 0,00246
7 SIMP 0,01191 -0,04300 0,05491 0,05491 -0,24425 0,25616 0,25616
8 SSMS 0,05376 0,02836 0,02540 0,02540 -0,11591 0,16967 0,16967
9 TBLA 0,00782 -0,03530 0,04312 0,04312 -0,23214 0,23996 0,23996
10 UNSP 0,02602 -0,02270 0,04872 0,04872 -0,27729 0,30331 0,30331
1 AALI -0,01770 -0,01890 0,00120 0,00120 -0,20581 0,18811 0,18811
2 BWPT -0,04850 -0,02280 -0,02570 0,02570 -0,47129 0,42279 0,42279
3 DSNG -0,01340 0,00809 -0,02149 0,02149 -0,21084 0,19744 0,19744
4 GZCO 0,02973 0,05028 -0,02055 0,02055 -0,04270 0,07243 0,07243
5 LSIP -0,00870 -0,00520 -0,00350 0,00350 -0,05365 0,04495 0,04495
2021
6 SGRO 0,02038 0,01833 0,00205 0,00205 0,18231 -0,16193 0,16193
7 SIMP 0,01182 0,00480 0,00702 0,00702 -0,22366 0,23548 0,23548
8 SSMS -0,01390 -0,04010 0,02620 0,02620 -0,61486 0,60096 0,60096
9 TBLA -0,01250 0,00011 -0,01261 0,01261 -0,10260 0,09010 0,09010
10 UNSP -0,00290 0,01570 -0,01860 0,01860 -0,09105 0,08815 0,08815
Sum of Absolute Deviation 3,31403 5,91353
MAD 0,06628 0,11827

114
Sumber: Data diolah dari Return Individual (lampiran 16)

Berdasarkan hasil perhitungan Mean Absolute Deviation (MAD) pada
Tabel 4.16 menunjukkan bahwa rata-rata MAD CAPM adalah sebesar
0,06628 sedangkan rata-rata MAD APT adalah sebesar 0,11827. Hal ini
menunjukkan bahwa model CAPM lebih akurat dibandingkan dengan model
APT dalam memprediksi expected return saham perusahaan pertanian pada
periode 2017 sampai dengan 2021, hal ini dikarenakan nilai MAD CAPM
lebih mendekati nilai = 0 dibandingkan dengan nilai MAD APT.
Variabel Makroekonomi pada model APT yang menggabungankan
inflasi, kurs, suku bunga bank Indonesia dan jumlah uang beredar
berpengaruh pada return saham perusahaan sektor pertanian namun tidak
lebih baik dari faktor risk free dan indeks harga saham gabungan pada model
CAPM. Hal ini dapat terjadi karena variabel CAPM berkemungkinan lebih
berpengaruh kepada return saham dari pada APT dengan empat variabel
Makroekonomi dan Pandemi Covid-19 juga membuat terjadinya anomali
dikarena ketika inflasi turun dan suku bunga juga turun namun yang
seharusnya pasar modal naik dikarenakan ketakutan untuk berinvestasi disaat
pandemi mengakibatkan pasar saham belum membaik. Hal ini menujukkan
Variabel makroekonomi kurang sejalan dengan return individual pada saat
pandemic covid (tahun 2020).
4.4 Uji Normalitas Data
Sebelum dilakukan uji Independent Sample T-test, Absolute Deviation
CAPM dan Absolute Deviation APT perlu dilakukan uji normalitas data. Uji
115
normalitas bertujuan untuk mengetahui apakah data penelitian berdistribusi
normal atau tidak. Uji normalitas yang digunakan pada penelitian ini adalah
uji Normalitas Kolmogorov pada software SPSS 25. Hasil dari uji normalitas
Kolmogorov dapat dilihat pada Tabel 4.17.
Tabel 4. 17 Hasil Uji Normalitas Kolmogorov
One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual
N 50
Normal Parameters a,b
Mean .0000000
Std. Deviation .12698891
Most Extreme Differences Absolute .187
Positive .187
Negative -.176
Test Statistic .187
Asymp. Sig. (2-tailed) .000c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Sumber: Data diolah dari MAD CAPM dan APT menggunakan SPSS
(lampiran 17)
Dari Tabel 4.17 dapat dilihat bahwa Berdasarkan hasil uji normalitas
kolmogrov diketahui data terdistribusi normal maka dapat disimpulkan bahwa
nilai residual berdistribusi normal. Sehingga dapat dilakukan uji parametrik
Paired Sample T-test.
4.5 Uji Hipotesis
Setelah memperoleh nilai Absolute Deviation masing-masing model
dan dilakukan uji normalitas data, langkah selanjutnya adalah
membandingkan kedua nilai Absolute Deviation dengan melakukan uji
parametrik Paired Sample T-Test. Dasar pengambilan keputusan dalam uji

