PENGUJIAN VALIDITAS CAPITAL ASSET PRICING MODEL

(CAPM), ISLAMIC CAPITAL ASSET PRICING MODEL

(ICAPM) DAN ARBITRAGE PRICING THEORY (APT) DALAM
MEMPREDIKSI RETURN SAHAM SYARIAH DI JAKARTA
ISLAMIC INDEX
(Periode Tahun 2012 – 2016)

SKRIPSI

Oleh :
Latifatuzzarah Masithoh
NIM : 113081000103

JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1438 H/2017 M
PENGUJIAN VALIDITAS CAPITAL ASSET PRICING MODEL
(CAPM), ISLAMIC CAPITAL ASSET PRICING MODEL
(ICAPM) DAN ARBITRAGE PRICING THEORY (APT) DALAM
MEMPREDIKSI RETURN SAHAM SYARIAH DI JAKARTA
ISLAMIC INDEX
(Periode Tahun 2012 – 2016)

SKRIPSI

Oleh :
Latifatuzzarah Masithoh
NIM : 1113081000103

JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1438 H/ 2017 M
i
ii
iii
 DAFTAR RIWAYAT HIDUP
Identitas Pribadi

Nama : Latifatuzzarah Masithoh

Tempat, Tanggal Lahir : Jakarta, 04 September 1994
Alamat Rumah : Perumahan Sukmajaya Permata Blok H No. 7 RT
005/009, Kecamatan Sukmajaya, Kota Depok,
Provinsi Jawa Barat
Ayah : Drs. Laimun, M.E.Sy, M.Pd.
Ibu : Dra. Sri Untung Widowati, M.Pd.
No. Telepon : 085776469035 / 087872258919
Email : zarahlatifa@gmail.com

Pendidikan Formal

2000 – 2001 SDN Gandaria 01 Pagi

2001 – 2006 SDN Cikumpa
2006 – 2009 SMPN 4 Depok
2009 – 2012 SMAN 3 Depok
2012 – 2014 Program Profesional TI Perbankan
Syariah CCIT Fakultas Teknik
Universitas Indonesia.
2013 – 2017 Program Sarjana S1 Manajemen
FEB UIN Syarif Hidayatullah Jakarta

Pendidikan Non Formal

Pelatihan Keagenan Asuransi Syariah Bumi Putera 2016

Pelatihan Ekspor Impor 2016

Pengalaman Organisasi

Wakil Ketua Organisasi Paduan Suara SMAN 3 Depok 2011-2012

iv
 TESTING VALIDITY CAPITAL ASSET PRICING MODEL (CAPM),
ISLAMIC CAPITAL ASSET PRICING MODEL (ICAPM) AND ARBITRAGE
PRICING THEORY (APT) IN PREDICTING THE RETURN OF SHARIA
STOCK IN JAKARTA ISLAMIC INDEX

(The Period 2012 – 2016)

ABSTRACT

Purpose of this research is to analyze the accuracy of CAPM, ICAPM, and APT
models in predicting return of sharia stock in Jakarta Islamic Index (JII). The
variables of this research are the stock return of JII, Beta, risk free, market
return, inflation, SBI and Exchange rate. The population of this research are all
monthly return of sharia stock from companies that listed on JII. This research
uses purposive sampling method. The sample used in this research is return of
sharia stock per month of 16 companies JII in 2012 - 2016. The analytical method
used to measure the level of expected macro variables is Exponential Smoothing
method. The accuracy of the model CAPM, ICAPM and APT is measured by value
of Mean Absolute Deviation (MAD) and the coefficient of determination used to
compare the accuracy between CAPM, ICAPM, and APT model. Then
independent t-tests to determine the difference in accuracy between CAPM,
ICAPM and APT models. The results of this research shows that the ICAPM
model more accurate than the CAPM and APT models because the value of MAD
ICAPM is smaller than the value of MAD CAPM and APT models. Adjust
shows that the CAPM model is more accurate than ICAPM and APT models
because the value of adjusted CAPM model is higher than ICAPM and APT
models. Independent t-test showed that there is no difference in accuracy between
the CAPM model with ICAPM models in predicting return of sharia stock in JII.

Keywords: Stock Return of Sharia, JII, Capital Asset Pricing Model (CAPM),
Islamic Capital Asset Pricing Model (ICAPM), Arbitrage Pricing
Theory (APT).

v
 PENGUJIAN VALIDITAS CAPITAL ASSET PRICING MODEL (CAPM),
ISLAMIC CAPITAL ASSET PRICING MODEL (ICAPM) DAN ARBITRAGE
PRICING THEORY (APT) DALAM MEMPREDIKSI RETURN SAHAM
SYARIAH DI JAKARTA ISLAMIC INDEX
(Periode Tahun 2012 – 2016)

ABSTRAK

Penelitian ini bertujuan untuk menganalisis keakuratan model CAPM, ICAPM,

dan APT dalam memprediksi return saham syariah di Jakarta Islamic Index.
Variabel penelitian ini adalah return saham JII, Beta, tingkat bunga bebas risiko,
return pasar, Inflasi, SBI dan Kurs. Populasi penelitian ini adalah seluruh return
saham syariah per bulan perusahaan yang terdaftar pada Jakarta Islamic Index
(JII). Penelitian ini menggunakan metode purposive sampling. Sampel yang
digunakan dalam penelitian ini adalah return saham syariah per bulan dari 16
perusahaan Jakarta Islamic Index (JII) pada tahun 2012 – 2016. Metode analisis
yang digunakan untuk mengukur tingkat variabel makro yang diharapkan adalah
metode Exponential Smoothing. Tingkat keakuratan model CAPM, ICAPM dan
APT diukur melalui nilai Mean Deviation Absolute (MAD) dan Koefisien
Determinasi digunakan untuk membandingkan akurasi antara model CAPM,
ICAPM, dan APT. Serta uji Independent t-test untuk mengetahui perbedaan
akurasi antara model CAPM, ICAPM dan APT. Hasil penelitian ini menunjukkan
bahwa model ICAPM lebih akurat dibandingkan dengan model CAPM dan APT
karena nilai MAD model ICAPM lebih kecil dibandingkan nilai MAD model
CAPM dan APT. Adjust menunjukkan bahwa model CAPM lebih akurat
dibandingkan model ICAPM dan APT karena nilai Adjust model CAPM lebih
tinggi dibandingkan model ICAPM dan APT. Independent t-test menunjukkan
bahwa tidak terdapat perbedaan akurasi antara model CAPM dengan ICAPM
dalam memprediksi return saham syariah di Jakarta Islamic Index.

