Skripsi Keakuran CAPM Dan APT
Skripsi Keakuran CAPM Dan APT
SKRIPSI SARJANA
Oleh:
ABSTRAK
i
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)
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.
ii
HALAMAN PERSETUJUAN KOMISI PEMBIMBING SKRIPSI
Disetujui Oleh:
Komisi Pembimbing
Mengetahui:
Ketua Program Studi Manajemen
iii
Hari / Tanggal Seminar Proposal: Sabtu / 28 Mei 2022
Disetujui Oleh:
Komisi Penguji
Mengetahui:
Ketua Program Studi Manajemen
iv
Dr. H. Agussalim M., SE., MS.
Hari / Tanggal Seminar Proposal : Sabtu / 28 Mei 2022
Disetujui Oleh:
Komisi Penguji
Mengetahui:
Ketua Program Studi Manajemen
v
Dr. H. Agussalim M., SE., MS.
Hari / Tanggal Seminar Hasil : Jum’at / 18 November 2022
Disetujui Oleh:
Komisi Penguji
Mengetahui:
Dekan Fakultas Ekonomi
vi
Dr. Salfadri, SE., M.Si.
Hari / Tanggal Ujian Komprehensif : Selasa / 10 Januari 2023
KATA PENGANTAR
kepada, Mama tercinta Nelli beserta Papa Zelmi, dan Abang Anugrah
Perdana dan Surya Dwi Putra serta adikku Muhammad Zahron, berkat
Rina Asmeri, SE. dan ibu Delori Nancy Meyla, SE., MM atas segala
5. Ibu Novi Yanti, SE., MM. selaku tim penguji proposal dan tim
6. Ibu Dr. Ir. Teti Chandrayanti. selaku tim pembahas seminar hasil.
semangat.
baik moril maupun materil hingga skripsi ini dapat diselesaikan, penulis tak
viii
DAFTAR ISI
KATA PENGANTAR...................................................................................vii
DAFTAR ISI.................................................................................................ix
DAFTAR TABEL..........................................................................................xi
DAFTAR GAMBAR.....................................................................................xii
DAFTAR LAMPIRAN.................................................................................xiii
BAB I PENDAHULUAN................................................................................1
2.1 Investasi........................................................................................13
2.2 Saham...........................................................................................14
2.3 Risiko.............................................................................................18
2.4 Return............................................................................................22
ix
2.7 Metode ARIMA..............................................................................44
2.11 Hipotesis........................................................................................55
PENELITIAN..............................................................................................57
BAB V PENUTUP....................................................................................122
5.1 Kesimpulan..................................................................................122
5.2 Saran...........................................................................................123
x
DAFTAR TABEL
Halaman
Tabel 2. 1 Penelitian
Terdahulu.................................................................49
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
xii
DAFTAR LAMPIRAN
Halaman
xiii
BAB I
PENDAHULUAN
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
kebijakan fiskal dan moneter(Fahmi, 2017) Pasar modal menjalankan dua fungsi
utama, yaitu pertama sebagai sarana bagi pendanaan usaha atau sarana bagi
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
pembagian dividen oleh perusahaan. Capital gain adalah keuntungan pada saat
saham yang dimiliki dijual kembali dengan harga yang lebih mahal(Fahmi, 2017).
1
2
tidak terlepas dari risiko, karena kondisi di masa depan merupakan suatu
yang tinggi, sebaliknya sebuah investasi dengan tingkat risiko yang rendah
aset yang dimiliki untuk tujuan ekonomis tertentu. Tujuannya yaitu melakukan
diversifikasi aset sedemikian rupa sehingga mampu mengurangi risiko dari suatu
untuk masyarakat sehari-hari, namun juga sebagai sumber devisa untuk negara.
kerja dari waktu ke waktu. Menurut World Bank peran pertanian yaitu
sektor ini menjadi unik dalam menjadi instrumen pembangunan bagi negara.
untuk mendapatkan modal tambahan. Serta hal tersebut juga dapat memperluas
3
melakukan go publik.