116
Paired Sample T-Test adalah jika nilai signifikansi (asymp. Sig.) ≤ 0,05 maka
H1 diterima, dan sebaliknya jika nilai signifikansi lebih besar dari 0,05 maka
H0 diterima. Hasil uji paired sample statistik T-Test dapat dilihat pada Tabel
4.18 dan Tabel 4.19.
Tabel 4. 18 Paired Sample Statistics
Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
Pair 1 X .0662806 50 .13407206 .01896065
Y .1182706 50 .12702045 .01796340
Paired Samples Correlations

N Correlation Sig.
Pair 1 x&y 50 .022 .878
(lampiran 18)
Berdasarkan Tabel 4.18 (Paired Sample Statistics) dapat dilihat bahwa
mean rank MAD CAPM adalah sebesar .0662806, sementara mean rank
MAD APT adalah sebesar .1182706. Dengan demikian dapat disimpulkan
bahwa terdapat perbedaan mean rank MAD CAPM dan APT. Pada Paired
Samples Correlations didapatkan nilai signifikasi 0.878 dimana nilai ini besar
dari 0.05 berarti tidak terdapat hubungan antara CAPM dan APT.Selanjutnya
untuk membuktikan apakah perbedaaan tersebut berarti signifikan (nyata)
atau tidak maka dapat dilihat pada tabel hasil uji Paired Sample Test berikut.
Tabel 4. 19 Tabel Paired Samples Test

117
Paired Samples Test
Paired Differences
95% Confidence Interval of the Sig.
Std. Error Difference (2-
Mean Std. Deviation Mean Lower Upper t df tailed)
Pair 1 x–y -.05199000 .18262107 .02582652 -.10389033 -.00008967 -2.013 49 .050
(lampiran 19)
Berdasarkan Tabel 4.15 dapat dilihat bahwa hasil uji hipotesis paired
sample t-test diketahui nilai signifikansi 0,50 ≤ 0,5 dapat disimpulkan bahwa
H1 diterima yaitu diduga terdapat perbedaan akurasi yang signifikan antara
model CAPM dan APT dalam memprediksi return saham perusahaan sektor
pertanian di bursa efek Indonesia.
4.6 Pembahasan Hasil Penelitian
1. Akurasi Model Capital Asset Pricing Model (CAPM) terhadap Return

Saham Sektor Pertanian
CAPM merupakan model yang digunakan untuk memprediksi returm
saham dengan menggunakan variabel tingkat suku bunga Bank Indonesia
untuk mengukur return bebas risiko (Rf), dan Indeks Harga Saham Gabungan
untuk mengukur return pasar (Rm).Penghitungan Return saham pada
perusahaan sektor Pertanian yang terdaftar di Bursa Efek Indonesia Tahun
2017-2021 dengan menggunakan model Capital Asset Pricing Model
(CAPM) didapatkan hasil Nilai Expected Return E(Ri) yang yang beragam.
Apabila suatu Expected Return bernilai 0 maka return yang sudah ada sesuai
dengan return yang diinginkan namun ini sangat jarang terjadi karena berubah
terusnya harga saham di pasar.

118
Expected Return saham yang bernilai negatif menyatakan
kecendrungan jika pergerakan harga saham yang tidak baik sementara jika
bernilai positif menyatakan kecendrungan jika pergerakan saham yang ada
bernilai baik. Hasil penelitian menunjukkan bahwa besarnya tingkat expected
return saham [E(Ri)] sejalan dengan besarnya tingkat risiko sistematis (beta)
saham. Dimana ketika nilai risiko sistematis besar dari 1 maka return yang
diharapkan bernilai negatif maka return yang diharapkan bernilai positif yang
dapat kita lihat pada Tabel 4. 5 Expected Return menggunakan CAPM.
Penelitian Expected Return CAPM pertahun dan Expected Return
CAPM dalam periode lima tahun melihatkan keakurasian model ini dimana
nilai Expected Return CAPM yang diharapkan konsisten terpengaruh oleh
risiko sistematis berupa return market dan risk free. Dari sini dapat
disimpulkan bahwa semakin tinggi risiko sistematis yang akan ditanggung
dari suatu saham maka semakin rendah pula return yang diharapkan dari
saham tersebut. Selain itu, nilai expected return juga dapat digunakan untuk
melihat mana saham yang undervalued dan mana saham yang overvalued.
Hasil Penelitian ini sejalan dengan penelitian yang dilakukan oleh
Isnurhadi (2014) dimana berdasarkan penelitiannya terdapathasil akurasi yang
signifikan pada Capital Asset Pricing Model (CAPM) dalam memprediksi
return saham Syariah di Jakarta Islamic Index (JII) dan return saham
konvensional di Bursa Efek Indonesia (LQ 45). Sesuai dengan teori (Bodie.
Z, 2019)Capital Asset Pricing Model sudah luas digunakan karena Capital

