Teknik Pengumpulan Data Koefisien Determinasi Uji Simultan Uji F

No Kode Nama Perusahaan 1 ALKA Alakasa Industrindo, Tbk 2 ALMI Alumindo Light Metal Industry, Tbk 3 BTON Betonjaya Manunggal, Tbk 4 CTBN Citra Tubindo, Tbk 5 GDST Gunawan Dianjaya Steel, Tbk 6 INAI Indal Aluminium Industry, Tbk 7 ITMA Sumber Energi Andalan, Tbk 8 JKSW Jakarta Kyoi Steel Works, Tbk 9 JPRS Jaya Pari Steel, Tbk 10 KRAS Krakatau Steel, Tbk 11 LION Lion Metal Works, Tbk 12 LMSH Lionmesh Prima, Tbk 13 MYRX Hanson International, Tbk 14 NIKL Pelat Timah Nusantara, Tbk 15 PICO Pelangi Indah Canindo, Tbk 16 TBMS Tembaga Mulia Semanan, Tbk Sumber : www.idx.co.id

3.6 Teknik Pengumpulan Data

Dalam penelitian ini pengumpulan data dilakukan dengan menggunakan teknik dokumentasi. Data yang digunakan adalah data sekunder yang diperoleh dari situs Bursa Efek Indonesia yang terdiri dari : 1. Data harga saham peroleh dari situs Bursa Efek Indonesia www.idx.go.id. 2. Data IHSG peroleh dari situs Bursa Efek Indonesia www.idx.go.id. Universitas Sumatera Utara 3. Data suku bunga BI di peroleh dari situs Bank Indonesia www.bi.go.id.

3.7 Metode Analisis Data

Metode analisis data dalam penelitian ini adalah regresi linier berganda multiple linier regression method dan uji beda pired sample t-test. Setelah dilakukan pengujian regresi berganda dilakukan pengujian uji beda. Pengujian ini dilakukan untuk mengetahui apakah ada perbedaan yang signifikan model CAPM dengan APT. Seluruh analisis dilakukan dengan bantuan Software SPSS Statistical Package Social Science.

3.7.1 Pengujian Asumsi Klasik

Persamaan regresi Ordinary Least Square OLS harus bersifat BLUE Best Linier Unbiased Estimator, artinya pengambilan keputusan melalui uji t tidak boleh bias. Syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah uji Normalitas, Multikolinieritas, Autokorelasi dan Heteroskedastisitas.

3.7.1.1 Uji Normalitas

Uji Normalitas bertujuan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng dan distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Untuk menguji apakah sampel penelitian merupakan jenis Universitas Sumatera Utara distribusi normal maka digunakan pengujian Kolmogorov-Smirnov Goodness of Fit Test terhadap masing-masing variabel. Fungsi pengujian suatu data dikategorikan sebagai distribusi normal atau tidak adalah sebagai alat membuat kesimpulan populasi berdasarkan data sampel Tingkat signifikasi α yang digunakan adalah 5 dengan kriteria pengujian sebagai berikut Santoso, 2007:392 : • Jika Probabilitas 0.05, maka distribusi normal • Jika Probabilitas 0.05, maka distribusi tidak normal

3.7.1.2 Uji Multikolinieritas

Multikolinieritas berarti adanya hubungan linier yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan dari model regresi. Untuk mendeteksi ada atau tidaknya multikolinearitas dapat dilakukan dengan melihat toleransi variabel dan Variante Inflation Factor VIF dengan membandingkan sebagai berikut Ghozali, 2005:96:  Jika VIF 10 dan Tolerance 0,10 maka tidak terjadi multikolinearitas  Jika VIF 10 dan Tolerance 0,10 maka terjadi multikolinearitas

