t HASIL PENELITIAN DAN PEMBAHASAN

49 ���� �, � = ∑ ��� �=+� �=−� � Keterangan : CAAR

i,t

= akumulasi rata-rata return tidak normal pada hari ke t AAR t = akumulasi return tidak normal sekuritas pada hari ke-t Tabel 4.9 CAAR Indonesia CAAR INDONESIA T-5 T-4 T-3 T-2 T-1 T T+1 T+2 T+3 T+4 T+5 - 0.0008 0.0002 0.0008 -0.0036 0.0037 -0.0085 -0.0085 -0.0040 -0.0060 -0.0009 - 0.0034 Tabel 4.10 CAAR Malaysia CAAR MALAYSIA T-5 T-4 T-3 T-2 T-1 T T+1 T+2 T+3 T+4 T+5 -0.0028 -0.0036 0.0038 0.0027 0.4669 -0.0468 -0.0022 0.0003 -0.0030 0.0013 0.0048 Universitas Sumatera Utara 50 Gambar 4.1 Grafik CAAR Indonesia Gambar 4.2 Grafik CAAR Malaysia -0.0100 -0.0080 -0.0060 -0.0040 -0.0020 0.0000 0.0020 0.0040 0.0060 T-5 T-4 T-3 T-2 T-1 T T+1 T+2 T+3 T+4 T+5 CAAR Indonesia CAAR Indonesia -0.1000 0.0000 0.1000 0.2000 0.3000 0.4000 0.5000 T-5 T-4 T-3 T-2 T-1 T T+1 T+2 T+3 T+4 T+5 CAAR Malaysia CAAR Malaysia Universitas Sumatera Utara 51 Gambar 4.3 Grafik Perbandingan CAAR Indonesia dengan Malaysia Grafik CAAR diatas menunjukkan perbedaan antara tingkat CAAR di Indonesia dan Malaysia selama event period. Tingkat CAAR di Indonesia bersifat fluktuatif. CAAR mengalami peningkatan ke level tertinggi satu hari sebelum laporan keuangan perusahaan dipublikasikan. CAAR mengalami penurunan ke level terendah selama event period pada saat laporan keuangan dipublikasikan. Kemudian mengalami peningkatan selama 2 hari pasca laporan keuangan diterbitkan. Dan selanjutnya nilai CAAR kembali fluktuatif. Tingkat CAAR di Malaysia mengalami peningkatan ke level tertinggi selama event period, dan tingkat CAAR mengalami penurunan ke level terendah selama event period. Hal ini sejalan dengan pergerakan tingkat CAAR di Indonesia. -0.1000 0.0000 0.1000 0.2000 0.3000 0.4000 0.5000 T-5 T-4 T-3 T-2 T-1 T T+1 T+2 T+3 T+4 T+5 CAAR Malaysia CAAR Indonesia Universitas Sumatera Utara 52

4.2.2. Hasil Analisis Deskriptif

Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data yang menggambarkan karakteristik sampel yang digunakan dalam penelitian ini. Analisis ini untuk menjelaskan karakteristik sampel terutama mencakup nilai rata rata mean dan standar deviasi. Berikut dijelaskan data statistik deskriptif penelitian: Tabel 4.11 Statistik Deskriptif Variabel-Variabel Penelitian Indonesia Descriptive Statistics AAR N Minimum Maximum Mean Std. Deviation SEBELUM 39 -.0156255200 .0214070770 -.000678970435 .0075213457007 SESUDAH 39 -.0633057000 .0199364650 -.004120208472 .0137576190412 Valid N listwise 39 Tabel 4.12 Statistik Deskriptif Variabel-Variabel Penelitian Malaysia Descriptive Statistics AAR N Minimum Maximum Mean Std. Deviation SEBELUM 19 -.0088511760 1.7786300000 .093995292645 .4079915764729 SESUDAH 19 -.0149192540 .0090626710 .000263532414 .0055221673794 Valid N listwise 19 Universitas Sumatera Utara 53 Berdasarkan hasil tabel 4.10 dan 4.11 dapat diperjelas maknanya sebagai berikut: 1. Jumlah perusahaan di Indoesia yang menjadi jumlah observasi penelitian N sebanyak 39. 2. Jumlah perusahaan di Malaysia yang menjadi observasi penelitian N sebanyak 19 3. Nilai minimum untuk variabel AAR di Indonesia sebelum laporan keuangan diterbitkan sebesar -0.0088511760 dan nilai maksimum sebesar 1.7786300000. Rata-rata untuk variabel AAR sebelum adalah 0.093995292645 dengan standar deviasi sebesar 0.4079915764729. 4. Nilai minimum untuk variabel AAR di Indonesia sesudah laporan keuangan diterbitkan sebesar -0.0149192540 dan nilai maksimum sebesar 0.0090626710. Rata-rata untuk variabel AAR sebelum adalah 0.000263532414 dengan standar deviasi sebesar 0.0055221673794. 5. Nilai minimum untuk variabel AAR di Malaysia sebelum laporan keuangan diterbitkan sebesar -0.0088511760 dan nilai maksimum sebesar 0.0090626710 Rata-rata untuk variabel AAR sebelum adalah 0.000263532414 dengan standar deviasi sebesar 0.0055221673794.