119
Asset Pricing Model mempunyai tingkat akurasi yang cukup tinggi pada
aplikasi tingkat pengembalian sebuah saham.
2. Akurasi Model Arbitrage Pricing Theory (APT) terhadap Return

Saham Sektor Pertanian
APT merupakan model yang digunakan untuk memprediksi return
saham yang variabelnya berasal dari unsur makroekonomi,dalam penelitian
ini variabel makroekonomi yang digunakan ialah. inflasi, kurs, suku bunga
bank indonesia dan jumlah uang yang beredar.Penghitungan Return saham
pada perusahaan sektor Pertanian yang terdaftar di Bursa Efek Indonesia
Tahun 2017-2021 dengan menggunakan model Arbitrage Pricing Theory
(APT) melihatkan nilai yang beragam. Nilai Expected Return E(Ri) yang
terdapat menandakan apabila suatu Expected Return bernilai 0 maka return
yang sudah ada sesuai dengan return yang diinginkan namun ini sangat
jarang terjadi karena berubah terusnya harga saham di pasar. Expected Return
saham yang bernilai negatif menyatakan kecendrungan jika pergerakan harga
saham yang tidak baik sementara jika bernilai positif menyatakan
kecendrungan jika pergerakan saham yang ada bernilai baik. Hasil
menunjukkan bahwa pada model APT memberikan expected return yang
dipengaruhi variabel makroekonomi dimana ketika variabel makroekonomi
secara kumulatif melihatkan nilai yang positif maka expected return yang
diharapkan akan lebih besar dibandingkan dengan return individualnya.
Sebaliknya ketika secara kumulatif variabel makroekonomi memberikan nilai
yang negative maka expected return yang diharapkan akan lebih kecil
dibandingkan dengan return individualnya dapat dilihat pada Tabel 4.11

120
Expected Return Model APT Periode 2017-2021. Nilai Negatif dan Positif
yang sama pada Ri dan E(Ri) mengindikasikan bahwa Faktor Makroekonomi
Inflasi, Kurs, SBI dan JUB mempengaruhi dan sejalan dengan return yang
didapat oleh suatu saham.
Penelitian Expected Return APT pertahun dan Expected Return APT
dalam periode lima tahun melihatkan keakurasian model ini dalam
menghitung Expected Return yang diharapkan. Namun dengan metode APT
kita tidak dapat mengetahui secara persis variabel mana yang paling
mempengaruhi.Nilai Kurs akan memperkuat saham sektor pertanian karena
dengan menguatnya rupiah melihatkan kepercayaan terhadap keuangan dalam
negeri berbanding terbalik dengan inflasi yang akan mempengaruhi investasi
ke aset yang minim pengaruh seperti logam mulia, suku bunga yang
meningkat menarik investor untuk berinvestasi dalam bentuk uang dan
jumlah uang beredar menggambarkan bahwa ketidak percayaan investor
dalam berinvestasi pada sektor saham.
Hasil Penelitian ini sesuai dengan Penelitian Hani Aghnia Rahmani
(2016) bahwa Variabel Makroekonomi Terhadap Penaksiran Return Saham
Dan Risiko Menggunakan Model Arbitrage Pricing Theory memiliki
pengaruh yang ada tapi tidak selalu menentukan tingkat pengembalian suatu
saham. Selain Penelitian Mayfi dan Rudianto (2014) tentang pengaruh inflasi,
nilai tukar juga diduga memiliki hubungan yang erat dengan return saham.
Nilai tukar menunjukkan jumlah mata uang dalam negeri yang diperlukan
untuk mendapatkansatu unit mata uang asing. Haryanto (2007), berpendapat

121
bahwa eksposur fluktuasi nilai tukar akan memberikan dampak besar
terhadap nilai perusahaan.
3. Perbedaan akurasi antara Capital Asset Pricing Model (CAPM) dan

