d. Regresi Linier Berganda
Analisis regresi linier berganda bertujuan untuk mengetahui arah pengaruh dua variabel bebas atau lebih terhadap variabel terikatnya. Adapun
hasil pengolahan data dengan analisis regresi dapat dilihat pada tabel 4.11 berikut:
Tabel 4.11. Regresi Linier Berganda CAPM
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant -.020
.007 -2.818
.007 Return Individu
-.082 .036
-.040 -2.286
.026 Resiko Individu
.020 .021
.017 .935
.354 Resiko Sistematis
-.078 .002
-.876 -49.669
.000 Return Bebas Resiko
1.262 .088
.268 14.400
.000 Return Pasar
-.177 .186
-.017 -.954
.345 Sumber : SPSS 16 diolah Peneliti, 2016
Informasi yang ditampilkan pada tabel 4.11 adalah persamaan regresi berganda antara variabel independen X terhadap variabel dependen Y yang
dapat diformulasikan dalam bentuk persamaan berikut ini:
Y = -0.020 - 0.082X
1
+ 0,020X
2
- 0.078X
3
+ 1,262X
4
- 0.177X
5
+ e
Penjelasan dari nilai a, b
1
sd b
5
pada Unstandardized Coefficients tersebut dapat dijelaskan dibawah ini:
1. Nilai B Constant a sebesar -0.020 artinya jika variabel Return Individu Ri,
Resiko Individu α, Resiko Sistematis β, Return Bebas Resiko Rf dan
Return Pasar RM konstan tetap maka CAPM adalah sebesar -0.020. 2.
Nilai β
1
sebesar -0.082 artinya pengaruh variabel Return Individu Ri terhadap CAPM adalah negatif dimana jika variabel Return Individu Ri meningkat
sebesar satu maka CAPM akan turun sebesar -0.082.
Universitas Sumatera Utara
3. Nilai
β
2
sebesar 0,020 artinya pengaruh variabel Resiko Individu
α terhadap CAPM adalah positif dimana jika variabel Resiko Individu
α meningkat sebesar satu maka CAPM akan naik sebesar 0,020.
4. Nilai
β
3
sebesar -0,078 artinya pengaruh variabel Resiko Sistematis
β terhadap CAPM adalah negatif dimana jika variabel Resiko Sistematis
β meningkat sebesar satu maka CAPM akan turun sebesar -0,078.
5. Nilai
β
4
sebesar 1.262 artinya pengaruh variabel Return Bebas Resiko Rf terhadap CAPM adalah positif dimana jika variabel Return Bebas Resiko Rf
meningkat sebesar satu maka CAPM akan naik sebesar 1.262. 6.
Nilai β
5
sebesar -0,177 artinya pengaruh variabel Return Pasar RM terhadap
CAPM adalah negatif dimana jika variabel Return Pasar RM meningkat sebesar satu maka CAPM akan turun sebesar -0,177.
4.1.3.2 Pengujian Hipotesis Kedua 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 4.12 berikut:
Tabel 4.12. Koefisien Determinasi APT
Model R
R Square Adjusted R
Square Std. Error of
the Estimate 1
.977
a
.954 .950
.64551 Sumber Data : SPSS 16 diolah Peneliti, 2016
Universitas Sumatera Utara
Tabel 4.12 memperlihatkan bahwa nilai R Square sebesar 0,950 atau 95 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 APT adalah sebesar nilai koefisien determinasi atau 95. Sedangkan sisanya 5 dipengaruhi atau dijelaskan oleh variabel lain yang tidak
dimasukkan dalam model penelitian ini.
b. Uji Simultan Uji F