Kata Kunci : Return saham syariah, JII, Capital Asset Pricing Model (CAPM),
Islamic Capital Asset Pricing Model (ICAPM), Arbitrage Pricing
Theory (APT).

vi
 KATA PENGANTAR

Segala puji dan syukur hanya bagi Allah yang telah menciptakan kita dalam
keadaan mencintai agamanya dan berpegang pada syariat-Nya. Shalawat dan
salam semoga tercurahkan kepada junjungan kita Nabi Muhammad yang telah
berjihad untuk menyiarkan ajaran-ajaran Islam yang agung dalam akhlak beliau
yang mulia, dan semoga kesejahteraaan dan rahmat senantiasa juga tercurah untuk
keluarganya dan para sahabatnya terkasih yang senantiasa mengikuti petunjuknya,
sehingga mereka beruntung dengan mendapat ridha dan pahala dari sisi Allah.
Terselesaikannya skripsi ini tidak lepas dari bantuan berbagai pihak. Oleh
karena itu, penulis ingin menyampaikan terima kasih kepada :
1. Kedua orang tua saya, Bapak Drs. Lasimun, M.E.Sy., M.Pd. dan Ibu Dra.
Sri Untung Widowati, M.Pd. yang selalu memberikan dukungan baik moril
maupun materil, memberikan kasih sayang, cinta, dan selalu mendoakan
dengan penuh rasa ikhlas. Kalian adalah motivasi terkuat bagi penulis untuk
bisa segera menyelesaikan skripsi ini.
2. Adik kesayangan saya Muhammad Nabil Al Farizi yang selalu memberi
motivasi kepada penulis untuk menjadi kakak yang baik, semoga kita akan
menjadi anak yang selalu bisa menjadi kebanggaan Ayah dan Bunda.
3. Bapak Dr. M. Arif Mufraini, Lc., MA selaku Dekan FEB, BapakDr. Amilin,
SE.Ak., M.Si selaku Wadek I FEB, Bapak Dr. Ade Sofyan Mulazid, MH
selaku Wadek II FEB, dan Bapak Dr. Desmadi Saharuddin, Lc., MA selaku
Wadek III FEB, yang telah memberikan jalan bagi penulis dalam
menyelesaikan skripsi ini.
4. Bapak Prof. Dr. Ahmad Rodoni, MM. sebagai Dosen Pembimbing Skripsi
yang telah meluangkan waktunya di tengah kesibukan untuk membimbing
dan mengarahkan penulis dalam menyusun skripsi ini serta motivasinya
yang begitu besar pada penulis.

vi
5. Ibu Titi Dewi Warnida, SE, M.Si. selaku Ketua Jurusan Manajemen
Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah
Jakarta.
6. Ibu Ela Patriana, MM. selaku Sekretaris Jurusan Manajemen Fakultas
Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
7. Bapak Sopyan, S.E.,MM. selaku Dosen Penasehat Akademik yang telah
mengarahkan dan memotivasi selama penulis menuntut ilmu di kampus ini.
8. Seluruh Dosen Fakultas Ekonomi dan Bisnis, terima kasih atas curahan ilmu
yang Bapak dan Ibu berikan kepada penulis.
9. Seluruh Staf Tata Usaha dan karyawan Fakultas Ekonomi dan Bisnis, atas
kerja kerasnya melayani mahasiswa dengan baik, membantu dalam
mengurus kebutuhan administrasi, keuangan dan lain-lainnya.
10. Teman terbaik penulis yang InsyaAllah menjadi teman hidup, Rahmat
Haryo Kisprihatmaji yang telah meluangkan waktunya untuk menemani
penulis menyelesaikan skripsi ini, yang tiada hentinya memberikan
motivasi, doa serta dukungan yang amat besar dan yang selalu ada untuk
penulis pada saat-saat terpuruknya.
11. Teman seperjuanganku selama di CCIT FTUI dan MIPS, terimakasih atas
dukungan dan motivasi kalian. Semoga Allah SWT selalu memudahkan
langkah kalian untuk menuju cita-cita dan tujuan.
12. Teman-teman tersayang, Fajar Iman, Pintan M. Izzar, Bella Nita, Afifa
Karima, Dyah Kamiswari, Amanda Nabila Khansa, Rio Fadlielah Jatu,
Aditya Sulistyo Nisrinna Ulfa, Annisa Maudya, Tri Wahyu Lestary,
Indirana Soraya, Indita Indriani, Tora Dwikotinov, Arkom Yadjidin, Hilman
Budi Kusumah Vista Qonitah, Meruni Sani Putri, Ratu Vien Sylvia A.,
Rahmaya Ayu, Mitzalina Izzati, Putri Saula, Sandra Karlina, Lydia
Rahmadhini, dan Dika Nurmalita yang telah memberikan nasihat, semangat
dan motivasi untuk penulis sejak awal masa perkuliahan hingga saat ini.
13. Keluarga besar KKN BAKTI BANGSA 2015 yang telah memberikan
pengalaman dan pelajaran yang begitu berharga selama masa KKN yang

vii
 menjadikan pribadi penulis lebih baik lagi dari waktu ke waktu. Semoga
kekeluargaan kita tetap terjaga.
14. Semua pihak yang tidak dapat disebutkan satu per satu yang telah ikut
berkontribusi dalam penyelesaian skripsi ini.
Penulis menyadari bahwa hasil penelitian ini masih memiliki banyak
kekurangan. Dengan segenap kerendahan hati penulis mengharapkan saran,
arahan maupun kritikan yang konstruktif demi penyempurnaan hasil penelitian
ini. Skripsi ini diharapkan dapat memberikan manfaat bagi berbagai pihak, baik
dunia perbankan, dunia akademisi, para pembaca serta bagi penulis sendiri
sebagai proses pengembangan diri.

Jakarta, 01 Desember 2016

Penulis

(Latifatuzzarah Masithoh)

viii
 DAFTAR ISI

ABSTRACT ............................................................................................................ v
ABSTRAK ............................................................................................................ vi
KATA PENGANTAR .......................................................................................... vi
DAFTAR ISI ......................................................................................................... ix
DAFTAR TABEL ............................................................................................... xii
DAFTAR GAMBAR .......................................................................................... xiii
DAFTAR GRAFIK ............................................................................................ xiv
BAB I ...................................................................................................................... 1
PENDAHULUAN .................................................................................................. 1
A. Latar Belakang Masalah ........................................................................ 1
B. Permasalahan ........................................................................................ 12
1. Identifikasi masalah .............................................................................. 12
2. Batasan Masalah ................................................................................... 13
3. Perumusan Masalah ............................................................................. 13
C. Tujuan dan Manfat Penelitian ............................................................. 14
BAB II .................................................................................................................. 17
TINJAUAN PUSTAKA ...................................................................................... 17
A. Landasan Teori ..................................................................................... 17
1. Pasar Modal Syariah ............................................................................ 17
2. Jakarta Islamic Index (JII) .................................................................. 21
3. Saham Syariah ...................................................................................... 24
4. Return ..................................................................................................... 26
5. Risiko Sistematis (Beta) ........................................................................ 29
6. Capital Asset Pricing Modal (CAPM) .................................................. 30
7. Islamic Capital Asset Pricing Model (ICAPM) .................................... 34
8. Arbitrage Pricing Theory (APT) ......................................................... 37
9. Variabel Makroekonomi ...................................................................... 39
10. Metode Exponential Smoothing ........................................................... 43