3.7.1.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka Universitas Sumatera Utara dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain atau munculnya data dipengaruhi oleh data sebelumnya. Salah satu metode yang sering digunakan untuk menguji ada tidaknya autokorelasi adalah dengan uji statistik d dari Durbin-Watson. Ghozali, 2005:32 - Apabila nilai Durbin-Watson DW-test terletak antara 0 dan batas bawah Lower Bound DL, berarti ada autokorelasi positif. - Apabila nilai Durbin-Watson DW-test terletak antara DL dan batas atas atau Uper Bound DU, berarti kita tidak dapat memutuskan apakah terjadi autokorelasi positif atau tidak. - Apabila nilai Durbin-Watson DW-test terletak antara 4-DL dan 4, berarti ada autokorelasi negatif. - Apabila nilai Durbin-Watson DW-test terletak antara 4-DU dan 4- DL, berarti kita tidak dapat memutuskan apakah terjadi autokorelasi negatif atau tidak.

3.7.1.4 Uji Heteroskedastisitas

Uji Heteroskedastisitas pengujian mengenai sama atau tidak varians dari residual satu pengamatan kepengamatan yang lain. Pengujiannya menggunakan grafik plots dengan menggunakan uji glestjer. Terjadi homoskedastisitas jika pada scatterplot titik-titik hasil pengolahan data antara Zpred dan Sresid menyebar dibawah maupun diatas titik origin angka 0 pada Universitas Sumatera Utara sumbu Y dan tidak mempunyai pola yang teratur. Terjadi heteroskedastisitas jika pada scatterplot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang Ghozali, 2005:125. 3.7.2 Pengujian Hipotesis

3.7.2.1 Persamaa Regresi Linier Berganda

Persamaan regresi linier berganda dilakukan untuk mengetahui arah hubungan dari setiap variabel bebas terhadap variabl terikatnya. Berdasarkan spesifikasi model regresi berganda maka model persamaan dalam penelitian ini adalah sebagai berikut : Y 1 = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + e Y 2 = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + e Dimana : Y 1 : Model CAPM Y 2 : Model APT α : Koefisien Konstanta β 1 - β 5 : Koefisien Regresi X 1 : Return Individu X 2 : Resiko Tidak Sistematis α X 3 : Resiko Tidak Sistematis β X 4 : Return Bebas Resiko RF X 5 : Return Pasar RM e : Error term Universitas Sumatera Utara

3.7.2.2 Uji F F-test

Untuk menguji signifikansi pengaruh dimensi variabel bebas secara serempak terhadap variabel terikat dilakukan dengan uji-F. Bentuk pengujiannya adalah sebagai berikut : a. Ho : b 1, b 2, b 3, b 4, b 5 = 0 tidak terdapat pengaruh yang signifikan secara serempak dari seluruh variabel bebas terhadap variabel terikat. b. Ha : b 1, b 2, b 3, b 4, b 5  0 terdapat pengaruh yang signifikan secara serempak dari seluruh variabel bebas terhadap variabel terikat. Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak dilakukan dengan cara membandingkan nilai F hitung dengan F tabel pada tingkat kepercayaan 95  = 0,05. Jika nilai F hitung F tabel , maka Ho ditolak dan Ha diterima sedangkan jika nilai F hitung  F tabel maka Ho diterima dan Ha ditolak.

3.7.2.3 Uji t t-test

Uji t adalah untuk menguji hipotesis secara parsial antara masing-masing variabel bebas terhadap variabel terikat. Bentuk pengujiannya adalah sebagai berikut : a. Ho : b 1, b 2, b 3, b 4, b 5 = 0 tidak terdapat pengaruh yang signifikan dari masing-masing variabel bebas terhadap variabel terikat. Universitas Sumatera Utara b. Ha : b 1, b 2, b 3, b 4, b 5  0 terdapat pengaruh yang signifikan dari masing- masing dimensi bebas terhadap variabel terikat. Untuk mengetahui apakah hipotesis yang diajukan diterima atau ditolak dilakukan dengan cara membandingkan nilai t hitung dengan t tabel pada tingkat kepercayaan 95  = 0,05. Jika nilai t hitung t tabel , maka Ho ditolak dan Ha diterima sedangkan jika nilai t hitung  t tabel maka Ho diterima dan Ha ditolak.