Sejak akhir tahun 2019 terdapat resesi keuangan global dari fenomena yang
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
diantaranya yaitu mulai dari rantai pasokan pangan melambat, kesehatan petani,
sampai harga pasar yang meningkat. Harga pasar pertanian yang tinggi tentunya
kondisi perusahaan itu sendiri, yang mana akan mempengaruhi nilai yang dimiliki
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
tentunya akan erat kaitannya dengan teori tentang behavioral finance (Kiky,
2015).
Dalam portofolio investasi terdapat dua model yang sering digunakan investor
model Capital Asset Pricing Model (CAPM) dan model Arbitrage Pricing Theory
Lintner, dan Mossin pada pertengahan tahun 1960-an. CAPM merupakan model
dunia nyata, namun model ini mampu menggambarkan atau memprediksi realitas
Theory (APT) dikemukakan oleh Ross pada tahun 1976. Teori ini menjelaskan
5
hubungan antara imbal hasil yang diharapkan dari suatu sekuritas, dengan asumsi
Kedua model ini masih diperdebatkan oleh para ahli terkait mana yang lebih
menunjukkan hasil yang berbeda-beda tentang model manakah yang lebih akurat
melakukan penelitian lebih lanjut untuk mengetahui ketepatan kedua model ini.
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
dan Arbitrage Pricing Theory (APT) dalam investasi saham pada Bank Umum
Arbitrage Pricing Theory (APT) dengan tiga faktor makro ekonomi lebih akurat
Model (CAPM). Hal ini menunjukkan bahwa terdapat perbedaan hasil penelitian
6
terkait dengan keakuratan diantara model Capital Asset Pricing Model (CAPM)
Peneliti memilih perusahan sektor pertanian sebagai objek penelitian. Hal ini
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
penduduk Indonesia, pertanian juga mampu menyerap 29,59 persen dari total
cepat, hal ini ditunjukan dengan grafik pergerakan indeks sektor pertanian yang
tinggi di bursa saham bila dibandingkan dengan sektor yang lain ataupun dengan
7
sektor pertanian khususnya dalam bentuk saham akan berdampak kepada hasil
mengenai Analisis Keakuratan Dari Capital Asset Pricing Model (CAPM) Dan
antara Capital Asset Pricing Model (CAPM) dengan Arbitrage Pricing Theory
Dalam memprediksi return saham dapat digunakan metode Kalman Filter dan
penggunaan model lain ini hanya melihat kinerja perusahaan dari tahun ke tahun
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
return harapan untuk suatu sekuritas dipengaruhi oleh beberapa faktor risiko yang
Berdasarkan latar belakang yang telah dijelaskan diatas maka penulis tertarik
dan Arbitrage Pricing Theory dalam memprediksi return saham pada perusahaan
Berdasarkan uraian dari latar belakang diatas maka rumusan masalah dalam
Tahun 2017-2021?
9
Sesuai dengan rumusan masalah yang diajukan dalam penelitian ini maka tujuan
1. Bagi Peneliti
selanjutnya.
sebagai berikut:
BAB I: PENDAHULUAN
hipotesis.
METODE PENELITIAN
Pada Bab ini berisi tentang deskripsi data, analisis data dan
BAB V: PENUTUP
Pada Bab ini berisi kesimpulan dari hasil analisis yang dilakukan,
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
selesai adalah sebesar dua juta enam ratus ribu rupiah (Rp. 2.600.000,-) terdiri
dari:
TINJAUAN PUSTAKA
2.1 Investasi
present value), untuk nilai masa datang (future value) yang belum bisa
13
14
dilakukan, yaitu strategi pasif dan strategi aktif. Bentuk investasi aktif
pasar sudah ditentukan secara tepat sesuai dengan nilai intrinsiknya atau
Adnyana, 2020).
atau lebih dari satu jenis aset selama periode tertentu dengan harapan dapat
resiko, begitu pula investasi. Oleh karena itu, sangat perlu untuk dilakukan
2.2 Saham
Untuk meningkatkan modal, salah satu cara yang dilakukan
perusahaan
dan diikuti dengan hak dan kewajiban yang dijelaskan kepada setiap
pemegangnya.
b. Nilai buku per lembar saham, menunjukkan nilai aktiva bersih per
lembar saham.
sekarang dari semua arus kas di masa mendatang (yang berasal dari
yang terakhir. Jaminan investor dapat dilihat dari nilai buku per
Saham (RUPS).