ix
 B. Keterkaitan Antar Variabel ................................................................. 45
C. Penelitian Terdahulu ............................................................................ 48
D. Kerangka Pemikiran ............................................................................ 56
D. Hipotesis Penelitian ............................................................................... 59
BAB III ................................................................................................................. 60
METODE PENELITIAN ................................................................................... 60
A. Ruang Lingkup Penelitian ................................................................... 60
B. Teknik Penentuan Sampel ................................................................... 60
C. Teknik Pengumpulan Data .................................................................. 62
D. Teknik Analisis Data............................................................................. 63
E. Operasional Variabel ............................................................................ 79
BAB IV ................................................................................................................. 83
ANALISIS DAN PEMBAHASAN ..................................................................... 83
A. Gambaran Umum Objek Penelitian ................................................... 83
1. Sejarah Singkat Jakarta Islamic Index................................................ 83
2. Perkembangan Jakarta Islamic Index ................................................. 86
3. Perkembangan Inflasi ........................................................................... 87
4. Perkembangan Suku Bunga SBI ......................................................... 89
5. Perkembangan Nilai Tukar Kurs (Rp/USD) ...................................... 90
B. Analisa dan Pembahasan ..................................................................... 92
1. Capital Asset Pricing Model (CAPM) ................................................... 92
2. Islamic Capital Asset Pricing Model (ICAPM) .................................. 100
3. Arbitrage Pricing Theory (APT).......................................................... 107
4. Nilai MAD dan Koefisien Determinasi Pada Model CAPM, ICAPM
dan APT ............................................................................................... 116
5. Uji Normalitas Nilai MAD (Mean Absolute Deviation).................... 119
6. Independent T-test................................................................................ 120
7. Uji Variabel Masing-Masing Model .................................................. 125
C. Interpretasi Data ................................................................................. 134
1. Terdapat Perbedaan Akurasi antara CAPM, ICAPM, dan APT
dalam Memprediksi Return Saham................................................... 134

x
 2. Pengaruh Excess return terhadap Return Saham Syariah .............. 134
3. Pengaruh Inflasi Terhadap Return Saham Syariah ........................ 135
4. Pengaruh SBI terhadap Return Saham Syariah .............................. 136
5. Pengaruh Nilai Kurs terhadap Return Saham Syariah ................... 137
BAB V................................................................................................................. 138
PENUTUP .......................................................................................................... 138
A. Kesimpulan .......................................................................................... 138
B. Saran .................................................................................................... 139
DAFTAR PUSTAKA ........................................................................................ 141
DAFTAR LAMPIRAN ..................................................................................... 147

xi
 DAFTAR TABEL

Tabel 1.1. Kinerja Indeks Saham Syariah Periode 2012-2016......................... 3

Tabel 1.2. Research Gap ...................................................................................... 10
Tabel 2.1. Penelitian Terdahulu......................................................................... 49
Tabel 3.1. Daftar Penentuan Perusahaan Sampel ........................................... 61
Tabel 3.2. Daftar Perusahaan JII Periode Januari 2012- November 2016 .... 61
Tabel 4.1. Rata-rata Return Saham Perusahaan JII Periode 2012-2106 ....... 93
Tabel 4.2. Return Market ( ) Tahun 2012-2016 ........................................... 94
Tabel 4.3. Risk Free ( Tahun 2012-2016 ..................................................... 95
Tabel 4.4. Risiko Sistematis (Beta) CAPM ....................................................... 96
Tabel 4.5. Expected Return CAPM .................................................................... 99
Tabel 4.6. Rata-rata return Saham Perusahaan JII Periode 2012-2016 ...... 101
Tabel 4.7. Return Market ( ) Tahun 2012-2016.......................................... 101
Tabel 4.8. Risiko Sistematis (Beta) ICAPM .................................................... 103
Tabel 4.9. Expected Return ICAPM ................................................................. 106
Tabel 4.10. Nilai MAPE dan MAD Expected Value Faktor Mikro .............. 107
Tabel 4.11. Risiko Sistematis (Beta) Inflasi .................................................... 109
Tabel 4.12. Risiko Sistematis (Beta) Suku Bunga SBI ................................... 110
Tabel 4.13. Risiko Sistematis (Beta) Kurs ....................................................... 112
Tabel 4.14. Expected Return APT .................................................................... 115
Tabel 4.15. MAD CAPM, ICAPM dan APT .................................................. 116
Tabel 4.16. Hasil Koefisien Determinasi Model CAPM ................................ 117
Tabel 4.17. Hasil Koefisien Determinasi Model ICAPM ............................... 118
Tabel 4.18. Hasil Uji Koefisien Determinasi Model APT .............................. 119
Tabel 4.19. Kolmogrov-Smirnov Test................................................................ 119
Tabel 4.20. Group Statistics............................................................................... 120
Tabel 4.21. Independent t-test ICAPM dengan APT ...................................... 121
Tabel 4.22. Group Statisctic .............................................................................. 122
Tabel 4.23. Independent t-test CAPM dengan ICAPM .................................. 122
Tabel 4.24. Group Statistic ................................................................................ 123
Tabel 4.25. Independent t-test CAPM dengan APT ........................................ 124
Tabel 4.26. Hasil Uji t Model CAPM............................................................... 128
Tabel 4.27. Hasil Uji t Model ICAPM ............................................................. 130
Tabel 4.28. Hasil Uji t Model APT................................................................... 132
Tabel 4.29. Hasil Uji F Model APT ................................................................. 133

xii
 DAFTAR GAMBAR

Gambar 2.3 Kerangka Pemikiran ..................................................................... 58

xiii
 DAFTAR GRAFIK

Grafik 1.1. Kapitalisasi Saham JII Tahun 2012-2015 ....................................... 3

Grafik 4.1. Perkembangan Jakarta Islamic Index ............................................ 87
Grafik 4.2. Perkembangan Inflasi pada Thun 2012 – 2016 ............................ 88
Grafik 4.3. Perkembangan Suku Bunga SBI Periode 2012 – 2016................. 88
Grafik 4.4. Perkembangan Nilai Kurs (Rp/USD) Periode 2012 – 2016 ......... 91
Grafik 4.5 Hasil Uji Normalitas Model CAPM .............................................. 125
Grafik 4.6 Hasil Uji Normalitas Model ICAPM ............................................ 126
Grafik 4.7 Hasil Uji Normalitas Model APT .................................................. 127

xiv
 BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Pasar keuangan (Financial Market) mempunyai peranan penting dalam

perekonomian suatu negara, karena dapat mempertemukan antara pihak

yang memiliki kelebihan dana dengan pihak yang membutuhkan dana.

Tanpa adanya financial market, maka peminjam uang (kreditur) akan

mengalami kesulitan dalam menemukan debitur yang bersedia untuk

memberikan pinjaman kepadanya. Financial market dapat dibagi menjadi

dua, yakni pasar uang (Money Market), dan pasar modal (Capital Market).

Pasar uang merupakan pertemuan antara permintaan dan penawaran dana

jangka pendek, sedangkan pasar modal merupakan pertemuan antara

permintaan dan penawaran dana jangka panjang dengan memperjualbelikan

efek (surat berharga/securities) seperti saham, obligasi, derivatif, dan reksa

dana (Mutual Funds) (Anna Nurlita, 2014).

