3.5 Jenis Data
Jenis data yang digunakan dalam penelitian ini adalah dengan menggunakan data sekunder yaitu dalam bentuk time series yang bersifat kuntitatif dimana
datanya berbentuk angka-angka dan periode penelitian berkisar 1 Januari 2007 sampai 31 Desember 2011. Jumlah populasi yang digunakan dalam penelitian ini
adalah sebanyak 480 pengamatan yang teerdiri dari 60 time series dan 8 cross section 8 perusahaan. Sumber data yang digunakan dalam penelitian ini secara
umum merupakan data yang dipublikasikan oleh Bank Indonesia BI kota medan, www.bi.go.id dan www.yahoo.finance.com.
3.6 Metode Pengumpulan Data
Metode dan teknik pengumpulan data yang digunakan dalam penyusunan skripsi ini adalaha studi kepustakaan library search, yaitu penelitian yang
dilakukan melalui bahan-bahan kepustakaaan berupa tulisan ilmiah, jurnal, artikel dan penelitian ilmiah lainnya. Teknik pengumpulan data yang dilakukan melalui
metode purposive sampling dengan tujuan untuk mendapatkan sampel yang sesuai dengan kebutuhan penelitian. Metode purposive sampling merupakan metode
pengambilan sampel yang didasarkan pada beberapa kriteria: 1. Terdaftar di Bursa Efek Indonesia BEI selama periode 2007-2011.
2. Tersedianya laporan perdagangan saham setiap emiten setiap bulan selama periode 2007-2011, sebagai penunjuk bahwa saham aktif diperdagangkan
selama periode tersebut.
UNIVERSITAS SUMATERA UTARA
Dalam sektor pertambangan, terdapat 26 perusahaan yang sudah listed di Bursa Efek Indonesia, namun hanya 8 saham yang memenuhi kriteria tersebut.
Berikut disajikan dalam tabel berikut :
Tabel 3.1 Sampel Penelitian
No. Nama Perusahaan
Code
1 Bumi Resources, Tbk
BUMI 2
Delta Dunia Makmur, Tbk DOID
3 Tambang Batubara Bukit Asam Persero, Tbk
PTBA 4
Petrosea, Tbk PTRO
5 Medco Energi Internasional, Tbk
MEDC 6
Timah Persero, Tbk TINS
7 Citatah, Tbk
CTTH 8
Mitra Investindo, Tbk MITI
Sumber : Yahoo Finance
3.7 Teknik Analisis Data
Metode analisis yang digunakan dalam penelitian ini adalah analisis dengan menggunakan model regresi ekonometrika metode kuadrat terkecil atau Ordinary
Least Square OLS regresi linear berganda dan data panel dengan menggunakan model Fixed Effect Model. Analisis regresi ini merupakan suatu metode yang
digunakan dalam menganalisis hubungan antarvariabel. Dan hubungan antarvariabel ini dinyatakan dalam bentuk persamaan yang dinyatakan dalam
bentuk persamaan yang menghubungkan variabel terikat Y dengan beberapa variabel bebas X.
UNIVERSITAS SUMATERA UTARA
Untuk model multifaktor APT yang akan digunakan, penulis menggunakan dua model APT. Model APT tersebut adalah sebagai berikut :
R
i
= β
1
R
f
+ β
2
INF + β
3
VE + β
4
RER + β
5
JUB + € Ri
= Return portofolio saham pada sektor ke i Rf
= Imbal hasil asset bebas risiko β
= Slope kepekaan saham i terhadap faktor k INF
= Tingkat Inflasi di Indonesia KURS = Perubahan Nilai Tukar Rupiah terhadap US
VPS = Volume Perdagangan Saham
JUB = Jumlah Uang Beredar M2
SBI = Suku bunga
= Error Term Untuk pengujian model, langkah pertama yang dilakukan adalah
meregresikan tiap saham dengan masing- masing variabel dalam model APT dengan menggunakan Ordinary Least Square OLS. Model yang dihasilkan
dinyatakan signifikan apabila P Value dari F Stat lebih kecil dari level significance 5 dan setelah itu dilihat apakah model regresi memenuhi syarat
Best Unbiased Estimator BLUE untuk mengetahui apakah terdapat pelanggaran asumsi klasik di dalam model.