Arbitrage Pricing Theory (APT) dalam memprediksi return saham
sektor Pertanian yang terdaftar di Bursa Efek Indonesia Tahun
2017-2021?
Perbandingan Penghitungan Return saham pada perusahaan sektor
Pertanian yang terdaftar di Bursa Efek Indonesia Tahun 2017-2021 dengan
menggunakan model Capital Asset Pricing Model (CAPM) dan model
Arbitrage Pricing Theory (APT) didapatkan nilai MAD CAPM yang lebih
kecil (0,06628) dibandingan MAD APT (0,11827) yang dapat dilihat pada
Tabel 4.12 MAD CAPM dan APT Periode 2017-2021 .maka dapat
disimpulkan bahwa CAPM lebih akurat dibandingkan dengan APT. Ini
menggambarkan bahwa variabel Risk free dan Return Market lebih
baik/sejalan dalam memprediksi return saham dari pada APT dengan
gabungan empat makroekonomi seperti inflasi, kurs, suku bunga dan jumlah
uang beredar.CAPM lebih akurat daari model APT juga disebabkan karena
pada model CAPM variable yang digunakan adalah Return Market ( IHSG )
yang mana nilai terbentukanya IHSG juga diperoleh dari nilai return saham
sector petanian,artinya CAPM dengan veariabel return market(IHSG)
memiliki keterkaitan nilai secara langsung dengan return saham(return saham
pertanian merupakan bagian pembentuk return market)t,berbeda dengan
varibel makroekonomi yang memang memengaruhi return saham namun
tidak memiliki keterkaitan angka secara langsung dengan return saham.

122
Berdasarkan hasil uji paired sample t-test dengan membandingkan nilai
mad CAPM dan mad APT pada Tabel 4. 15 nilai Sig. (2-tailed) = 0,50 ≤ 0,05
maka dapat ditarik kesimpulan diduga terdapat perbedaan yang signifikan
antara Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory
(APT) dalam memprediksi return saham sektor Pertanian yang terdaftar di
Bursa Efek Indonesia
Model CAPM Dalam Memprediksi Expected Return. Darihasil
penelitian yangtelah dilakukan menunjukkan bahwa nilai MAD CAPM
lebih kecil dibandingkan dengan nilai MAD APT. yang artinya metode
Capital Asset Pricing Model lebih akurat dibandingkan dengan model
Arbitrage Pricing Theory dalam memprediksi expected return saham. Uji
normalitas sampel berpasangan antara MAD CAPM dan MAD APT memiliki
nilai sig = 0.05, yang menunjukkan bahwa antara Capital Asset Pricing
Models dengan Arbitrage Pricing Theory terdapat perbedaan akurasi yang
signifikan. Hal ini sama dengan beberapa penelitian sebelumnya yang
mengatakan bahwa model CAPM dan APT terdapat perbedaan yang
signifikan dalam memprediksi expected return. Penelitian ini menggunakan
objek penelitian industri pertambangan, yang memiliki harga saham
yang mudah berfluktuasi.. Variabel APT yang digunakan dalam penelitian
ini adalah perubahan tingkat inflasi, perubahan tingkat SBI, perubahan kurs
Rupiah terhadap USD dan jumlah uang beredar untuk kegiatan
perekonomian. Hasil penelitian menunjukkan bahwa model APT tidak
akurat dalam memprediksi expected return. Hal tersebut dibuktikan dengan