Menurut Muhamad (2014:549) di Indonesia pasar modal merupakan

salah satu faktor penting dan turut membangun perekonomian nasional,

terbukti banyak industri dan perusahaan yang menggunakan institusi pasar

modal sebagai media untuk menyerap investasi dan media untuk

memperkuat posisi keuangannya. Secara faktual, pasar modal telah menjadi

Financial Nerve Centre (saraf finansial dunia) pada dunia ekonomi modern

dewasa ini, bahkan perekonomian modern tidak dapat eksis tanpa adanya

1
pasar modal yang tangguh dan berdaya saing secara global dan berjalan

secara terorganisir dengan baik.

Pasar modal Indonesia dalam beberapa tahun terakhir menjadi perhatian

banyak pihak khususnya masyarakat bisnis. Perkembangan pasar modal di

Indonesia telah menjadi salah satu alternatif dan sarana investasi yang

menarik bagi para pelaku pasar modal. Salah satu contoh berinvestasi ialah

dengan menanamkan modalnya pada pasar modal syariah (Nasir et al.,

2016).

Langkah awal perkembangan pasar modal syariah di Indonesia dimulai

dengan diterbitkannya Reksa Dana Syariah pada 25 Juni 1997 diikuti

dengan diterbitkannya obligasi syariah pada akhir 2002, kemudian diikuti

dengan hadirnya Jakarta Islamic Index (JII) pada Juli 2000 dan Indeks

Saham Syariah Indonesia (ISSI) yang diterbitkan oleh Bapepam-LK dan

Dewan Syariah Nasional Majelis Ulama Indonesia (DSN-MUI) pada

tanggal 12 Mei 2011. Instrumen-instrumen investasi syariah tersebut

mengalami perkembangan sejalan dengan maraknya pertumbuhan bank-

bank nasional yang membuka “window” syariah (Sutedi, 2011:33).

Jakarta Islamic Index (JII) adalah salah satu index saham di Indonesia

yang menghitung index harga rata-rata saham untuk jenis saham-saham

dengan konsep syariah. Pembentukan JII tidak lepas dari kerja sama antara

pasar modal Indonesia seperti PT Bursa Efek Jakarta dan PT Danareksa

Invesment Management (PT DIM). JII dikembangkan sejak tanggal 3 Juli

2000. Pembentukan instrumen syariah ini bertujuan untuk mendukung

2
pembentukan pasar modal syariah yang kemudian diluncurkan di Jakarta

pada tanggal 14 Maret 2003 (Sunariyah, 2011:41).

Keberadaan kelompok saham-saham syariah dalam Jakarta Islamic

Index (JII) dan Indeks Saham Syariah Indonesia (ISSI) relatif masih baru,

tetapi dari tahun ke tahun indeks saham syariah di JII dan ISSI menunjukan

nilai yang terus naik. Sebagai gambaran nilai index saham syariah untuk

tahun 2012 sampai 2016 nampak seperti dalam tabel berikut:

Tabel 1.1.
Kinerja Indeks Saham Syariah Periode 2012-2016
No Tahun JII (Dalam Triliun) ISSI (Dalam Triliun)
1 2012 594,790 144,995
2 2013 585,110 143,706
3 2014 691,040 168,638
4 2015 603,349 145,061
5 2016 694,130 172,077
Sumber : Bursa Efek Indonesia (Data Diolah)

Kapitalisasi Saham JII

Periode 2012-2016
(Rp Triliun)

691.040 694.130
594.790 585.110 603.349

2012 2013 2014 2015 2016

Grafik 1.1.
Kapitalisasi Saham JII Tahun 2012-2016
Sumber: Bursa Efek Indonesia (Data diolah)

Berdasarkan pada grafik (1.1) dapat diketahui bahwa pada periode

tahun 2012 indeks JII memiliki nilai 594,790 sedangkan di akhir periode

yaitu tahun 2016 indeks JII mengalami kenaikan menjadi 694,130. Nilai

tertinggi indeks JII adalah sebesar 694,130 yang terjadi pada periode tahun

3
2016, sedangkan nilai indeks JII terendah terjadi pada tahun 2013 sebesar

585,110. Secara statistik kapitalisasi saham JII mengalami kenaikan secara

umum, namun pada tahun 2015 terjadi penurunan karena kondisi

perlambatan ekonomi yang terjadi di indonesia.

Perlambatan ekonomi ini dipicu oleh mitra dagang terbesar kedua bagi

Eropa dan Amerika yaitu China. Pada tahun 2014 walaupun tren Shanghai

Composite Index selalu naik, ternyata tidak dibarengi dengan kenaikan

pertumbuhan perekonomiannya, maka akhirnya pada bulan Juni 2015 bursa

saham tersebut mengalami anjlok (Fitiyanti, 2016).

Merosotnya perekonomian China, besar kemungkinan akan

mempengaruhi pasar dunia. Mengingat China dengan penduduk sekitar 1,4

miliar yang menjadikan salah satu konsumen komoditas terbesar dan

memiliki kekuatan ekonomi terbesar di dunia (Tempo, 20/10/15).

Melihat fenomena ini maka investor harus cukup jeli dalam

memandang setiap instrumen pasar modal yang akan dijadikan objek

investasi. Investor layak memperhatikan penggunaan strategi investasi

tertentu dalam rangka mencapai investasi yang optimal, yaitu investasi yang

dapat memberikan expected return tertentu dengan kandungan risiko yang

dapat ditekan seminimal mungkin (Hasanah, 2016). Hal tersebut

dikarenakan risiko mempunyai hubungan positif dan linear dengan return

yang diharapkan dari suatu investasi, sehingga semakin besar return yang

diharapkan semakin besar pula risiko yang harus ditanggung oleh investor

(Nurul Huda, 2008:14).

4
 Sebagai lembaga keuangan Islam yang masuk ke pasar modal untuk

investasi maka tuntutan di bidang risiko dan return serta harga sekuritas di

bawah kerangka syariah sangat diperlukan. Risiko yang diterima (tapi tidak

gharar) dalam bisnis diperbolehkan dalam syariah dan ahli bisnis atau

keuangan berada dalam konsensus tentang hubungan positif antara risiko

dan return. Firman Allah SWT pada surat Luqman ayat 34:

Artinya: “Sesungguhnya Allah, hanya pada sisi-Nya sajalah

pengetahuan tentang Hari Kiamat; dan Dia-lah Yang
menurunkan hujan, dan mengetahui apa yang ada dalam
rahim. Dan tiada seorangpun yang dapat mengetahui
(dengan pasti) apa yang akan diusahakannya besok. Dan
tiada seorangpun yang dapat mengetahui di bumi mana dia
akan mati. Sesungguhnya Allah Maha Mengetahui lagi Maha
Mengenal”.
Ayat al-Qur’an tersebut menegaskan tentang adanya ketidakpastian

menyangkut sesuatu masa depan dan manusia tidak dapat mengetahui

dengan pasti apa yang akan diusahakannya besok atau yang akan

diperolehnya namun demikian manusia diwajibkan untuk tetap berusaha

mainstream keuangan mengakui pula kenyataan ini unit ekonomi ketika

dihadapkan dengan ketidakpastian beusaha melakukan spekulasi

memprediksi atau memahami masa depan dengan informasi yang tersedia

dan alat pemroses informasi tersebut (Al-Quran Karim).