3.7.1 Uji Akar Unit
Uji akar unit ini bertujuan untuk melihat apakah suatu data sudah stasioner atau tidak. Data yang stasioner sangat penting untuk digunakan pada data yang
berbentuk time series karena data yang tidak stasioner bila diregres akan memunculkan regresi lancung, yaitu keadaan apabila antara variabel dependen
UNIVERSITAS SUMATERA UTARA
dan variabel independen sebenarnya tidak memiliki hubunganpengaruh. Pengujian untuk mengetahui ada tidaknya akar-akar unit ini dipergunakan Uji
Augmented Dickey Fuller ADF.
3.7.2 Uji Asumsi Klasik 3.7.2.1 Multikolinieritas
Pengujian asumsi klasik yang pertama adalah mengenai multikolinearitas. Sebuah model dikatakan mengalami multikolinieritas apabila terdapat hubungan
linear yang sempurna diantara beberapa atau semua variabel bebas dari semua variabel bebas dari suatu model regresi. Masalah ini dalam model sebenarnya
tidak dapat dihindari karena sulit untuk menemukan dua variabel bebas yang sama sekali tidak berkorelasi. Namun, yang perlu diperhatikan adalah apakah
multikolinearitas tersebut signifikan atau tidak. Akibat dari multikolinearitas adalah walaupun keberadaanya multikolinearitas tetap mampu menghasilkan
model dengan koefisien determinasi tinggi, namun sering kali variabel bebas
sedikit atau bahkan tidak ada yang signifikan. Pendeteksian mulitikolinearitas dapat dilakukan dengan cara :
1 Korelasi antarvariabel, artinya semakin tinggi nilai koefisien korelasi menunjukkan bahwa korelasi antarvariabel sangat erat, jika korelasi antar
variabel bebas melebihi 0.8 atau – 0.8 maka dapat diduga bahwa terdapat multikolinearitas antar variabel dalam model.
2 Korelasi Parsial, yaitu dengan estimasi regresi terhadap model awal dan kemudian dibandingkan dengan i untuk variabel lain dengan mengubah
variabel dependennya dan kemudian membandingkan nilainya nya.
UNIVERSITAS SUMATERA UTARA
Metode paling sederhana dalam mengatasi multikolinearitas adalah dengan mengeluarkan salah satu variabel yang berkorelasi kuat. Hal ini disebkan
kolinieritas merupkan hubungan linear antara variabel bebas denagn variabel lainnya, sehingga dengan mengeluarkan salah satu variabel tentu akan
mengatasi multikolinearitas.
3.6.2.2 Uji Autokorelasi
Digunakan untuk melihat apakah ada hubungan variabel-variabel dari serangkaian observasi yang diurutkan menurut waktu data
time series. Autokorelasi dapat terjadi bila nilai variabel masa lalu memiliki pengaruh
terhadap nilai variabel masa kini atau masa datang. Untuk menguji apakah hasil estimasi tidak mengandung autokorelasi, maka
digunakan Digunakan untuk melihat apakah ada hubungan variabel-variabel dari serangkaian observasi yang diurutkan menurut waktu data time series.
Autokorelasi dapat terjadi bila nilai variabel masa lalu memiliki pengaruh terhadap nilai variabel masa kini atau masa datang.