2) Saham preferen
dalam jumlah yang tetap, serta pemegang saham tidak mempunyai hak
stock).
2020).
2.3 Risiko
Dalam konteks manajemen investasi, risiko merupakan besarnya
Halim, 2018).
return suatu investasi. Risiko ini disebut juga risiko yang tidak dapat
pemogokan, program pemasaran yang sukses dan tidak sukses, kalah atau
dalam satu perusahaan akan diimbangi oleh kejadian yang baik lainnya.
risiko pasar, atau risiko yang melekat pada pasar, dan hal ini dapat diukur
parah atau tidaknya inflasi. Apabila inflasi itu ringan, justru mempunyai
Sebaliknya, dalam masa inflasi yang parah, yaitu pada saat terjadi inflasi
b. Risiko pasar
c. Risiko inflasi
daya beli.
d. Risiko bisnis
semakin cepat.
e. Risiko keuangan
dihadapi perusahaan.
f. Risiko likuiditas
perusahaan.
mata uang. Risiko ini dikenal dengan risiko mata uang (currency risk)
h. Risiko negara
tinggi.
2.4 Return
Return merupakan salah satu faktor yang memotivasi investor
(income) dari sebuah investasi. Yield atau cash flow akan berpengaruh
terhadap harga sekuritas, seperti harga beli atau harga pasar dari suatu
aset.
jangka waktu tertentu dan dividen tersebut berasal dari dana yang
dilikuidasi.
saham, yaitu:
(perluasan usaha).
24
waktunya
Jadi total return yang diperoleh oleh pemegang saham dapat ditentukan
dengan persamaan:
Ri = Pt – Pt-1 / Pt-1
pasar.
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
2019).
index models). Model indeks tunggal merupakan suatu model imbal hasil
tingkat imbal hasil aktual atau yang diterima atas sekuritas dapat
risiko sistematis yang diukur dengan beta (β). Sedangkan risiko yang tidak
seperti tingkat return, varians return, dan matriks korelasi yang sama
satu tahun.
(lending) uang pada tingkat return yang bebas risiko (risk-free rate of
return).
g. Terdapat banyak sekali investor, dan tidak ada satupun investor yang
taker.
Dimana:
atas investasi bebas risiko, seperti tingkat bunga pada surat berharga
digunakan ukuran tingkat suku bunga SBI yaitu dari besarnya tingkat
Dimana:
periode sebelumnya
2020):
Ri = i + βi Rm + ei
Dimana:
Ri = return sekuritas
i = intersep
βi = slope
return sekuritas yang akan dinilai dengan return indeks pasar. Regresi
return pasar.
keuntungan dari suatu aset keuangan dapat dijelaskan melalui garis pasar
K = krf + krp
Dimana:
baik, sehingga risiko yang relevan adalah risiko sistematis (beta). Beta
Dimana:
β = koefisien beta
Jika beta suatu saham lebih besar dari satu , berarti saham tersebut
memiliki risiko lebih tinggi dari risiko rata-rata pasar, dan saham
lebih kecil dari satu, berarti saham tersebut memiliki risiko lebih
rendah dari risiko rata-rata pasar, dan saham tersebut termasuk saham
defensif.