3.7.2.4 Uji Beda

Menurut Ghozali 2005:55 dan 56, menyatakan “Uji beda t- test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-rata berbeda. Uji beda t-test dilakukan dengan cara membandingkan perbedaan antara dua nilai rata-rata dengan standar error dari perbedaan rata-rata dua sampel. Menurut Sugiyono 2007:117, rumus uji beda dapat ditulis dengan formulasi berikut ini : X 1 – X 2 t = S gab 1 + 1 √ n 1 n 2 Universitas Sumatera Utara Keterangan : X 1 : Rata-rata CAPM X 2 : Rata-rata APT S gab : Varian gabungan n : Jumlah sampel Standar error perbedaan dalam nilai rata-rata terdistribusi secara normal. Jadi tujuan uji beda t-test adalah membandingkan rata-rata dua grup yang tidak berhubungan satu dengan yang lainnya. Apakah kedua grup tersebut mempunyai nilai rata-rata yang sama ataukah tidak sama secara sginifikan. Pengambilan keputusan : Jika probabilitas 0,05, maka H tidak dapat ditolak jadi variance sama Jika probabilitas 0,05, maka H ditolak jadi variance berbeda. BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian

4.1.1 Statistik Deskriptif

Universitas Sumatera Utara Statistik deskriptif digunakan untuk memberikan gambaran umum tentang data penelitian yang dijadikan sampel yang digunakan dalam penelitian. Statistik deskriptif pada penelitian ini difokuskan kepada nilai minimum, maksimum, rata-rata dan standar deviasi ditunjukkan Tabel 4.1: Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation CAPM 64 -3.92 .37 .0010 .51815 APT 64 -.45 22.26 .5758 2.88816 Return Individu 64 -.06 .56 .0151 .07756 Resiko Individu 64 .01 1.94 .1444 .24084 Resiko Sistematis 64 -3.03 61.81 1.2483 7.93318 Return Bebas Resiko 64 .06 .10 .0815 .01311 Return Pasar 64 .00 .02 .0095 .00590 Valid N listwise 64 Sumber: Hasil Penelitian, 2016 Data Diolah Berdasarkan hasil deskriptif pada Tabel 4.1 dapat dilihat bahwa jumlah pengamatan adalah sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Data yang akan digunakan dalam penelitian ini sangat bervariasi dengan kisaran yang sangat lebar yaitu antar nilai positif dengan nilai negatif. Hal ini mengindikasikan bahwa data penelitian ini kemungkinan memiliki distribusi yang tidak normal. Tabel 4.1. menunjukkan N CAPM perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Nilai rata-rata sebesar 0.0010 dimana terdapat 56 tahun data yang memiliki nilai di atas rata-rata, sisanya 8 tahun data berada dibawah nilai rata-rata. Standar deviasi sebesar 0.51815 Universitas Sumatera Utara dengan Nilai CAPM minimum adalah sebesar -3.92 ada pada perusahaan ALMI tahun 2013 dan nilai maksimum yakni sebesar 0.37 ada pada perusahaan TBMS tahun 2011 menunjukan penyebaran data sangat jauh heterogen. Tabel 4.1. menunjukkan N APT perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Nilai rata-rata sebesar 0.5758 dimana terdapat 61 tahun data yang memiliki nilai di atas rata-rata, sisanya 3 tahun data berada diatas nilai rata-rata. Standar deviasi sebesar 2.88816 dengan Nilai APT minimum adalah sebesar -0.45 ada pada perusahaan TBMS tahun 2011 dan nilai maksimum yakni sebesar 22.26 ada pada perusahaan ITMA tahun 2013 menunjukan penyebaran data sangat jauh heterogen. Tabel 4.1. menunjukkan N Return Individu Ri perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Nilai rata-rata sebesar 0.0151 dimana terdapat 42 tahun data yang memiliki nilai di atas rata-rata, sisanya 22 tahun data berada dibawah nilai rata-rata. Standar deviasi sebesar 0.07756 dengan Nilai Return Individu Ri minimum adalah sebesar -0.06 ada pada perusahaan JKSW tahun 2011 dan nilai maksimum yakni sebesar 0.56 ada pada perusahaan ITMA tahun 2013 menunjukan penyebaran data sangat jauh heterogen. Tabel 4.1. menunjukkan N Resiko Individu α perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Universitas Sumatera Utara Nilai rata-rata sebesar 0.1444 dimana terdapat 13 tahun data yang memiliki nilai di atas rata-rata, sisanya 51 tahun data berada dibawah nilai rata-rata. Standar deviasi sebesar 0.24084 dengan Nilai Resiko Individu α minimum adalah sebesar 0.01 ada pada perusahaan ALKA tahun 2012 dan nilai maksimum yakni sebesar 1.94 ada pada perusahaan ITMA tahun 2013 menunjukan penyebaran data sangat dekat homogen. Tabel 4.1. menunjukkan N Resiko Sistematis β perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Nilai rata-rata sebesar 1.2483 dimana terdapat 58 tahun data yang memiliki nilai di bawah rata-rata, sisanya 6 tahun data berada diatas nilai rata-rata. Standar deviasi sebesar 7.93318 dengan Nilai Resiko Sistematis β minimum adalah sebesar -3.03 ada pada perusahaan TBMS tahun 2011 dan nilai maksimum yakni sebesar 61.81 ada pada perusahaan ALMI tahun 2013 menunjukan penyebaran data sangat jauh heterogen. Tabel 4.1. menunjukkan N Return Bebas Resiko Rf perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Nilai rata-rata sebesar 0.0815 dimana terdapat 32 tahun data yang memiliki nilai di atas rata-rata, sisanya 32 tahun data berada dibawah nilai rata-rata. Standar deviasi sebesar 0.01311 dengan Nilai Return Bebas Resiko Rf minimum adalah sebesar 0.06 ada pada setiap perusahaan tahun 2013 dan nilai maksimum yakni sebesar 0.10 Universitas Sumatera Utara ada pada setiap perusahaan tahun 2011 menunjukan penyebaran data sangat dekat homogen. Tabel 4.1. menunjukkan N Return pasar RM perusahaan Industri Logam dan baja yang terdaftar di BEI tahun 2011-2014 adalah jumlah pengamatan sebanyak 64 data diperoleh dari 16 sample perusahaan selama 4 tahun penelitian. Nilai rata-rata sebesar 0.0095 dimana terdapat 48 tahun data yang memiliki nilai di atas rata-rata, sisanya 16 tahun data berada dibawah nilai rata-rata. Standar deviasi sebesar 0.00590 dengan Nilai Return pasar RM minimum adalah sebesar 0.0 ada pada setiap perusahaan tahun 2011 dan nilai maksimum yakni sebesar 0.02 ada pada setiap perusahaan tahun 2014 menunjukan penyebaran data sangat dekat homogen.

