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