123
nilai MAD APT yang lebih besar dari MAD CAPM. Sedangkan hasil uji
beda sampel berpasangan antara CAPM dan APT memiliki nilai sig =
0.000, yang menunjukkan bahwa antara Capital Aset Pricing Models dan
Arbitrage Pricing Theory terdapat perbedaan yang disignifikan.
Untuk CAPM sendiri faktor yang mempengaruhi yaitu faktor
internal yakni return market dari perusahaan itu sendiri. Sedangkan untk
APT faktor yang mmpengaruhi yaitu faktor eksternal seperti : inflasi,
suku bunga Sbi, Kurs, dan jumlah uang beredar. Jadi dapat terlihat
dengan jelas bahwa diantara dua metode tersebut terdapat perbedaan
yang sgnifikan dan dibuktikandari uji sampel beda berpasangan yang
menunjukkan nilai sig = 0.000 yang artinya ada perbedaan antara CAPM
dan APT dalam memprediksi expected return saham.
Hasil ini sesuai dengan penelitian terdahulu oleh Dwi Ayu Putri (2017)
yang meneliti perbandingan keakuratan Capital Asset Pricing Model (CAPM)
dan Arbitrage Pricing Theory (APT) dalam memprediksi tingkat pendapatan
saham Sektor Barang Konsumsi dan Sektor Pertambangan yang Terdaftar di
Indeks Saham Syariah Indonesia. Hasil perhitungan MAD pada penelitiannya
menunjukkan bahwa model CAPM lebih akurat dibandingkan dengan model
APT dalam memprediksi pendapatan saham industri manufaktur sebelum dan
semasa krisis ekonomi. Hasil Independent Sample T-test juga menunjukkan
bahwa terdapat perbedaan akurasi yang signifikan antara model CAPM
dengan model APT dalam memprediksi pendapatan saham industri
manufaktur sebelum dan semasa krisis. Hasil penelitian ini konsisten dengan
124
hasil penelitian Premananto dan Madyan (2004) yang membuktikan ada
perbedaan yang signifikan antara CAPM dan APT.
Hasil Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh
Irawan dan Sanusi (2017) dimana berrdasarkan hasil uji didapatkan
signifikansi sebesar 0,216> 0,05 artinya tidak ada perbedaan yang signifikan
antara return saham model CAPM dengan return saham model APT, hal ini
dapat dibuktikan dari hasil pengujian hipotesis menggunakan uji paired
sample t-test.
.
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil pembahasan dan uji statistik terkait
perbandingan keakuratan Capital Asset Pricing Model (CAPM) dan
Arbitrage Pricing Theort (APT) dalam memprediksi expected return
saham pada Sektor Pertanian di Bursa Efek Indonesia maka dapat
disimpulkan:
1. Capital Asset Pricing Model (CAPM) dalam memprediksi return
saham sektor pertanian yang terdaftar di Bursa Efek Indonesia tahun
2017-2021 menghasilkan nilai yang berfluktuasi ,pada perusahaan
GZCO dan SGRO memperlihatkan nilai E(RI) yang lebih baik dari
perusahaan lainya.Setiap nilai Risiko Sistematis > 1 maka return yang
diharapkan dari perusahaan tersebut bernilai negative
2. Arbitrage Pricing Theort (APT) dalam memprediksi return saham
sektor pertanian yang terdaftar di Bursa Efek Indonesia tahun 2017-
2021 menghasilkan nilai yang berfluktuasi dan cenderung
negative.perusahaan GZCO dan UNSP memperlihatkan nilai RI dan
E(RI) yang lebih sejalan dari perusahaan lainya.
3. Capital Asset Pricing Model (CAPM) dalam memprediksi return
saham lebih baik dari Arbitrage Pricing Theort (APT) dikarenakan
122
123
nilai pengukur ketepatan ramalan / Mean Absolute Deviation (CAPM)
0,06628 < 0,11827 Mean Absolute Deviation (APT)
4. Berdasarkan Uji Hipotesis Paired Sample Test Nilai signifikansi 0,05 ≤
0,05 yang berarti diduga terdapat perbedaan akurasi yang signifikan
antara Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing
Theory (APT) dalam memprediksi return saham perusahaan sektor
pertanian di bursa efek Indonesia.
5.2 Saran
Berdasarkan kesimpulan yang diperoleh dalam penelitian ini, maka
saran yang dapat diberikan adalah sebagai berikut:
1. Bagi Investor/Calon Investor yang hendak berinvestasi,disarankan
untuk tidak berinvestasi pada perusahan sector pertanian yang ada di
Indonesia disebabkan dari 10 sampel perusahaan pertanian yang
terdaftar di Bursa Efek Indonesia Memperlihatkan nilai RI dan E(RI)
2017-2021 cenderung negative (Menurun)
2. Bagi Investor/Calon Investor hendaknya tidak berinvestasi hanya
kepada satu jenis instrument investasi,melainkan menerapakan
Protofolio investasi guna mencapai keuntungan yang maksimal dan
megurangi resiko-resiko yang dapat terjadi.
3. Bagi Perusahaan Sector Pertanian Diindonesia Hendaknya lebih
meningkatkan Kinerja Perusahaanya agar lebih menarik minat investor
untuk berinvestasi.
124
DAFTAR PUSTAKA
Abdillah, A., & Putra, A. K. (2021). Analisis Perbandingan Keakuratan