4.1.2 Uji Asumsi Klasik

Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala heteroskedastisitas, gejala multikolonieritas, dan gejala autokorelasi. Model regresi akan dapat dijadikan estimasi yang tidak bias jika telah memenuhi persyaratan BLUE Best Linear Unbiased Estimator yakni tidak terdapat heteroskedastisitas, tidak terdapat multikolonieritas dan tidak terdapat autokolerasi.

4.1.2.1 Uji Normalitas CAPM

Uji normalitas bertujuan untuk mengetahui apakah variabel dependen dan independen yang digunakan dalam penelitian mempunyai Universitas Sumatera Utara ditribusi normal atau tidak. Model regresi yang layak adalah model yang mempunyai distribusi normal atau mendekati normal. Hasil pengujian normalitas data dapat dilihat pada Gambar 5.1. Gambar 4.1. Normal P-Plot CAPM Sumber: Lampiran Output SPSS Pada grafik normal probility Gambar 4.1. menunjukkan titik-titik menjauhi garis diagonal dan hal ini menunjukkan bahwa residual tidak terdistribusi secara normal. Universitas Sumatera Utara Gambar 4.2. Normal P-Plot CAPM Setelah Dilakukan Scaning Sumber: Lampiran Output SPSS Pada grafik normal probility Gambar 4.2. menunjukkan titik-titik mendekati garis diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal. Uji Kolmogorov-Smirnov dapat dilakukan untuk menguji apakah residual terdistribusi secara normal. Hasil uji Kolmogorov-Smirnov tampak dibawah ini: Universitas Sumatera Utara Tabel 4.2. One-Sample Kolmogorov-Smirnov Test CAPM Unstandardized Residual N 57 Normal Parameters a Mean .0000000 Std. Deviation .00686640 Most Extreme Differences Absolute .134 Positive .093 Negative -.134 Kolmogorov-Smirnov Z 1.012 Asymp. Sig. 2-tailed .258 Berdasarkan uji Kolmogorov-Smirnov diperoleh nilai dari Unstandardized Residual sig. K-S 0.258 0,05. Oleh sebab itu, residual data tidak terdistribusi dengan normal.