5
 Return saham yang diharapkan biasa disebut dengan expected return.

Dalam memprediksi tingkat return saham yang diharapkan (expected

return), ada dua model yang seringkali digunakan para investor, yaitu

Capital Assets Pricing Model (CAPM) dan Arbitrage Pricing Theory

(APT). Model Capital Assets Pricing Model merupakan model yang

menunjukkan hubungan tingkat return saham dengan aset berisiko pada

kondisi ekuilibrium. Namun, kelemahan-kelemahan empiris yang terjadi

pada model CAPM mendorong para ahli manajemen keuangan untuk

mencari model alternatif yang menerangkan hubungan pendapatan dengan

risiko saham. Kemudian pada tahun 1976 Stephen A. Ross merumuskan

sebuah teori yang disebut dengan Arbitrage Pricing Theory (APT).

Meskipun model ini tidak bisa secara keseluruhan memecahkan kekurangan

yang terjadi pada model CAPM, tetapi model inilah yang pertama kali

dikembangkan untuk mencoba meminimalisir kekurangan-kekurangan yang

terjadi pada model CAPM dan mempunyai kesempatan untuk menggantikan

model tersebut. (Kristin dan Invonne, 2015).

Hanif (2011) berpendapat bahwa CAPM tidak sesuai dengan sistem

perekonomian Islam karena (Risk free) sebagai salah satu instrumen

CAPM mengandung unsur ribawi (bunga) yang bertentangan dengan ajaran

Islam. Dalam Islam riba merupakan suatu perbuatan yang harus di

tinggalkan.

6
 Ada banyak ayat Al-Qur’an yang menjelaskan tentang larangan riba

tersebut diantaranya yaitu pada Surah Al-Baqarah dan Ar-Ruum di bawah

ini:

“Orang-orang yang memakan riba tidak dapat berdiri melainkan

seperti berdirinya orang yang kemasukan setan lantaran karena
gila. Yang demikian itu karena mereka berkata bahwa jual beli
sama dengan riba. Padahal Allah telah menghalalkan jual beli dan
mengharamkan riba. Barang siapa mendapatkan peringatan dari
Tuhan-Nya, lalu dia berhenti, maka apa yang diperolehnya dahulu
menjadi miliknya dan urusannya (terserah) kepada Allah. Barang
siapa mengulangi; maka mereka itu penghuni neraka dan kekal
didalamnya.” (QS. Al-Baqarah: 275)
“Dan sesuatu riba (tambahan) yang kamu berikan agar harta
manusia bertambah, maka tidak menambah pada sisi Allah. Dan
apa yang kamu berikan berupa zakat yang kamu maksudkan untuk
mencapai keridhaan Allah, Maka (yang berbuat demikian) Itulah
orang-orang yang melipat gandakan (pahalanya).” (QS. Ar-Ruum:
39)
Ayat-ayat di atas menjelaskan bahwa Allah telah secara tegas melarang

riba (bunga) dan memperbolehkan jual beli dalam setiap aktivitas ekonomi,

oleh karena itu setiap muslim tidak dapat menggunakan model CAPM

dalam menghitung nilai expected return saham.

ICAPM (Islamic Capital Asset Pricing Model) adalah model untuk

memprediksi tingkat return saham yang sesuai dengan prinsip-prinsip islam,

karena ICAPM beranggapan bahwa riba (bunga) tidak berlaku dalam sistem

perekonomian Islam. Menurut Sadaf dan Andlebb (2014) ada tiga pilihan

yang dapat digunakan untuk mengganti nilai yaitu Zakat, Ashker (1987),

Tingkat Produk Domestik Bruto (PDB), Sheikh (2010) dan mengganti nilai

dengan Inflasi, Hanif (2011).

7
 Dalam penelitian ini penulis menguji validitas model ICAPM dan

membandingkannya dengan model prediksi lain yang konvensional seperti

CAPM dan APT dalam memprediksi return saham syariah.

Penelitian ini mengacu pada penelitian yang dilakukan oleh Candra

(2014) dimana model CAPM tidak dapat memberikan hasil yang baik

dalam menjelaskan hubungan antara return dan risiko saham perusahaan

LQ-45. Tetapi model APT dapat memberikan performa yang sangat baik

dalam memprediksi return saham.

Lemiyana (2015) penelitian ini menunjukkan bahwa secara statistik

tidak terdapat perbedaan akurasi antara CAPM dan APT dalam

memprediksi return saham Syariah di JII, namun model CAPM lebih akurat

daripada model APT dalam memprediksi return saham Syariah.

Yolanda dan Dewa (2014) penelitian ini menunjukkan bahwa model

CAPM tidak valid digunakan di pasar modal Indonesia dalam memprediksi

return. Hal ini dikarenakan oleh keadaan pasar modal Indonesia yang tidak

memenuhi seluruh asumsi dasar CAPM. Salah satu asumsi dasar CAPM

adalah tidak adanya biaya transaksi. Asumsi tersebut merupakan asumsi

yang kurang realistis dan tidak diterapkan dalam kegiatan investasi di pasar

modal Indonesia. Asumsi lain yang terdapat pada asumsi dasar CAPM

adalah tidak adanya pajak pendapatan pribadi. Asumsi tersebut tidak

berlaku bagi investor di Indonesia karena di Indonesia diberlakukan Pajak

Penghasilan Orang Pribadi.

8
 Cahyo dan Noval (2015) penelitian ini menunjukkan bahwa tidak

terdapat perbedaan keakuratan diantara kedua model CAPM dan APT. Nilai

MAD dan koefisien determinasi masing-masing model tidak berbeda secara

signifikan. Maka dapat ditarik kesimpulan bahwa model CAPM dan APT

memiliki kemampuan yang sama dalam meramalkan return saham

perusahaan yang terdaftar di JII periode 2010-2014 sehingga investor yang

ingin ikut berpartisipasi dalam kegiatan perdagangan saham di Bursa Efek

Indonesia secara syariat Islam dapat menggunakan model CAPM dan APT

sebagai salah satu alat untuk meramalkan return saham syariah dan sebagai

pertimbangan dalam membuat keputusan investasi. CAPM dan APT

memiliki kemampuan yang sama dalam meramalkan return saham sehingga

pemilihan penggunaan model dapat disesuaikan dengan preferensi dari

masing-masing investor.

Agus (2015) penelitian ini menunjukkan bahwa model CAPM dan

model APT dapat dipergunakan sebagai alat prediksi return ekspektasi dan

risiko saham. Terdapat perbedaan akurasi CAPM dan APT dilihat dari hasil

nilai MAD CAPM – MAD APT < 0. Berdasarkan uji Independent Samle T

Test dengan menggunakan keseluruhan sampel pada penelitian ini

menjelaskan bahwa model CAPM lebih akurat dibanding model APT

sebagai alat prediksi return ekspektasi dan risiko saham.