Untuk menguji apakah hasil estimasi tidak mengandung autokorelasi, maka digunakan Uji Durbin-Watson DW, dimana ditentukan terlebih dahulu besarnya
nilai kritis dari dan
berdasarkan jumlah pengamatan dari variabel independennya.
d = Dimana:
d = nilai Durbin Watson
UNIVERSITAS SUMATERA UTARA
Σe
i
= jumlah kuadrat sisa Dengan kriteria sebagai berikut:
1. Jika d dl, berarti terdapat autokorelasi positif 2. Jika d 4 – dl, berarti terdapat autokorelasi negatif
3. Jika du d 4 – dl, berarti tidak terdapat autokorelasi 4. Jika dl d du atau 4 – du, berarti tidak dapat disimpulkan
Uji DW secara umum sangat mudah untuk dilakukan, tetapi banyak peneliti yang lupa asumsi yang ada pada uji DW tersebut. Asumsi dari penggunaan uji
DW dalam menguji autokorelasi adalah: variabel independen adalah nonstokastik, variabel error berdistribusi normal dan model regresi tidak termasuk variabel lag.
Untuk mengatasi hal-hal tersebut sehingga muncullah test Breusch Godfrey test atau juga dikenal dengan LM test. Sehingga pengujian autokorelasi dalam
penelitian ini menggunakan Serial Correlation LM test dimana terlebih dahulu digunakan estimasi regresi kemudian dibandingkan nilai probabilitasnya dengan
tingkat signifikansi biasanya 5.
3.7.3 Uji Kesesuaian 3.7.3.1 Uji F Statistik
Uji F dilakukan untuk mengetahui pengaruh variabel independen secara keseluruhan atau bersama-sama terhadap variabel dependen.
Rumus untuk menghitung Keterangan: : :
= Koefisien determinasi
UNIVERSITAS SUMATERA UTARA
k = Jumlah variabel independen N = Jumlah Sampel
Pengujian ini menggunakan hipotesis : :
= =
..................................................................... = 0 tidak ada
pengaruh :
............................................................................ i = 1 Ada pengaruh
Kriteria Pengambilan Keputusan adalah : 1
: =
= diterima jika
artinya variabel independen secara bersama- sama tidak berpengaruhnyata terhadap variabel dependen.
2 :
diterima jika artinya variabel independen secara bersama
- sama berpengaruh nyata terhadap variabel dependen.
3.7.4 Analisis Data Panel
Setelah menggunakan analisis model regresi ekonometrika metode kuadrat terkecil atau Ordinary Least Square OLS regresi linear berganda penelitian ini
juga menggunakan analisis data panel. Data panel merupakan gabungan data cross section dan time series Panel pooled data. Regresi dengan menggunakan
data panel disebut model regresi data panel. Beberapa keuntungan yang diperoleh dengan menggunakan data panel yaitu: Data panel merupakan gabungan dua data
yakni data time series dan cross section yang mampu menyediakan data yang
UNIVERSITAS SUMATERA UTARA
lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari kedua gabungan data tersebut dapat
mengatasi masalah yang timbul ketika ada masalah penghilangan variabel ommited variabel.
Time series dalam penelitian ini berbentuk data bulanan mulai dari tahun 2007 sampai tahun 2011. Sehingga total pengamatan dari data time series adalah
sebanyak 60 pengamatan. Data Cross section dalam penelitian ini berjumlah 8 emiten perusahaan dimana merupakan jumlah emiten tersebut merupakan sampel
yang telah dipilih dari 26 rusahaan dengan kriteria yang sudah ditetapkan sebelumnya. Sebagai model penelitian data panel ini adalah sebagai berikut :
R
it
= α
+ β
1
INF
t
+ β
2
KURS
t
+ β
3
VPS
t
+ β
4
JUB
t
+ β
5
SBI
t
Banyaknya unit waktuyang ada dalam setiap unit emiten ini akan mencirikan data panel tersebut seimbang atau tidak. Jika setiap emiten dalam
+ € R
= Return portofolio saham untuk unit emiten ke-i dan waktu ke-t INF
= Tingkat inflasi untuk unit waktu ke-t KURS = Perubahan nilai tukar rupiah untuk unit waktu ke-t
VPS = Volume perdagangan saham untuk unit waktu ke-t
JUB = Jumlah uang beredar M2 untuk unit waktu ke-t
SBI = Suku bunga SBI untuk unit waktu ke-t
α = Koefisien Intersep
β = Koefisien Slope kepekaan saham i terhadap faktor k
€ = Error term i = Emiten saham
t = Waktu pengamatan
UNIVERSITAS SUMATERA UTARA
setiap observasi mempunyai data dengan waktu yang sama maka data panel dikatakan seimbang balanced panel data, dan sebaliknya.