CAPM Dan APT Dalam Upaya Pengambilan Keputusan Investasi
Saham Sektor Perbankan. JURNAL AKUNTANSI DAN BISNIS :
Jurnal Program Studi Akuntansi, 7(1), 42–50.
https://doi.org/10.31289/jab.v7i1.4336
Abdul Halim. (2018). Teori Ekonomi Makro. Mitra Wacana Media.
Ahmad Muhsin Ma’ari, R. S. (2017). PENYUSUNAN INTEGRATED
PROGRAMMING UNTUK PEMBENTUKAN. 2014, 1–6.
Almira, N. P. A. K., & Wiagustini, N. L. P. (2020). RETURN ON ASSET,
RETURN ON EQUITY, DAN EARNING PER SHARE
BERPENGARUH TERHADAP RETURN SAHAM. E-Jurnal
Manajemen Universitas Udayana, 9(3), 1069.
https://doi.org/10.24843/ejmunud.2020.v09.i03.p13
Ami Rosyidah. (2018). Analisis Keakuratan CAPM dan APT dalam
Memprediksi Return Saham pada Perusahaan yang Terdaftar dalam
Jakarta Islamic Index (JII) Periode Tahun 2015 – 2017. Akuntansi
Fakultas Ekonomi Dan Bisnis.
Armereo, C. (2018). Analisis Faktor Yang Mempengaruhi Price Earning
Ratio Sebagai Dasar Penilaian Saham. Jurnal Kompetitif, 7(1), 41–56.
http://www.univ-tridinanti.ac.id/ejournal/index.php/ekonomi/article/
view/444
Ayu Rezaldi, D. (2021). PRISMA, Prosiding Seminar Nasional Matematika
Peramalan Metode ARIMA Data Saham PT. Telekomunikasi
Indonesia. Peramalan Metode ARIMA Data Saham PT.
Telekomunikasi Indonesia. PRISMA, Prosiding Seminar Nasional
Matematika, 4, 611–620.
https://journal.unnes.ac.id/sju/index.php/prisma/
Baleo Pasaribu, D., Asih Maruddani, D. I., Statistika, D., & Sains dan
Matematika, F. (2018). PENGUKURAN KINERJA PORTOFOLIO
OPTIMAL CAPITAL ASSET PRICING MODEL (CAPM) DAN
ARBITRAGE PRICING THEORY (APT) (Studi Kasus : Saham-saham
LQ45). 7(4), 419–430.
https://ejournal3.undip.ac.id/index.php/gaussian/
Bodie. Z, K. A. M. A. (2019). Investments. Salemba Empat.
125
Brigham. E, H. J. (2019). Dasar-Dasar Manajemen Keuangan 2. Salemba

