IHSG, perubahan tingkat Inflasi, perubahan tingkat suku bunga SBI, Kurs nilai tukar rupiah, dan jumlah uang yang beredar M1 yang semuanya
adalah data bulanan dalam jangka waktu empat tahun 2004-2007. Untuk melengkapi data juga diambil dari media massa seperti jurnal, koran, dan
internet.
D. Metode Analisis
Penelitian ini menggunakan model analisis perbandingan selisih dua rata-rata uji beda dua rata-rata dengan menggunakan uji t student yang
terdapat dalam software Minitab 14. Model analisis perbandingan selisih dua rata-rata ini digunakan untuk mencari perbedaan keakuratan model CAPM dan
APT dalam memprediksi return saham LQ-45. Analisis yang digunakan pada penelitian ini seperti analisis pada
penelitian sebelumnya yaitu, penelitian Gancar Premananto dan Muhammad Madyan 2004:41 menggunakan tahap-tahap sebagai berikut :
1. Capital Asset Pricing Model CAPM
a. Periode pengujian untuk menguji perbedaan keakuratan model CAPM
dan APT dalam memprediksi return saham LQ-45 adalah dari tahun 2004 sampai dengan 2007.
b. Menghitung return saham yang sesungguhnya aktual perusahaan-
perusahaan LQ-45 2004-2007. c.
Menghitung return pasar market return periode 2004-2007. d.
Menghitung beta β dengan menggunakan rumus market model yang
meregresikan antara return saham yang sesungguhnya actual return
dengan return pasar market return periode 2004-2007. e.
Setelah beta β masing-masing perusahaan diperoleh kemudian
membentuk sebuah model persamaan berdasarkan model CAPM periode 2004-2007.
f. Melakukan uji normalitas data dan uji dasar asumsi klasik
1 Uji Normalitas Data
Menurut Gozali 2005:110, pengujian normalitas data adalah pengujian tentang kenormalan distribusi data. Uji
normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen dan variabel independen ataupun keduanya
mempunyai distribusi yang normal atau tidak. Uji menguji normalitas residual adalah uji statistik non-
parametrik Kolmogorov-sumirnov K-S. Uji K-S dilakukan dengan membuat hipotesis:
H : Data residual berdistrbusi normal
Ha : Data residual tidak berdistribusi normal Kriteria pengujian uji Kolmogorov-Sumirnov:
a Angka signifikansi Uji Kolmogorov-Smirnov Sig 0.05,
maka data berdistribusi normal. b
Angka signifikansi Uji Kolmogorov-Smirnov Sig 0.05, maka data tidak berdistribusi normal.
2 Uji Dasar Asumsi Klasik
Asumsi dasar klasik adalah bahwa hubungan antara variabel
independen dengan variabel dependen bersifat linier serta tidak terjadi autokorelasi, heterokedastisitas, dan multikolinearitas
diantara variabel independen dalam regresi tersebut. Oleh karena itu, diperlukan pengujian dan pembersihan terhadap pelanggaran
asumsi dasar jika memang terjadi. Dalam hal ini yang menjadi variabel dependen adalah return saham tiap perusahaan LQ-45 dan
variabel independen untuk model CAPM terdiri atas return market yang didapat dari data IHSG. Pengujian-pengujian asumsi dasar
klasik terdiri dari: a
Uji Multikolinearitas Menurut Gozali 2005:89, uji Multikolinearitas ini
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Untuk
mendeteksi adanya multikolinearitas dapat dilihat dari besarnya VIF Variance Inflation Factor dan tolerance. Kedua ukuran
ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya.
Pedoman suatu model regresi yang terbebas dari gejala multikolinearitas adalah :
- Mempunyai nilai VIF 10 - Mempunyai angka tolerance mendekati 0.10
b Uji Autokorelasi Salah satu asumsi dari model regresi linear klasik
adalah bahwa tidak ada autokorelasi serial autocorrelation or serial correlation antara kesalahan pengganggu. Autokorelasi
dapat didefinisikan pula terjadinya korelasi di antara data pengamatan sebelumnya, dengan kata lain bahwa munculnya
suatu data dipengaruhi oleh data sebelumnya. Tujuan dari autokorelasi adalah untuk menguji apakah dalam model linear
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1. sebelumnya jika terjadi
korelasi maka dinamakan ada problem autokorelasi. Terjadinya autokorelasi atau tidak dapat dilihat melalui
Durbin-Watson. Panduan mengenai Durbin-Watson untuk mendeteksi autokorelasi dapat dilihat pada buku statistik yang
relevan. Bila DW terletak diantara du d 4-du maka dapat dikatakan tidak terjadi autokorelasi baik positif maupun
negatif, atau jika nilai d mencapai sekitar 2 dimana du adalah batas atas dan dl adalah batas bawah.
- 0 d du : ada autokorelasi positif
- dl d du : ragu-ragu ada autokorelasi inconclusive
- du d 4-dl : ragu-ragu ada autokorelasi negatif - 4-dl d 4 : ada autokorelasi negatif
c Uji Heterokedastisitas Heteroskedastisitas adalah suatu keadaan dimana varian
dari kesalahan pengganggu tidak konstan untuk semua nilai
variabel bebas. Uji heteroskedastisitas ini bertujuan untuk menguji apakah dalam model regresi ketidaksamaan varian dari
residual suatu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain
tetap maka disebut Homoskedastisitas dan bila berbeda disebut heteroskedastisitas.