Zainul Kisman dan Shintabelle (2015) secara uji statistik, baik CAPM

dan APT return saham secara signifikan dipengaruhi oleh variabel

independen. Dilihat dari koefisien determinasi keakuratan hasil perhitungan

9
model APT lebih baik dari hasil perhitungan model CAPM. Maka dapat

dikatakan model APT lebih akurat daripada model CAPM dalam

memprediksi return saham.

Tarek H. Selim (2008) melakukan penelitian yang menyamai model

CAPM konvensional dengan versi Islami dengan menghitung return dari

engembalian kontrak pembiayaan musyarakah.

Penelitian Sadaf dan Andleeb (2014) dengan berjudul Islamic Capital

Asset Pricing Model, untuk mengevaluasi temuan Hanif (2011) dalam

memprediksi tingkat pendapatan saham secara syariah atau Islamic Asset

Pricing Model. Penelitian tersebut dilakukan saat meningkatnya

pengamatan keuangan secara islam dengan menggunakan data dari saham

syariah Karachi Meezan Index untuk mengetahui apakah expected return

ICAPM sama dengan expected return CAPM yang disajikan dalam bentuk

grafik dan hasil penelitiannya menunjukkan bahwa tingkat pengembalian

akan kurang lebih sama ketika menggunakan tingkat inflasi atau dengan

menggunakan .

Tabel 1.2.
Research Gap
Gap PENULIS TEMUAN
Isu : Perbandingan model CAPM, ICPAM dan APT dalam memprediksi
return saham
Research Gap: Terdapat perbedaan hasil penelitian Perbandingan model
CAPM, ICPAM dan APT dalam memprediksi return saham
secara statistik tidak terdapat perbedaan
Model CAPM
akurasi antara CAPM dan APT dalam
lebih akurat
Lemiyana memprediksi return saham Syariah di JII,
dalam
(2015) namun model CAPM lebih akurat daripada
memprediksi
model APT dalam memprediksi return
return saham
saham Syariah.

10
 Berdasarkan uji Independent Samle T Test
dengan menggunakan keseluruhan sampel
Agus pada penelitian ini menjelaskan bahwa
(2015) model CAPM lebih akurat dibanding model
APT sebagai alat prediksi return ekspektasi
dan risiko saham
dimana model CAPM tidak dapat
memberikan hasil yang baik dalam
menjelaskan hubungan antara return dan
Candra
risiko saham perusahaan LQ-45. Tetapi
(2014)
model APT dapat memberikan performa
yang sangat baik dalam memprediksi return
Model APT
saham.
lebih akurat
secara uji statistik, baik CAPM dan APT
dalam
return saham secara signifikan dipengaruhi
memprediksi
oleh variabel independen. Dilihat dari
return saham Zainul
koefisien determinasi keakuratan hasil
Kisman dan
perhitungan model APT lebih baik dari hasil
Shintabelle
perhitungan model CAPM. Maka dapat
(2015)
dikatakan model APT lebih akurat daripada
model CAPM dalam memprediksi return
saham.
Model CAPM Hal ini dikarenakan oleh keadaan pasar
tidak valid modal Indonesia yang tidak memenuhi
digunakan di seluruh asumsi dasar CAPM. Salah satu
Yolanda
pasar modal asumsi dasar CAPM adalah tidak adanya
dan Dewa
Indonesia biaya transaksi. Asumsi tersebut merupakan
(2014)
dalam asumsi yang kurang realistis dan tidak
memprediksi diterapkan dalam kegiatan investasi di pasar
return modal Indonesia
Nilai MAD dan koefisien determinasi
Tidak terdapat
masing-masing model tidak berbeda secara
perbedaan
Cahyo dan signifikan. Maka dapat ditarik kesimpulan
keakuratan
Noval bahwa model CAPM dan APT memiliki
diantara kedua
(2015) kemampuan yang sama dalam meramalkan
model CAPM
return saham perusahaan yang terdaftar di
dan APT
JII periode 2010-2014
menyamai model CAPM konvensional
Tarek H.
Model ICAPM dengan versi Islami dengan menghitung
Selim
dapat return dari engembalian kontrak
(2008)
menyamai pembiayaan musyarakah.
model CAPM Penelitian tersebut dilakukan saat
dalam Sadaf dan meningkatnya pengamatan keuangan secara
memprediksi Andleeb islam dengan menggunakan data dari saham
return saham (2014) syariah Karachi Meezan Index untuk
mengetahui apakah expected return ICAPM
11
 sama dengan expected return CAPM yang
disajikan dalam bentuk grafik dan hasil
penelitiannya menunjukkan bahwa tingkat
pengembalian akan kurang lebih sama
ketika menggunakan tingkat inflasi atau
dengan menggunakan .
Berdasarkan dari hasil-hasil penelitian dan data-data di atas yang

memberikan hasil yang berbeda atas penelitian yang satu dengan penelitian

yang lainnya (research gap), penulis tertarik untuk mengadakan penelitian

lebih lanjut dan mendalam. Objek penelitian sendiri adalah Jakarta Islamic

Index, paling tidak Jakarta Islamic Index ini bisa dijadikan tolak ukur dalam

memprediksi return saham syariah ada pasar modal syariah di Indonesia.

Adapun tahun penelitian adalah periode 2012-2016 dengan pertimbangan

tahun tersebut merupakan 5 tahun terakhir pada saat penelitian dilakukan.

Sehingga peneliti tertarik untuk meneliti model-CAPM, ICAPM dan APT

dalam memprediksi return saham syariah di Jakarta Islamic Index. Maka

penelitian ini mengangkat judul: “Pengujian Validitas Capital Asset

Pricing Model (CAPM), Islamic Capital Asset Pricing Model (ICAPM)

dan Abritrage Pricing Theory (APT) dalam Memprediksi Return Saham

Syariah di Jakarta Islamic Index (Periode Tahun 2012 – 2016)”.

B. Permasalahan

1. Identifikasi masalah

Berdasarkan latar belakang masalah di atas, masalah-masalah

dalam penelitian ini dapat diidentifikasi sebagai berikut :

a. Saham syariah yang kini menjadi trend dalam kegiatan investasi di

Indonesia sehingga para investor tertarik untuk berinvestasi.

12
 b. Banyaknya faktor-faktor yang mempengaruhi return saham baik

dalam lingkungan ekonomi maupun non ekonomi, dan akibat dari

faktor-faktor tersebut keadaan dilapangan menjadi kompleks

sehingga investor memerlukan alat untuk memproyeksikan return

suatu saham, sesuai dengan risikonya secara sederhana.

2. Batasan Masalah

Mengingat masalah yang tercakup dalam penelitian ini sangat luas,

maka penulis membatasinya sebagai berikut :

a. Membandingkan tiga model saja yaitu Capital Assets Pricing

Model (CAPM), Islamic Capital Assets Pricing Model (ICAPM)

dan Arbitrage Pricing Theory (APT).

b. Penelitian ini dilaksanakan pada perusahaan yang sahamnya

terdaftar di Jakarta Islamic Index (JII).

c. Periode penelitian pada Jakarta Islamic Index (JII) di Indonesia

adalah tahun 2012 sampai 2016.