3.7.4.1 Model Data Panel
Dalam mengestimasi parameter dari persamaan dengan data panel, ada tiga model persamaan yang dapat diambil, diantaranya adalah Model Efek Tetap dan
Model Efek Random. 1 Model Efek Tetap Fixed Effect Model
Model ini dikembangkan oleh Breusch Pagan Agus Widarjono, 2006:260. Pada dasarnya setiap individu yang diobservasi memiliki karakteristik yang
berbeda-beda cross section. Salah satu cara mengetahui adanya perbedaan adalah dengan mengasumsikan bahwa intersepnya berbeda antar setiap
perusahaan sedangkan slope koefisien dari regresi tidak berbeda pada setiap individu dan waktu.
2 Model Efek Random Random Effect Model Pada model ini, bukan dicerminkan oleh perbedaan intercept atau konstanta,
tetapi perbedaan antar individu terdapat di error term dari persamaan. Metode FEM mempunyai keunggulan yaitu metode ini dapat membedakan efek individual
dan efek waktu dan metode ini tidak perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas.
UNIVERSITAS SUMATERA UTARA
Pakar ekonometrika menyimpulkan beberapa hal setelah membuat pembuktian dalam menentukan metode yang paling sesuai digunakan dalam data
panel, yaitu : 1 Dalam data panel, jika jumlah runtun waktu lebih besar dibandingkan jumlah
individu, maka disarankan untuk menggunakan metode FEM. 2 Dalam data panel, jumlah runtun waktu lebih sedikit dibandingkan jumlah
individu, maka lebih disarankan untuk menggunakan metode REM. 3 Dalam penelitian ini jumlah waktu time series lebih besar daripada jumlah
individu cross section yaitu jumlah waktu sebanyak 60 lebih besar daripada jumlah individu 8, sehingga dapat disimpulkan bahwa model yang digunakan
dalam penelitian ini adalah Model Efek Tetap Fixed Effect Model.
UNIVERSITAS SUMATERA UTARA
BAB IV Hasil Penelitian dan Pembahasan
Dalam bab ini akan diuraikan hal-hal yang berkaitan dengan data-data yang telah diperoleh dan dikumpulkan, serta hasil pengolahan data dan pembahasan
dari data yang telah diolah. Adapun urutan dari hasil penelitian dan pembahasan ini secara sistematis adalah deskripsi umum hasil penelitian variabel
makroekonomi dan masing-masing emiten, pergerakan return pasar, uji stastioner data, dan pengujian asumsi klasik, analisis data berupa hasil regresi, dan
pengujian variabel independen dan variabel dependen.
4.1 Statistik Deskriptif Masing-masing Emiten
Langkah awal pengujian statistik dalam penelitian ini adalah melakukan pengujian statistik dari masing-masing emiten perusahaan yang menjadi variabel
terikat. Dalam penelitian ini membahas return perusahaan sektor pertambangan, dimana ada terdapat 26 perusahaan namun hanya 8 delapan perusahaan yang
memenuhi syarat kelengkapan data. Berikut dijelaskan statistik deskriptif masing- masing return saham emiten.