Empat.
Fahmi, I. (2017). Analisis Laporan Keuangan. Alfabeta.
Gunardi, G., Nugraha, N., & Sugiyanto, S. (2020). Pengaruh Nilai Tukar
terhadap Harga Saham Sektor Keuangan yang Terdaftar di Bursa
Efek Indonesia. Coopetition: Jurnal Ilmiah Manajemen, 11(juli), 129–
134. https://www.neliti.com/publications/325687/pengaruh-nilai-tukar-
terhadap-harga-saham-sektor-keuangan-yang-terdaftar-di-burs
Hartati. (2017). Penggunaan Metode Arima Dalam Meramal Pergerakan
Inflasi. Jurnal Matematika, Saint, Dan Teknologi, 18(1), 1–10.
Haryo Kuncoro. (2020). Ekonomi Moneter:Studi Kasus Indonesia. Bumi
Aksara.
Hasan, N., Pelleng, F. A. O., Mangindaan, J. V, Ilmu, J., Program, A., Ilmu,
S., & Bisnis, A. (2019). Analisis Capital Asset Pricing Model (CAPM)
Sebagai Dasar Pengambilan Keputusan Berinvestasi Saham (Studi
pada Indeks Bisnis-27 di Bursa Efek Indonesia). Jurnal Administrasi
Bisnis, 8(1).
Hidayati, A. N., Jurnal, M. :, & Islam, E. (2017). INVESTASI: ANALISIS
DAN RELEVANSINYA DENGAN EKONOMI ISLAM. 8(2).
I Made Adnyana. (2020). MANAJEMEN INVESTASI DAN PORTOFOLIO.
Ibrahim, M. I., Titaley, J., & Manurung, T. (2017). Analisis Keakuratan
Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory
(APT) dalam Memprediksi Expected Saham pada LQ45.
D’CARTESIAN, 6(1), 30. https://doi.org/10.35799/dc.6.1.2017.15837
Indra, Y. A. (2018). Perbandingan Keakuratan Metode Capital Asset
Pricing Model dan Arbitrage Pricing Theory dalam Memprediksi
Return Saham (Studi pada Perusahaan Sektor Barang Konsumsi dan
Sektor Pertambangan yang Terdaftar di Indeks Saham Syariah
Indonesia (ISSI) Peri. Journal of Economic, Bussines and Accounting
(COSTING), 1(2), 233–240. https://doi.org/10.31539/costing.v1i2.223
Kiky, A. (2015). ANALISIS SEKTOR INDUSTRI PERTANIAN PADA
MODEL CAPM. In Analisis Sektor Industri Pertanian pada Model
CAPM Ultima Management (Vol. 7, Issue 1).
Krisanti, R. (2012). Pengaruh Pengetahuan Akuntansi dan Jiwa
Kewirausahaan terhadap Penggunaan Informasi Akuntansi dalam
Pembuatan Keputusan Investasi. 1–18.
Mamduh M, H. (2021). Teori Portofolio Dan Analisis Investasi. UGM
126
Press.
Moh. Asra. (2020). Saham dalam Perspektif Ekonomi Syari’ah. Istidlal:
Jurnal Ekonomi Dan Hukum Islam, 4(1), 35–44.
https://doi.org/10.35316/istidlal.v4i1.208
Muhammad Firdaus. (2018). Ekonometrika : Suatu Pendekatan Aplikatif.
Bumi Aksara.
Purnama, J., & Juliana, A. (2019). ANALISA PREDIKSI INDEKS HARGA
SAHAM GABUNGAN MENGGUNAKAN METODE ARIMA.
Riantani, S. (2017). PENGGUNAAN ARBITRAGE PRICING THEORY
UNTUK MENGANALISIS RETURN SAHAM SYARIAH (Vol. 9, Issue
1).
Safitri, E., Utami, D., & Intan Sari, P. (2019). Perbandingan Keakuratan
Capital Assets Pricing Model (Capm) Dan Arbitrage Pricing Theory
(Apt) Dalam Menentukan Pilihan Berinvestasi Pada Saham Jakarta
Islamic Index (Jii). Jurnal Ilmu Manajemen, 8(1), 59.
https://doi.org/10.32502/jimn.v8i1.1557
Sumarlin, A. K. (2020). ANALISIS PENGARUH FAKTOR-FAKTOR
RISIKO INVESTASI TERHADAP PERUSAHAAN FARMASI YANG
LISTING DI BURSA EFEK INDONESIA Analysis of the Effect of
Investment Risk Factors on Pharmaceutical Companies Listing on the
Indonesia Stock Exchange. In Accounting, Accountability and
Organization System Journal (AAOS) E-ISSN (Vol. 1, Issue 2).
https://journal.unifa.ac.id/index.php/aaos
Sunarya, I. W. (2020). PENERAPAN ASSET PRICING MODEL (CAPM)
TERHADAP KEPUTUSAN INVESTASI PADA INDEKS LQ45
PERIODE 2017- 2019. Jurnal Muara Ilmu Ekonomi Dan Bisnis, 4(1),
40. https://doi.org/10.24912/jmieb.v4i1.7529
Susanti, N., & Putra, O. E. (2019). PENERAPAN ASSET PRICING
MODEL (CAPM) TERHADAP KEPUTUSAN INVESTASI PADA
INDEKS LQ 45 PERIODE 2012-2016. Jurnal Muara Ilmu Ekonomi
Dan Bisnis, 2(2), 366. https://doi.org/10.24912/jmieb.v2i2.1556
Tandelilin. Eduardus. (2017). Pasar Modal : Manajemen Portofolio Dan
Investasi. PT. Kanisius.
Wahyuny, T., & Gunarsih, T. (2020). Comparative Analysis of Accuracy
Between Capital Asset Pricing Model (Capm) and Arbitrage Pricing
Theory (Apt) in Predicting Stock Return (Case Study: Manufacturing
Companies Listed on the Indonesia Stock Exchange for the 2015-
2018 Period). Journal of Applied Economics in Developing Countries,
5(1), 23–30. www.bi.go.id
127
Weni Susanti, M. D. I. (2018). Jrnal Akuntansi Unihaz - JAZ Desember. 2,

50–64.
Wibowo, A. S., Aras Deswita, L., Wahyuningsih, S., Ekonomi, F., &
Manajemen, P. (2021). Journal: Marketing, Finance and Human
Resources. 1(14).