Eduardus, 2017)
Dimana:
1976. APT adalah suatu model untuk memprediksi laba atau rugi dari
variannya
Eduardus, 2017):
utilitas
Ri, t = E(Ri) + bi1 F1t + bi2 F2t + .... .... + bik Fkt + eit
34
Dimana:
eit = error
FJUB
Dimana:
Ri = Return Sekuritas i
Fkt = tingkat faktor (Inflasi, Kurs, SBI, JUB) yang tidak diharapkan pada
pada periode t
a. Inflasi
35
kenaikan harga umum yang terjadi sekali waktu saja, tidaklah dapat
ditekankan yaitu:
bisa saja tingkat harga yang terjadi pada waktu tertentu turun atau
(sustained), yang berarti bukan terjadi pada suatu waktu saja, akan
hanya pada satu atau beberapa komuditi saja, akan tetapi untuk
c. GNP deflator
perhitungan GNP.
yang rendah (kurang dari 10% per tahun), kenaikan harga berjalan
lama.
harga yang cukup besar dan kadang kala berjalan dalam waktu
parah, dimana harga-harga naik sampai lima atau enam kali. Hal
Dimana:
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
uang asing.
Halim, 2018):
tersebut. Nilai mata uang suatu negara akan merosot apabila lebih
negara lain.
39
e. Pertumbuhan ekonomi
Dimana:
Dimana:
41
saat, apakah pasar sedang aktif atau lesu (Fahmi, 2017).Investor dapat
mengetahui tren harga pasar apakah sedang naik, stabil, atau turun.
saham.
pengembangan.
Dimana:
sebelumnya.
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
simpanan berjangka dalam rupiah dan valas, serta giro dalam valuta
asing), dan surat berharga yang diterbitkan oleh sistem moneter yang
adalah:
digunakan persamaan :
Dimana:
yang akurat. ARIMA cocok jika observasi dari deret waktu (time series)
dapat diartikan sebagai gabungan dua model, yaitu model autoregresi (AR)
dan moving average (MA). Model ini tidak mempunyai suatu variabel
45
series yang sama dalam membentuk model, yang pada akhirnya sangat
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
Dilihat dari segi aplikasi ilmu statistik, metode ARIMA lebih berat dari
Rezaldi, 2021).
model inilah yang sangat berguna dalam menganalisis data time series,
6.043909 dari nilai actual pada tanggal 17Juli 2019. menggunakan metode
Disamping itu, untuk peramalan model statistic forecast, jenis data yang
Average atau ARIMA untuk data laju inflasi memberikan hasil peramalan
sebesar 0,6285% atau 6,285. Berdasarkan grafik data terlihat bahwa hasil
data aktual dari laju inflasi. Selain itu, berdasarkan hasil estimasi diperoleh
dihubungkan dengan dua nama, yaitu G.E.P Box dan G.M Jenkins. Hal itu
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)
2018).
(Ibrahim et al., 2017). Tidak semua saham dapat dibentuk portofolio MAD
return yang diharapkan dan risiko dari portofolio 4. Tidak ada simpanan
Ma’ari,2017)):
Dimana:
APT
model APT)
n = jumlah data
Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT)
Sample T-Test.
return saham dengan Capital Asset Pricing Model (CAPM) dan Arbitrage
2.11 Hipotesis
Perbedaan antara CAPM dan APT adalah bahwa CAPM hanya
mendasarkan pada satu faktor, yaitu beta yang mewakili risiko sistematis.
dianalisis. Hanya saja kelemahan APT adalah bahwa model ini tidak
2021).
CAPM lebih akurat daripada model APT yang menggunakan faktor suku
tingkat return yang diharapkan (Rᵢ > E(Rᵢ)), menunjukkan tingkat return
individu yang lebih kecil dibanding return yang diharapkan (Rᵢ < E(Rᵢ))
sebagai berikut:
H0: Diduga tidak terdapat perbedaan akurasi yang signifikan antara model
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
Pricing Model (CAPM), dan Arbitrage Pricing Theory (APT) untuk mengukur
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
keakuratan kedua model tersebut diuji dengan analisis Mean Absolut Deviation
(MAD). Sedangkan alat statistik yang digunakan adalah IBM SPSS Statistic 25,
57
58
longitudinal adalah penelitian yang dilakukan pada lebih dari satu batas
Efek Indonesia .