4.1.2.2 Uji Normalitas APT

Berikut ini dijelaskan hasil uji normalitas data variabel APT. Hasil pengujian normalitas data dapat dilihat pada Gambar 5.3. Universitas Sumatera Utara Gambar 4.3. Normal APT P-Plot Setelah Transformasi Gambar pada tampilan Normal P-Plot memberikan pola distribusi normal dengan penyebaran secara merata mendekati garis diagonal. Uji statistik Kolmogorov Smirnov, yang merupakan pengujian yang paling valid atas normalitas. Pengujian ini dilakukan terhadap nilai yang dihasilkan dari setiap variabel dengan hasil yang terlihat pada Tabel 4.3. berikut: Tabel 4.3. One-Sample Kolmogorov-Smirnov Test APT Unstandardiz ed Residual N 64 Normal Parameters a Mean .0000000 Std. Deviation .61936371 Most Extreme Differences Absolute .099 Positive .090 Negative -.099 Kolmogorov-Smirnov Z .795 Asymp. Sig. 2-tailed .552 Universitas Sumatera Utara Sumber Lampiran Output SPSS Berdasarkan uji Kolmogorov-Smirnov pada data diperoleh nilai sig. dari Unstandardized Residual sebesar 0,552 0,05. Oleh sebab itu, residual data terdistribusi dengan normal sehingga layak untuk menggunakan statistik parametrik.

4.1.2.3 Uji Multikolonieritas Tabel 4.4 Hasil Uji Multikolonieritas CAPM

Model Collinearity Statistics Tolerance VIF 1 Constant Return Individu .810 1.234 Resiko Individu .767 1.305 Resiko SIstematis .779 1.284 Return Bebas Resiko .702 1.425 Return Pasar .790 1.265 Sumber Lampiran Output SPSS Uji multikolinieritas menunjukkan nilai tolerance 0,10 dan Variance Inflation Factor VIF 10. Hal ini menunjukkan bahwa variabel-variabel independen yang digunakan dalam penelitian ini tidak saling berkolerasi atau tidak ditemukan adanya kolerasi antar variabel independen. Universitas Sumatera Utara Tabel 4.5 Hasil Uji Multikolonieritas APT Model Collinearity Statistics Tolerance VIF 1 Constant Return Individu .115 8.716 Resiko Individu .114 8.740 Resiko SIstematis .921 1.086 Return Bebas Resiko .748 1.337 Return Pasar .726 1.378 Sumber Lampiran Output SPSS Uji multikolinieritas menunjukkan nilai tolerance 0,10 dan Variance Inflation Factor VIF 10. Hal ini menunjukkan bahwa variabel-variabel independen yang digunakan dalam penelitian ini tidak saling berkolerasi atau tidak ditemukan adanya kolerasi antar variabel independen.

4.1.2.4 Uji Heteroskedastisitas

Berikut ini hasil uji heteroskedasitas sesudah transformasi menggunakan uji glesger dengan melihat grafik scaterplots berikut ini : Universitas Sumatera Utara Gambar 4.4. Scatterplot CAPM Setelah Transformasi Sumber: Hasil Penelitian 2016, Data Diolah Berdasarkan grafik scater plots diatas terlihat bahwa titik-titik menyebar secara acak dan telah tersebar baik di atas maupun dibawah angka 0 nol pada sumbu Y sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Gambar 4.5. Scatterplot APT Setelah Transformasi Universitas Sumatera Utara Berdasarkan grafik scater plots diatas terlihat bahwa titik-titik menyebar secara acak dan telah tersebar baik di atas maupun dibawah angka 0 nol pada sumbu Y sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.