Skripsi Keakuran CAPM Dan APT

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Skripsi Keakuran CAPM Dan APT

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS PERBANDINGAN KEAKURATAN CAPITAL

ASSET PRICING MODEL DAN ARBITRAGE PRICING

IHSANNUL PRA ZELLI

Nomor BP: 1810003530141

PROGRAM STUDI MANAJEMEN

Penelitian ini bertujuan untuk menganalisis perbandingan keakuratan Capital

Kata Kunci: CAPM, APT, Return ,Beta.

Keyword: CAPM, APT, Return, Beta

JUDUL :ANALISIS PERBANDINGAN

NAMA : IHSANNUL PRA ZELLI

Rina Asmeri, SE., M.Si. Delory Nancy Melya, SE., MM.

Dr. H. Agussalim M., SE., MS.

HALAMAN PERSETUJUAN KOMISI PENGUJI PROPOSAL

JUDUL :ANALISIS PERBANDINGAN

NAMA : IHSANNUL PRA ZELLI

Ketua Tim Penguji : Rina Asmeri, SE., M.Si, (…………………)

Sekretrais Tim Penguji : Delory Nancy Melya, SE., MM. (…………………)

Anggota Tim Penguji : Novi Yanti, SE., MM. (…………………)

HALAMAN PERSETUJUAN KOMISI PENGUJI PRASKRIPSI

JUDUL :ANALISIS PERBANDINGAN

NAMA : IHSANNUL PRA ZELLI

Ketua Tim Penguji : Rina Asmeri, SE., M.Si, (…………………)

Sekretrais Tim Penguji : Delory Nancy Melya, SE., MM. (…………………)

Pembahas 1 : Novi Yanti, SE., MM. (…………………)

HALAMAN PERSETUJUAN KOMISI PENGUJI SKRIPSI

JUDUL :ANALISIS PERBANDINGAN

NAMA : IHSANNUL PRA ZELLI

Ketua Penguji : Rina Asmeri, SE., M.Si, (…………………)

Penguji 1 : Dr. Ir. Teti Chandrayanti, MBA (…………………)

Puji syukur kehadirat allah SWT. berkat hidayah dan taufiknya

penulis dapat menyelesaikan penelitian ini dengan judul “Analisis

Perbandingan Keakuratan Capital Asset Pricing Model dan Arbitrage

Pricing Theory dalam Memprediksi Return Saham pada Perusahaan

Pertanian yang Terdaftar di Bursa Efek Indonesia (Periode 2017-2021)”,

yang merupakan salah satu syarat untuk menyelesaikan studi dan

memperoleh gelar sarjana pada Fakultas Ekonomi Universitas Ekasakti.

Selanjutnya penulis ucapkan terima kasih yang sebesar-besarnya

doa tulus dan dorongan mereka penulis mendapatkan kemudahan dalam

menyelesaikan tugas-tugas dan skripsi ini tepat pada waktunya.

Ucapan terima kasih juga penulis sampaikan kepada:

1. Bapak Dr. Otong Rosadi. SH., M.Hum. selaku rektor Universitas

Ekasakti beserta jajarannya.

2. Bapak DR. Salfadri, SE., M.Si. selaku dekan Fakultas Ekonomi

Universitas Ekasakti beserta jajaran.

program studi Manajemen beserta jajarannya.

4. Penulis telah menerima banyak bantuan dan bimbingan dari ibu

bantuan dan bimbingan yang telah beliau berikan, penulis

mengucapkan terima kasih yang setulusnya.

pembahas seminar hasil.

7. Teruntuk sahabat-sahabat yang selalu memberikan support dan

Kepada semua pihak yang telah berkenan memberikan bantuan,

lupa menyampaikan terima kasih.

Akhirnya penulis mengharapkan ridho Allah SWT. Berkenan

memberikan balasan atas segala bantuannya.

Padang, November 2022

(Ihsannul Pra Zelli)

HALAMAN PERSETUJUAN KOMISI PEMBIMBING SKRIPSI...................iii

HALAMAN PERSETUJUAN KOMISI PENGUJI PROPOSAL....................iv

HALAMAN PERSETUJUAN KOMISI PENGUJI PRASKRIPSI...................v

HALAMAN PERSETUJUAN KOMISI PENGUJI SKRIPSI..........................vi

1.1 Latar Belakang................................................................................1

1.2 Rumusan Masalah..........................................................................8

1.3 Tujuan dan Kegunaan penelitian....................................................9