Menurut gozali 2005:105 ada beberapa cara untuk mendeteksi ada tidaknya heteroskedastisitas, antara lain :
- Melihat grafikplot antara nilai prediksi variabel terikat ZPRED dengan residualnya SRESID. Deteksi ada
tidaknya heteroskedastisitas dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan
ZPRED dimana sumbu X dan Y yang telah diprediksi dan sumbu Y adalah residual Y prediksi - Y sesungguhnya
yang telah distudentized. - Dasar analisis, jika ada pola tertentu seperti titik-titik yang
ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit maka telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas serta titik menyebar diatas dan dibawah angka 0 pada
sumbu Y maka tidak terjadi heteroskedastisitas. g. Menghitung return saham yang diharapkan expected return dengan
menggunakan model CAPM yang telah dihasilkan dari langkah e.
2. Arbitrage Pricing Theory APT a. Menentukan periode estimasi 2001-2003 untuk mengukur parameter
alpha dan beta masing-masing saham. Periode pengujian untuk menguji perbedaan keakuratan model CAPM dan APT dalam
memprediksi return saham LQ-45 adalah dari tahun 2004 sampai dengan 2007.
b. Menghitung return saham yang sesungguhnya aktual perusahaan- perusahaan LQ-45 2004-2007.
c. Menghitung a, b
1
, b
2
, b
3
, b
4
, untuk model APT multi index model pada perusahaan-perusahaan LQ-45.
i. Melakukan uji normalitas data dan uji dasar asumsi klasik
1 Uji Normalitas Data Menurut Gozali 2005:110, Pengujian normalitas data
adalah pengujian tentang kenormalan distribusi data. Uji normalitas bertujuan untuk menguji apakah dalam model regresi
variabel dependen dan variabel independen ataupun keduanya mempunyai distribusi yang normal atau tidak.
Uji menguji normalitas residual adalah uji statistik non- parametrik Kolmogorov-sumirnov K-S. Uji K-S dilakukan
dengan membuat hipotesis: H
: Data residual berdistrbusi normal Ha : Data residual tidak berdistribusi normal
Kriteria pengujian uji Kolmogorov-Sumirnov:
- Angka signifikansi Uji Kolmogorov-Smirnov Sig 0.05 maka data berdistribusi normal.
- Angka signifikansi Uji Kolmogorov-Smirnov Sig 0.05, maka data tidak berdistribusi normal.
2 Uji Dasar Asumsi Klasik Asumsi dasar klasik adalah bahwa hubungan antara variabel
independen dengan variabel dependen bersifat linier serta tidak terjadi autokorelasi, heterokedastisitas, dan multikolinearitas
diantara variabel independen dalam regresi tersebut. Oleh karena itu, diperlukan pengujian dan pembersihan terhadap pelanggaran
asumsi dasar jika memang terjadi. Dalam hal ini yang menjadi variabel dependen adalah return saham tiap perusahaan LQ-45 dan
variabel independen dari model APT terdiri atas: Inflasi aktual, bunga aktual, jumlah uang yang beredar aktual, kurs aktual.
Pengujian-pengujian asumsi dasar klasik terdiri dari : a Uji Multikolinearitas
Dalam penelitian sebelumnya untuk model APT menggunakan metode Ordinary Last Square OLS yaitu untuk
pengujian multikolinearitas dilakukan untuk mengetahui apakah terdapat hubungan antar variabel bebas dalam model
regresi linier berganda. Menurut Singgih Santoso dalam laporan penelitian Gancar Premananto dan Muhammad
Madyan 2004:4
pengujian ini
dilakukan dengan
menggunakan matriks korelasi person dari mdel regresi yang digunakan. Multikolinearitas terjadi apabila koefisien korelasi
person antar variabel bebas atau kurang dari ± 0.5. b Uji Autokorelasi
Salah satu asumsi dari model regresi linear klasik adalah bahwa tidak ada autokorelasi serial autocorrelation or
serial correlation antara kesalahan pengganggu. Autokorelasi dapat didefinisikan pula terjadinya korelasi diantara data
pengamatan sebelumnya, dengan kata lain bahwa munculnya suatu data dipengaruhi oleh data sebelumnya. Tujuan dari
autokorelasi adalah untuk menguji apakah dalam model linear ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1. sebelumnya jika terjadi korelasi maka dinamakan ada problem autokorelasi.