UNIVERSITAS SUMATERA UTARA
Tabel 4.1 Deskriptif Statistik Emiten Perusahaan
Periode 2007-2011
Mean Maximum Minimum Std.Dev
Observations RBUMI
0.038781 0.80487
-0.53563 0.233516
60 RDOID
0.041133 0.92
-0.416 0.23985
60 RPTBA
0.041216 0.40740
-0.41444 0.15589
60 RPTRO
0.053322 1.525
-0.31111 0.251078
60 RMEDC
0.002927 0.286624
-0.42069 0.127091
60 RTINS
0.011878 0.471698
-0.91941 0.195836
60 RCTTH
0.019038 0.775
-0.2069 0.13646
60 RMITI
0.024728 0.705426
-0.33636 0.199031
60 RIHSG
0.016569 0.201315
-0.31421 0.079592
60 Sumber:Hasil Pengolahan Data
Gambar 4.1 PT. Bumi Resources, Tbk
Perbandingan pergerakan return BUMI dan IHSG
Sumber:Hasil Pengolahan data
-0.6 -0.4
-0.2 0.0
0.2 0.4
0.6 0.8
1.0
2007 2008
2009 2010
2011 RB UMI
RIHS G
UNIVERSITAS SUMATERA UTARA
Dari grafik diatas, dapat diketahui bahwa tingkat pengembalian return BUMI masih berada diatas return pasar IHSG, hal ini terlihat jelas pada tahun
2009 dimana return bumi menjadi return yang tertinggi maximum selama periode pengamatan yaitu sebesar 80.48, dan dan rata-rata return bumi lebih
besar 3,87 dibanding dengan return pasar yang hanya sekitar 1,65 . Namun disisi lain ternyata tingkat risiko bumi juga menunjukkan angka yang cukup tinggi
pula yaitu sekitar 23,35 . Ini menunjukkan bahwa semakin tinggi tingkat keuntungan suatu saham, maka tingkat resiko juga semakin besar
Gambar 4.2 PT. Delta Dunia Makmur, Tbk
Perbandingan pergerakan return DOID dan IHSG
-0.6 -0.4
-0.2 0.0
0.2 0.4
0.6 0.8
1.0
2007 2008
2009 2010
2011 RDOID
RIHSG
Sumber:Hasil Pengolahan data Untuk DOID, menunjukkan pada umumnya return saham DOID ini masih
berada di atas return pasar. Ini terlihat dari nilai rata-rata DOID yang menunjukkan rata-rata return DOID sebesar 4.11 sedangkan nilai rata-rata
return pasar hanya berkisar 1,65. Walaupun bila diperhatikan pada periode tahun 2008 return DOID sempat mengalami penurunan yang cukup jauh bahkan
UNIVERSITAS SUMATERA UTARA
mencapai titik terendah selama periode penelitian yaitu minus 0.53, namun demikian tingkat resikonya juga cukup tinggi yaitu sebesar 23.35. Meskipun
demikian beberapa tahun kemudian terjadi kenaikan return yang cukup meningkat yaitu pada tahun 2009 sekitar 92, menunjukkan saham ini sangat diminati
dipasaran.
Gambar 4.3 PT. Tambang Batubara Bukit Asam, Tbk
Perbandingan pergerakan return PTBA dan IHSG
-.6 -.4
-.2 .0
.2 .4
.6
2007 2008
2009 2010
2011 RPTBA
RIHSG
Sumber:Hasil Pengolahan data Dari grafik diatas dapat disimpulkan bahwa rata-rata return PTBA lebih
besar dibandingkan dengan return pasar pada awal hingga pertengahan periode pengamatan. Dapat dilihat dibeberapa tahun periode penelitian return PTBA
mengalami kenaikan yang cukup tinggi dari return pasar hingga mencapai tingkat tertinggi maximum sebesar 44,58. Jika dilihat dari periode pengamatan, lebih
baik memilih saham IHSG karena rata-rata return PTBA lebih besar.