4.1.2.5 Uji Autokolerasi Tabel 4.6 Tabel Autokorelasi CAPM

Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .994 a .988 .986 .00720 1.752 a. Predictors: Constant, Return Pasar, Return Individu, Resiko SIstematis, Resiko Individu, Return Bebas Resiko b. Dependent Variable: CAPM Sumber: Lampiran Output SPSS Berdasarkan uji autokorelasi diperoleh nilai hitung Durbin Watson sebesar 1,752 menunjukkan tidak terjadi autokorelasi karena nilai Durbin- Watson DW-test berada di antara DL=1,3885 dan DU=1,7675. Tabel 4.7 Tabel Autokorelasi APT Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .977 a .954 .950 .64551 2.251 a. Predictors: Constant, Return Pasar, Resiko Individu, Resiko SIstematis, Return Bebas Resiko, Return Individu b. Dependent Variable: APT Sumber: Lampiran Output SPSS Berdasarkan uji autokorelasi diperoleh nilai hitung Durbin Watson sebesar 2,251 menunjukkan tidak terjadi autokorelasi karena nilai Durbin- Watson DW-test berada di antara 4-DU = 2,2328 dan 4-DL= 2,5678. Universitas Sumatera Utara 4.1.3 Pengujian Hipotesis 4.1.3.1 Pengujian Hipotesis Pertama

a. Koefisien Determinasi

Uji Statistik koefisien determinasi pada penelitian ini tujuannya adalah untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Uji statistik koefisien determinasi dapat dilihat pada Tabel 4.8 berikut: Tabel 4.8. Koefisien Determinasi CAPM Model R R Square Adjusted R Square Std. Error of the Estimate 1 .994 a .988 .986 .00720 Sumber Data : SPSS 16 diolah Peneliti, 2016 Tabel 4.8 memperlihatkan bahwa nilai R Square sebesar 0,986 atau 98,6 yang berarti bahwa persentase pengaruh variabel independen Return Individu Ri, Resiko Individu α, Resiko Sistematis β, Return Bebas Resiko Rf dan Return Pasar RM terhadap CAPM adalah sebesar nilai koefisien determinasi atau 98,6. Sedangkan sisanya 1,4 dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.

b. Uji Simultan Uji F

Hasil pengujian statistik F uji simultan pada Return Individu Ri, Resiko Individu α, Resiko Sistematis β, Return Bebas Resiko Rf dan Return Pasar RM terhadap CAPM dapat dilihat pada Tabel 4.9. Universitas Sumatera Utara Tabel 4.9. Hasil Uji F CAPM Model Sum of Squares Df Mean Square F Sig. 1 Regression .211 5 .042 814.592 .000 a Residual .003 51 .000 Total .213 56 a. Predictors: Constant, Return Pasar, Return Individu, Resiko SIstematis, Resiko Individu, Return Bebas Resiko b. Dependent Variable: CAPM Sumber Data : SPSS 16 diolah Peneliti, 2016 Dari Tabel 4.9. diperoleh nilai F hitung sebesar 814.592 sedangkan F tabel pada tingkat kepercayaan α = 5 dengan df 1 = 6 – 1 = 5 dan df 2 = 57 – 6 =56, adalah sebesar 2,38 dengan tingkat signifikansi sebesar 0,000. Dengan demikian dapat disimpulkan bahwa F hitung F tabel dan sig = 0,000 α = 0,05, yang berarti bahwa hipotesis Ha diterima, yang menyatakan bahwa variabel Return Individu Ri, Resiko Individu α, Resiko Sistematis β, Return Bebas Resiko Rf dan Return Pasar RM secara simultan berpengaruh terhadap CAPM.

c. Uji Parsial Uji t