3. Perumusan Masalah

Berdasarkan latar belakang di atas maka perumusan masalah yang

sesuai adalah :

a. Model Manakah CAPM, ICAPM atau APT yang lebih akurat

dalam memprediksi return saham syariah di Jakarta Islamic Index?

b. Apakah terdapat perbedaan akurasi antara model CAPM, ICAPM

dan APT dalam memprediksi return saham syariah di Jakarta

Islamic Index?

13
 c. Apakah terdapat pengaruh excess return market to risk free pada

model CAPM terhadap return saham syariah di Jakarta Islamic

Index?

d. Apakah terdapat pengaruh excess return market to inflation pada

model ICAPM terhadap return saham syariah di Jakarta Islamic

Index?

e. Apakah terdapat pengaruh inflasi pada model APT terhadap return

saham syariah di Jakarta Islamic Index?

f. Apakah terdapat pengaruh SBI pada model APT terhadap return

saham syariah di Jakarta Islamic Index?

g. Apakah terdapat pengaruh Kurs pada model APT terhadap return

saham syariah di Jakarta Islamic Index?

C. Tujuan dan Manfat Penelitian

1. Tujuan Penelitian

Berdasarkan perumusan masalah di atas maka tujuan penelitian

meliputi:

a. Menganalisis perbedaan akurasi antara model CAPM, ICAPM dan

APT dalam memprediksi return saham syariah di Jakarta Islamic

Index.

b. Menganalisis keakuratan model CAPM, ICAPM atau APT yang

lebih akurat dalam memprediksi return saham syariah di Jakarta

Islamic Index.

14
 c. Menganalisis pengaruh excess return market to risk free pada

model CAPM terhadap return saham syariah di Jakarta Islamic

Index?

d. Menganalisis pengaruh excess return market to inflation pada

model ICAPM terhadap return saham syariah di Jakarta Islamic

Index?

e. Menganalisis pengaruh inflasi pada model APT terhadap return

saham syariah di Jakarta Islamic Index?

f. Menganalisis pengaruh SBI pada model APT terhadap return

saham syariah di Jakarta Islamic Index?

g. Menganalisis pengaruh Kurs pada model APT terhadap return

saham syariah di Jakarta Islamic Index?

2. Manfaat Penelitian

Penelitian ini diharapkan bermanfaat untuk berbagai kepentingan

diantaranya sebagai berikut:

a. Bagi Investor Maupun Calon Investor

Hasil penelitian ini diharapkan dapat digunakan sebagai bahan

masukan dalam pengambilan keputusan investasi yang optimal

khususnya perusahaan yang terdaftar di Jakarta Islamic Index.

b. Bagi Penulis

Dapat mengaplikasikan ilmu manajemen khususnya bidang

keuangan yang telah diperoleh selama kuliah dalam menganalisis

15
 perbandingan keakuratan CAPM, ICAPM dengan APT dalam

memprediksi return saham syariah di Jakarta Islamic Index.

c. Bagi Akademik

Dapat memberikan sedikit masukan dan informasi yang diharapkan

mampu memberikan manfaat baik dalam bidang akademik maupun

dalam bidang praktisi.

d. Bagi Peneliti Selanjutnya

Dapat memberikan masukan bagi peneliti selanjutnya dan

menjadikan penelitian ini sebagai informasi pelengkap dalam

penyusunan penelitian yang sejenis.

16
 BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Pasar Modal Syariah

Pasar modal dikenal juga dengan nama Bursa Efek. Bursa efek

menurut Pasal 1 ayat (4) UU No.8 Tahun 1995 tentang pasar modal

adalah pihak yang menyelenggarakan dan menyediakan sistem dan atau

sarana untuk mempertemukan penawaran jual dan beli efek pihak-pihak

lain dengan tujuan memperdagangkan efek diantara mereka (Soemitra,

2009:109). Pasar modal syariah (Islamic Stock Exchange) adalah

kegiatan yang berhubungan dengan efek syariah perusahan public yang

berkaitan dengan efek yang diterbitkan serta lembaga profesi yang

berkaitan dengannya, dimana semua produk dan makanisme

operasionalnya tidak bertentangan dengan syariat islam.

Dalam Fatwa DSN No.40/DSN-MUI/IX/2003 tentang pasar modal

dan pedoman umum penerapan prinisp syariah di bidang pasar modal

mendefinisikan bahwa pasar modal adalah kegiatan yang bersangkutan

dengan penawaran umum dan perdagangan efek, perusahaan publik

yang berkaitan dengan efek yang diterbitkan, serta lembaga dan profesi

yang berkaitan dengan efek.

Pasar modal syariah diluncurkan pada tanggal 14 maret 2003

bersamaan dengan penandatangan MOU antara BAPEPAM-LK dengan

DSN-MUI, namun instrumen pasar modal syariah telah hadir di

17
Indonesia pada tahun 1997. Hal ini ditandai dengan peluncuran

Danareksa Syariah pada 3 juli 1997 oleh PT.Danareksa Investment

Management. Selanjutnya Bursa Efek Indonesia bekerja sama dengan

PT.Danareksa Invesment Management meluncurkan JII pada tanggal 3

juli 2000 yang bertujuan untuk memandu investor yang ingin

menanamkan dananya secara syariah. Untuk bisa masuk dalam JII,

Perusahaan tidak boleh bergerak dibidang tembakau, alkohol,

perjudian, pelacuran,pornografi, lembaga keuangan ribawi lainnya.

(Nurhayati, 2011:341).

Dalam perkembangan pasar modal syariah di Indonesia telah

mengalami kemajuan, sebagai gambaran setidaknya terdapat beberapa

perkembangan dan kemajuan pasar modal syariah yang patut dicatat

diantaranya adalah telah diterbitkannya 6 Fatwa DSN-MUI yang

berkaitan dengan industri pasar modal, adapun ke enam Fatwa di

maksud adalah (Muhamad, 2014:568) :

a. No. 05/DSN-MUI/IV/2000 tentang Jual beli Saham.

b. No.20 /DSN-MUI/IX/2000 tentang pedoman investasi untuk

reksadana Syariah.

c. No.32/DSN-MUI/IX/2000 tentang Obligasi Syariah.

d. No.33/DSN-MUI/IX/2000 tentang Obligasi Syariah Mudharabah.

e. No.40/DSN-MUI/IX/2000 tentang pasar modal dan pedoman

umum penerapan prinsip syariah dibidang pasar modal.

f. No.41/DSN-MUI/iii/2004 tentang Obligasi Syariah Ijarah.

18
 Dewan syariah Nasional (DSN) suatu lembaga di bawah MUI

(Majelis Ulama Indonesia) yang dibentuk tahun 1999 telah

mengeluarkan mengenai kegiatan investasi di pasar modal syariah.