UNIVERSITAS SUMATERA UTARA
Gambar 4.4 PT. Petrosea, Tbk
Perbandingan pergerakan return PTRO dan IHSG
-0.4 0.0
0.4 0.8
1.2 1.6
2007 2008
2009 2010
2011 RPTRO
RIHS G
Sumber:Hasil Pengolahan data Return perusahaan petrosea ini, mengalami return tertinggi maximum jauh
melebihi return pasar pada awal tahun 2009 , sehingga bila disimpulkan nilai rata- rata return saham PTRO ini masih lebih tinggi dari return saham pasar. Ini
menyimpulkan bahwa harga saham PTRO ini masih lebih tinggi dari harga pasar di beberapa waktu selama periode pengamatan.
Gambar 4.5 PT Medco Energi Internasional, Tbk
Perbandingan pergerakan return MEDC dan IHSG
-.5 -.4
-.3 -.2
-.1 .0
.1 .2
.3
2007 2008
2009 2010
2011 RMEDC
RIHS G
Sumber:Hasil Pengolahan data
UNIVERSITAS SUMATERA UTARA
Berdasarkan grafik diatas, dapat dilihat bahwa pergerakan return saham MEDC dengan return pasar menunjukkan pergerakan yang berfluktuatif. Pada
tahun 2008 return saham perusahaan menunjukkan nilai tertinggi dari return pasar, namun pada akhir tahun itu juga menunjukkan penurunan nilai dengan
return dan mencapai titik terendah selama periode penelitian. Namun, bila dilihat nilai rata-rata perbandingan antara retun saham dengan return pasar, return saham
MEDC masih berada diatas return pasar walaupun tidak terlalu tinggi.
Gambar 4.6 PT Timah Persero, Tbk
Perbandingan pergerakan return TINS dan IHSG
-1.0 -0.8
-0.6 -0.4
-0.2 0.0
0.2 0.4
0.6
2007 2008
2009 2010
2011 RTINS
RIHSG
Sumber:Hasil Pengolahan data Pada awal tahun pengamatan, return saham TINS menunjukkan nilai yang
lebih tinggi dari return pasar. Namun pada tahun 2008, mencapai titik terendah lebih rendah dari return pasar yaitu minus 0.91 sedangkan return pasar
mencapai titik terendah sebesar -0.31. Bila dilihat secara keseluruhan selama periode pengamatan return pasar lebih tinggi dari return TINS.
UNIVERSITAS SUMATERA UTARA
Gambar 4.7 PT Citatah, Tbk
Perbandingan pergerakan return CTTH dan IHSG
-.4 -.2
.0 .2
.4 .6
.8
2007 2008
2009 2010
2011 RC TTH
RIHS G
Sumber:Hasil Pengolahan data
Pada saham CCTH, votalitasnya cukup tinggi. Return CTTH pada awal pengamatan menunjukkan return yang tinggi hingga mencapai titik return
maksimal selama periode pengamatan yaitu sebesar 77.5 dengan tingkat resiko sebesar 13 menunjukkan high risk high return, dan bila dilihat nilai return rata-
rata saham RCTTH lebih tinggi dari return pasar.
Gambar 4.8 PT Mitra Investindo, Tbk
Perbandingan pergerakan return MITI dan IHSG
-.4 -.2
.0 .2
.4 .6
.8
2007 2008
2009 2010
2011 RMITI
RIHSG
Sumber:Hasil Pengolahan data
UNIVERSITAS SUMATERA UTARA
Untuk MITI, memiliki nilai return tertinggi pada awal periode pengamatan sebesar 70.54, sedangkan return pasar selama periode pengamatan memiliki
nilai return sebesar tertinggi 20.01. Apabila dibandingkan nilai rata-rata kedua return saham ini, return saham TINS memiliki return saham yang lebih tinggi
dari return pasar terpaut sekitar 8 sebesar 24.72. Tingkat resikonya sebesar 19.90. Jika dilihat secara keseluruhan masih lebih menguntungkan jika
melakukan investasi di IHSG karena resikonya lebih kecil.
4.2 Statistik Deskripstif Variabel Makroekonomi Tabel 4.2
Kategori