Terjadinya autokorelasi atau tidak dapat dilihat melalui Durbin-Watson. Panduan mengenai Durbin-Watson untuk
mendeteksi autokorelasi dapat dilihat pada buku statistik yang relevan. Bila DW terletak diantara du d 4 – du maka dapat
dikatakan tidak terjadi autokorelasi baik positif maupun negatif, atau jika nilai d mencapai sekitar 2 dimana du adalah
batas atas dan dl adalah batas bawah. - 0 d du
: ada autokorelasi positif - dl d du
: ragu-ragu ada autokorelasi inconclusive
- du d 4-dl : ragu-ragu ada autokorelasi negatif - 4-dl d 4 : ada autokorelasi negatif
c Uji Heterokedastisitas Heteroskedastisitas adalah suatu keadaan dimana varian
dari kesalahan pengganggu tidak konstan untuk semua nilai variabel bebas. Uji heteroskedastisitas ini bertujuan untuk
menguji apakah dalam model regresi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain. Jika
varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut Homoskedastisitas dan bila berbeda disebut
heteroskedastisitas. Dalam laporan penelitian Gancar Premananto dan
Muhammad Madyan 2004:42 pengujian heterokedastisitas ditujukan untuk mengetahui apakah kesalahan pengganggu
ε
1
dari model regresi berganda tersebut membuat varians yang tidak sama. Menurut Rangkuti 1997:198, Uji gejala
heterokedastisitas dilakukan dengan menggunakan uji korelasi rank dari Spearman dengan ketentuan jika nilai korelasi rank
Spearman lebih besar daripada nilai kritis maka terjadi heterokedastisitas pada model regresi linear berganda tersebut,
sebaliknya jika nilai korelasi rank Spearman lebih kecil daripada nilai kritisnya, maka tidak terjadi heterokedastisitas.
e Menghitung return saham yang diharapkan expected return dengan
menggunakan model APT yang telah dihasilkan dari langkah c. Untuk mendapatkan return saham yang diharapkan expected return maka
harus dicari terlebih dahulu variabel-variabel makroekonomi yang digunakan untuk model APT. Dalam penelitian ini variabel yang
digunakan adalah perubahan tingkat inflasi yang tidak diharapkan, perubahan tingkat bunga SBI yang tidak diharapkan, perubahan
jumlah uang yang beredar yang tidak diharapkan, perubahan kurs yang tiak diharapkan. Variabel yang tidak diharapkan adalah selisih antara
variabel aktualnya dengan variabel yang diharapkan. Untuk mendapatkan variabel yang diharapkan dihitung dengan menggunakan
metode ARIMA Box Jenkins untuk peramalan. Tahap untuk menentukan apakah model ARIMA tersebut
layak atau tidak, yaitu tahap pengujian model. Pada tahap ini dilakukan pengujian residual error term:
ε
t
= Y
t-1
-Y
t
, untuk meyakinkan bahwa residual bersifat random. Pengujian ini dilakukan
dengan Chi-Square X yang dikenal juga sebagai statistik Box Pierce Q. Jika nilai Q lebih besar dari X
2
untuk derajat kebebasan atau df k-p-q, maka model tersebut tidak layak. Pada penelitian ini untuk
mendapatkan variabel inflasi, bunga, uang, dan kurs maka menggunakan data historis yang sebelumnya selama tiga tahun
berturut-turut 2001-2003. Penelitian ini mengambil data periode estimasi 2001-2003 tidak seimbang dengan periode uji karena selain
keterbatasan data, pada penelitian sebelumnya juga mengambil
periode estimasi hanya tiga tahun berturut-turut 1991-1993 padahal periode pengujiannya pada periode I 1994-1997 dan periode II
1998-2001. 3. Menghitung rata-rata penyimpang absolut Mean Absolut Deviation atau
MAD yang terdapat untuk model CAPM dan APT dengan rumus sebagai berikut :
MAD = ∑ │ Ri – ERi │
n Keterangan :
MAD = Rata-rata penyimpangan absolut untuk model CAPM atau APT
E Ri = Return saham i yang diharapakan dengan model CAPM atau APT
Ri = Return saham i yang sesungguhnya actual return n = Jumlah data
4. Melakukan uji normalitas untuk hasil MAD
CAPM
dan MAD
APT
dengan menguji normalitas residual adalah uji statistik non-parametrik
Kolmogorov-sumirnov K-S. Uji K-S dilakukan dengan membuat hipotesis:
H : Data residual berdistrbusi normal
Ha : Data residual tidak berdistribusi normal Kriteria pengujian uji Kolmogorov-Sumirnov:
a. Angka signifikansi Uji Kolmogorov-Smirnov Sig 0.05 maka data
berdistribusi normal.
b. Angka signifikansi Uji Kolmogorov-Smirnov Sig 0.05 , maka data
tidak berdistribusi normal. 5. Menguji hipotesis, pengujian ini dilakukan untuk mengetahui apakah ada
perbedaan yang signifikan antara rata-rata penyimpangan absolut model CAPM MAD
CAPM
dengan rata-rata penyimpangan absolut model APT MAD
APT
untuk return saham LQ-45. Untuk menguji hipotesis maka menggunakan model analisis perbandingan selisih dua rata-rata uji beda
dua rata-rata dengan menggunakan uji t student two sample t-test yang terdapat dalam software Minitab 14. Model analisis perbandingan selisih
dua rata-rata ini digunakan untuk mencari perbedaan keakuratan model CAPM dan APT dalam memprediksi return saham LQ-45.
E. Operasional Variabel Penelitian