4.2.3. Hasil Uji Asumsi Klasik

Agar model regresi yang dipakai dalam penelitian ini secara teoritis menghasilkan nilai yang sesuai, terlebih dahulu data harus memenuhi empat uji asumsi klasik. Uji asumsi klasik telah dilakukan dan hasilnya adalah sebagai berikut: Universitas Sumatera Utara 54

4.2.3.1. Uji Normalitas data

Uji normalitas bertujuan untuk menguji apakah dalam model regresi yang dibentuk dari variable dependen dan independen mempunyai distribusi normal, Ghozali, 2006. Model regresi yang baik adalah memiliki distribusi data normal. Dalam penelitian ini pengujian dilakukan dengan analisis histogram dan normal probability plot. Gambar 4.4 Grafik Histogram Indonesia Universitas Sumatera Utara 55 Gambar 4.5 Grafik Normal Probability Plot Indonesia Dari hasil uji normalitas data sampel perusahaan di Indonesia dengan menggunakan grafik histogram dan normal probability plot of standardized residual, tampak bahwa histogram memberikan pola distibusi yang tidak melenceng ke kanan atau kiri. Dengan kata lain grafik histogram terlihat simetris. Sementara itu grafik normal probalitity plot menunjukkan pola yang grafik yang normal. Hal ini terlihat dari titik-titik yang menyebar di sekitar garis diagonal dan penyebarannya mengikuti garis diagonal. Sehingga dapat disimpulkan bahwa data penelitian berdistribusi normal. Universitas Sumatera Utara 56 Gambar 4.6 Grafik Histogram Malaysia Gambar 4.7 Grafik Normal Probability Plot Malaysia Dari hasil uji normalitas data sampel perusahaan di Malaysia dengan menggunakan grafik histogram dan normal probability plot of standardized residual, tampak bahwa histogram memberikan pola distibusi yang tidak Universitas Sumatera Utara 57 melenceng ke kanan atau kiri. Dengan kata lain grafik histogram terlihat simetris. Sementara itu grafik normal probalitity plot menunjukkan pola yang grafik yang normal. Hal ini terlihat dari titik-titik yang menyebar di sekitar garis diagonal dan penyebarannya mengikuti garis diagonal. Sehingga dapat disimpulkan bahwa data penelitian berdistribusi normal.

4.2.3.2. Hasil Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah terdapat korelasi antar variable independen dalam model regresi Ghozali,2006. Model regresi yang baik seharusnya bebas dari multikolinieritas. Tabel 4.13 Hasil Uji Multikolinieritas Indonesia Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant .001 .003 .217 .829 Rm Return Pasar .415 .285 .236 1.459 .153 1.000 1.000 a. Dependent Variable: Rit Return Realisasi Dari hasil uji multikolinieritas pada data sampel di Indonesia diketahui bahwa nilai VIF dari variabel independen sebesar 1,000. Dimana 1,000 10, sehingga variabel independen pada penelitian ini dinyatakan bebas dari multikolinieritas. Universitas Sumatera Utara 58 Tabel 4.14 Hasil Uji Multikolinieritas Malaysia Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant -.001 .003 -.468 .646 Rm Return Pasar .456 .585 .191 .779 .448 1.000 1.000 a. Dependent Variable: Rit Return Realisasi Dari hasil uji multikolinieritas pada data sampel di Malaysia diketahui bahwa nilai VIF dari variabel independen sebesar 1,000. Dimana 1,000 10, sehingga variabel independen pada penelitian ini dinyatakan bebas dari multikolinieritas.

4.2.3.3. Hasil Uji Heteroskedastisitas

Heteroskedastisitas dapat diketahui dari hasil analisis dengan kriteria sebagai berikut: a Jika ada plot tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan terjadi heteroskedastisitas. b Jika tidak terdapat pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas. Universitas Sumatera Utara 59 Gambar 4.8 Scatter Plot Indonesia Dari hasil pengujian scatter plot untuk sampel pada gambar 4.7 yang merupakan salah satu cara untuk mendeteksi adanya heteroskedastisitas, dapat dilihat bahwa tidak ada pola yang jelas dan titik-titik menyebar antara di bawah 0 sampai di atas 0 pada sumbu Y. Oleh karena itu dapat disimpulkan bahwa variabel bebas untuk sampel di Indonesia tidak mengandung unsur heteroskedastisitas. Universitas Sumatera Utara 60 Gambar 4.9 Scatter Plot Malaysia Dari hasil pengujian scatter plot untuk sampel pada gambar 4.9 yang merupakan salah satu cara untuk mendeteksi adanya heteroskedastisitas, dapat dilihat bahwa tidak ada pola yang jelas dan titik-titik menyebar antara di bawah 0 sampai di atas 0 pada sumbu Y. Oleh karena itu dapat disimpulkan bahwa variabel bebas untuk sampel di Malaysia tidak mengandung unsur heteroskedastisitas.

4.3. Hasil Pengujian Hipotesis