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.
terdiri atas sejumlah anggota yang dipilih dari populasi (Sekaran, 2019). Dari
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.
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
Galeri Bursa Efek Indonesia Universitas Negeri Padang yang bersumber dari
Indonesia dan data IHSG. Data mengenai kurs,Inflasi, dan suku bunga Bank
itu data-data juga didapatkan dari buku-buku, artikel dan internet, untuk
dalam penelitian:
atau deskripsi suatu data dari penelitian. (Ghozali, 2012). Dalam penelitian
Dimana:
Rf = Risk Free
βi = Risiko Sistematis
Rm = Return Market
digunakan, yaitu dari dari Januari 2017 sampai dengan Desember 2021
E (Ri) = Ri + β1 F1 + β2 F2 + ....... + βi Fk
Dimana:
βi = Risiko Sistematis
digunakan, yaitu dari dari Januari 2017 sampai dengan Desember 2021
return saham pada sektor Pertanian, maka dihitung nilai MAD dari kedua
yang memiliki nilai MAD lebih besar. Metode analisis data yang
persamaan:
Dimana:
model APT)
n = jumlah data
digunakan, yaitu dari dari Januari 2017 sampai dengan Desember 2021
return)
apakah nilai residual antara Absolute Deviation CAPM dan MAD APT
terdistribusi normal atau tidak. Model regresi yang baik adalah model
b. Metode Wilcoxon
apabila nilai p value < batas kritis 0,05 maka terdapat perbedaan
Return aset bebas risiko (Rf ) adalah return yang diperoleh dari aset bebas
Indonesia (SBI). Return aset bebas risiko dihitung dengan membagi suku bunga
SBI dengan jumlah bulan dalam setahun (12 bulan). Return Aset Bebas Risiko
https://www.bi.go.id/id/statistik/indikator/bi-7day-rr.aspx .
dimana untuk (Rf) Januari adalah 4,75 % dan dikonversi menjadi decimal
Return aset bebas risiko periode 2017 sampai dengan 2021 dapat dilihat
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
Tahun Bulan Rata-Rata
(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
Tahun Bulan Rata-Rata
(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
penutupan IHSG bulan saat ini (IHSGt) dengan harga penutupan IHSG bulan
(IHSGt-1) .
Rata-rata return market tahun 2017 sampai dengan tahun 2021 disajikan
Return Market
Tahun Bulan Rata-Rata
(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
Tahun Bulan Rata-Rata
(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
Tahun Bulan Rata-Rata
(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
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.
2017 sebesar 0,0169 turun menjadi -0,00169 pada tahun 2018. Hal ini
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
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
sebagai berikut.
(Ri) AALI 2017 = Rata-Rata Return Saham AALI selama tahun 2017
78
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.
1,35 persen.
GZCO melihatkan perkembangan yang positif secara konsisten dari tahun 2017-
2021. Dimana Pada tahun 2017 nilai Ri GZCO sebesar -0,05014 dan menjadi
79
Indeks Harga Sahan Gabungan pada tahun 2021 mengalami peningkatan namun
diantaranya AALI, BWPT, DSNG, LSIP, SIMP, SSMS, TBLA dan UNSP.
Namun untuk saham GZCO dan SGRO telah melihatkan perubahan yang positif
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
Risiko sistematis atau beta saham sektor pertanian 2017-2021 dapat dilihat
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
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
return market naik sebesar n persen maka return saham akan naik kurang dari n
persen.
beberapa faktor yaitu, return saham individu (Ri ), return pasar ( Rm), return
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
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
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
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
bank menyebabkan Ri Menurun. Pada tahun 2019 rata rata Ri naik sejalan dengan
menandakan nillai yang sejalan tingkat Rf (SBI),dimana ditahun ini dinlai SBI
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
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
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
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
yang dilanda virus Covid -19. Namun ketika seharusnya Indeks Harga Saham
Gabungan meningkat justru masih melihatkan tren pasar modal yang turun
tingkat suku bunga acuan pada 2021 sektor pasar modal kembali bergairah dengan
terlihat Indeks Harga Saham Gabungan kembali meningkat. Pada tahun 2021
seperti GZCO, SGRO dan SIMP melihatkan tren positif, namun pada saham-
saham sektor pertanian lainnya masih melihatkan tren yang belum baik
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
perubahan tingkat inflasi yang tidak diharapkan yang diperoleh dari selisih antara
diharapkan.
diharapkan
89
tingkat inflasi yang diharapkan, dan perubahan tingkat inflasi yang tidak
aktual terendah terjadi pada bulan Juli 2020 yaitu sebesar -21,43 persen dan
perubahan tingkat inflasi aktual tertinggi terjadi pada bulan Mei 2021 yaitu
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
perubahan tingkat inflasi yang tidak diharapkan terendah dan tertinggi terjadi
Dapat dilihat rata rata perubahan inlasi actual dan inflasi yang tidak
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
menunjukan nilai konsisten menurun dari tahun 2017 bernilai (-0,68) menjadi
Kurs yang tidak diharapkan yang diperoleh dari selisih antara perubahan Kurs
diharapkan
93
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
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.
0,136 persen dan cenderung stabil sedangkan rata-rata perubahan kurs yang
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
dengan perubahan kurs yang tidak diharapkan terendah dan tertinggi terjadi
Dapat dilihat rata rata perubahan kurs actual,kurs yang diharapkan dan
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
perubahan tingkat SBI yang tidak diharapkan yang diperoleh dari selisih
antara perubahan tingkat SBI aktual dengan perubahan tingkat SBI yang
diharapkan.
diharapkan
SBI yang diharapkan, dan perubahan tingkat SBI yang tidak diharapkan dapat
Tabel 4. 10 Δ SBI Aktual, Δ SBI yang Diharapkan, dan Δ SBI yang Tidak
diharapkan Periode 2017-2021
97
tahun 2017-2021 sebesar 0,38 persen, dimana perubahan tingkat SBI aktual
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
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
JUB yang tidak diharapkan yang diperoleh dari selisih antara perubahan JUB
diharapkan
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
diharapkan Periode 2017-2021
terjadi pada bulan Januari 2019 yaitu sebesar -5,5598 persen dan perubahan
JUB aktual tertinggi terjadi pada bulan Maret 2020 yaitu sebesar 9,5143
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
dan tertinggi dengan perubahan JUB yang tidak diharapkan terendah dan
Dapat dilihat rata rata perubahan JUB aktual dan JUB yang tidak
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
sistematis pada CAPM, pada model APT risiko sistematis diperoleh dari
(βInf) AALI 2017 = kovarian (Ri 2017, Inf 2017)/varian (Inf 2017)
(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.
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
No Saham Tahun β*F Inflasi β*F Kurs β*F SBI β*F JUB
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
No Saham Tahun β*F Inflasi β*F Kurs β*F SBI β*F JUB
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
tersebut.
memasukkan beberapa faktor yaitu, return saham individu (Ri), return aset
bebas risiko (Rf), risiko sistematis saham (β), dan variabel makroekonomi
107
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
Rata-Rata Return dan Expected Return APT setiap tahun selama 2017-
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
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
membaik(+) namun E(Ri) Pada tahun 2019 menurun (-) sejalan dengan Beta
disebabkan oleh inflasi yang menigkat dengan beta inflasi (+) yang
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
investasi.
inflasi, kurs, suku bunga bank Indonesia dan jumlah uang beredar
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
keseluruhan retrun market (IHSG) juga diperoleh langsung dari nilai return
nilai dan angka dengan return saham. . Pandemi Covid-19 juga membuat
terjadinya anomali dikarena ketika inflasi turun dan suku bunga juga turun
masing-masing model. Model yang memiliki nilai MAD yang lebih kecil
berarti lebih akurat dibandingkan dengan model yang memiliki nilai MAD
t|
112
sebagai berikut.
masing model. Nilai MAD Saham Sektor Pertanian Periode 2017-2021 dapat
0,06628 sedangkan rata-rata MAD APT adalah sebesar 0,11827. Hal ini
periode 2017 sampai dengan 2021, hal ini dikarenakan nilai MAD CAPM
inflasi, kurs, suku bunga bank Indonesia dan jumlah uang beredar
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
dikarena ketika inflasi turun dan suku bunga juga turun namun yang
CAPM dan Absolute Deviation APT perlu dilakukan uji normalitas data. Uji
115
normal atau tidak. Uji normalitas yang digunakan pada penelitian ini adalah
uji Normalitas Kolmogorov pada software SPSS 25. Hasil dari uji normalitas
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
Sumber: Data diolah dari MAD CAPM dan APT menggunakan SPSS
(lampiran 18)
Berdasarkan Tabel 4.18 (Paired Sample Statistics) dapat dilihat bahwa
mean rank MAD CAPM adalah sebesar .0662806, sementara mean rank
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
atau tidak maka dapat dilihat pada tabel hasil uji Paired Sample Test berikut.
Paired Differences
Sumber: Data diolah dari MAD CAPM dan APT menggunakan SPSS
(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
model CAPM dan APT dalam memprediksi return saham perusahaan sektor
untuk mengukur return bebas risiko (Rf), dan Indeks Harga Saham Gabungan
(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
kecendrungan jika pergerakan harga saham yang tidak baik sementara jika
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
CAPM dalam periode lima tahun melihatkan keakurasian model ini dimana
risiko sistematis berupa return market dan risk free. Dari sini dapat
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.
return saham Syariah di Jakarta Islamic Index (JII) dan return saham
konvensional di Bursa Efek Indonesia (LQ 45). Sesuai dengan teori (Bodie.
Asset Pricing Model mempunyai tingkat akurasi yang cukup tinggi pada
ini variabel makroekonomi yang digunakan ialah. inflasi, kurs, suku bunga
(APT) melihatkan nilai yang beragam. Nilai Expected Return E(Ri) yang
yang sudah ada sesuai dengan return yang diinginkan namun ini sangat
jarang terjadi karena berubah terusnya harga saham di pasar. Expected Return
secara kumulatif melihatkan nilai yang positif maka expected return yang
yang negative maka expected return yang diharapkan akan lebih kecil
Expected Return Model APT Periode 2017-2021. Nilai Negatif dan Positif
Inflasi, Kurs, SBI dan JUB mempengaruhi dan sejalan dengan return yang
kita tidak dapat mengetahui secara persis variabel mana yang paling
ke aset yang minim pengaruh seperti logam mulia, suku bunga yang
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
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
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
mad CAPM dan mad APT pada Tabel 4. 15 nilai Sig. (2-tailed) = 0,50 ≤ 0,05
antara Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory
lebih kecil dibandingkan dengan nilai MAD APT. yang artinya metode
normalitas sampel berpasangan antara MAD CAPM dan MAD APT memiliki
nilai sig = 0.05, yang menunjukkan bahwa antara Capital Asset Pricing
ini adalah perubahan tingkat inflasi, perubahan tingkat SBI, perubahan kurs
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
internal yakni return market dari perusahaan itu sendiri. Sedangkan untk
suku bunga Sbi, Kurs, dan jumlah uang beredar. Jadi dapat terlihat
menunjukkan nilai sig = 0.000 yang artinya ada perbedaan antara CAPM
Hasil ini sesuai dengan penelitian terdahulu oleh Dwi Ayu Putri (2017)
manufaktur sebelum dan semasa krisis. Hasil penelitian ini konsisten dengan
124
Hasil Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh
signifikansi sebesar 0,216> 0,05 artinya tidak ada perbedaan yang signifikan
antara return saham model CAPM dengan return saham model APT, hal ini
sample t-test.
.
BAB V
PENUTUP
5.1 Kesimpulan
disimpulkan:
GZCO dan SGRO memperlihatkan nilai E(RI) yang lebih baik dari
122
123
5.2 Saran
untuk berinvestasi.
124
DAFTAR PUSTAKA
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