Adapun produk yang sesuai dengan ajaran islam adalah sebagai berikut

(Buchari, 2009:44):

a. Jenis usaha produk barang dan jasa yang diberikan serta cara

pengelolaan emiten tidak merupakan usaha yang dilarang oleh

prinsip –prinsip syariah:

1) Usaha perjudian atau mainan yang tergolong judi atau

perdagangan yang dilarang.

2) Lembaga Keuangan Konvensional (ribawi), termasuk

perbankan dan asuransi konvensional.

3) Produsen, distributor, dan pedagang makanan dan minuman

haram.

4) Produsen, distributor, dan atau penyedia barang/jasa yang

merusak moral dan bersifat mudarat.

b. Jenis transaksi harus dilakukan menurut prinisp kehati-hatian serta

tidak boleh melakukan spekulasi yang di dalamnya mengandung

unsur Maysir, Gharar, Riba. Instrumen yang diperjualbelikan di

Pasar Modal Syariah:

1) Saham syariah

Saham atau stocks adalah surat bukti atau tanda

kepemilikan bagi modal pada perusahaan terbatas. Dengan

19
 demikian si pemilk saham merupakan pemilik perusahaan.

Semakin besar saham yang dimilikinya, maka semakin besar

kekuasannya di perusahaan tersebut.

2) Obligasi Syariah

Obligasi Syariah adalah suatu surat berharga jangka panjang

berdasarkan prinsip syariah yang dikeluarkan Emiten kepada

pemegang Obligasi Syariah yang mewajibkan Emiten untuk

membayar pendapatan kepada pemegang Obligasi Syariah

berupa bagi hasil/margin/fee serta membayar kembali dana

obligasi pada saat jatuh tempo.

3) Reksadana Syariah

Reksa Dana Syariah adalah Reksa Dana yang beroperasi

menurut ketentuan dan prinsip Syariah Islam, baik dalam bentuk

akad antara pemodal sebagai pemilik harta (Sahib al-mal/ Rabb

al-Mal) dengan Manajer Investasi sebagai wakil Shahib al-mal,

maupun antara Manajer Investasi sebagai wakil Shahib al-mal

dengan pengguna investasi.

4) Efek Beragun Aset Syariah (EBA Syariah)

EBA Syariah adalah efek yang diterbitkan oleh kontrak

investasi kolektif. EBA Syariah yang portofolionya terdiri dari

aset keuangan berupa tagihan yang timbul dari surat berharga

komersial, tagihan yang timbul kemudian hari, jual beli

pemilikan aset fisik oleh lembaga keuangan, efek bersifat

20
 investasi/ arus kas serta aset keuangan setara, yang sesuai

dengan prinsip-prinsip syariah.

5) Hak Memesan Efek Terlebih Dahulu (HMETD)/ Rights Issue

Hak Memesan Efek Terlebih Dahulu (HMETD) Syariah

adalah hak yang melekat pada saham yang termasuk dalam

Daftar Efek Syariah (DES) yang memungkinkan para pemegang

saham yang ada untuk membeli Efek baru termasuk saham, efek

yang dapat dikonversikan menjadi saham dan waran, sebelum

ditawarkan kepada pihak lain. Hak tersebut wajib dapat

dialihkan.

6) Waran Syariah

Waran berdasarkan prinsip syariah adalah efek yang

diterbitkan oleh suatu perusahaan yang memberi hak kepada

pemegang efek yang termasuk dalam Daftar Efek Syariah (DES)

untuk memesan saham dari emiten pada harga tertentu untuk

jangka waktu 6 (enam) bulan atau lebih sejak diterbitkannya

tersebut.

2. Jakarta Islamic Index (JII)

Jakarta Islamic Index atau biasa disebut JII adalah salah satu

indeks saham yang ada di Indonesia yang jenis saham-sahamnya

memenuhi kriteria syariah. Pembentukan JII tidak lepas dari kerja sama

antara Pasar Modal Indonesia (dalam hal ini PT Bursa Efek Jakarta)

dengan PT Danareksa Investment Management (PT DIM). JII telah

21
dikembangkan sejak tanggal 3 Juli 2000. Pembentukan instrumen

syariah ini untuk mendukung pembentukan Pasar Modal Syariah yang

kemudian diluncurkan di Jakarta pada tanggal 14 Maret 2003.

Mekanisme Pasar Modal Syariah meniru pola serupa di Malaysia yang

digabungkan dengan bursa konvensional seperti Bursa Efek Jakarta dan

Bursa Efek Surabaya. Setiap periodenya, saham yang masuk JII

berjumlah 30 (tiga puluh) saham memenuhi kriteria syariah. JII

menggunakan hari dasar tanggal 1 Januari 1995 dengan nilai dasar 100.

Tujuan pembentukan JII adalah untuk meningkatkan kepercayaan

investor untuk melakukan investasi pada saham berbasis syariah dan

memberikan manfaat bagi pemodal dalam menjalankan syariat islam

untuk melakukan investasi di bursa efek. JII juga diharapkan dapat

mendukung proses transparansi dan akuntabilitas saham berbasis

syariah di Indonesia. JII menjadi jawaban atas keinginan investor yang

ingin menanamkan dananya secara syariah tanpa takut tercampur

dengan dana ribawi. Selain itu JII menjadi tolak ukur kinerja

(benchmark) dalam memilih portofolio saham yang halal.

Penentuan kriteria dalam pemilihan saham dalam JII melibatkan

Dewan Pengawas Syariah PT DIM. Saham-saham yang akan masuk ke

JII harus melalui filter syariah terlebih dahulu. Berdasarkan arahan

Dewan Pengawas Syariah PT DIM, ada 4 syarat yang harus dipenuhi

agar saham-saham tersebut dapat masuk ke JII:

22
a. Emiten tidak menjalankan usaha perjudian dan permainan yang

tergolong judi atau perdagangan yang dilarang.

b. Bukan lembaga keuangan konvensional yang menerapkan sistem

riba, termasuk perbankan dan asuransi konvensional.

c. Usaha yang dilakukan bukan memproduksi, mendistribusikan, dan

memperdagangkan makanan/minuman yang haram.

d. Tidak menjalankan usaha memproduksi, mendistribusikan, dan

menyediakan barang/jasa yang merusak moral dan bersifat

mudharat.

Selain filter syariah, saham yang masuk ke dalam JII harus melalui

beberapa proses penyaringan (filter) terhadap saham yang listing, yaitu:

a. Memilih kumpulan saham dengan jenis usaha utama yang tidak

bertentangan dengan prinsip syariah dan sudah tercatat lebih dari 3

bulan, kecuali termasuk dalam 10 kapitalisasi besar.

b. Memilih saham bersadarkan laporan keuangan tahunan atau tengah

tahun berakhir yang memiliki rasio Kewajiban terhadap Aktiva

maksimal sebesar 90%.

c. Memilih 60 saham dari susunan saham di atas berdasarkan urutan

rata-rata kapitalisasi pasar (Market Capitalization) terbesar selama

1 (satu) tahun terakhir.

d. Memilih 30 saham dengan ururtan berdasarkan tingkat likuiditas

rata-rata nilai perdagangan reguler selama 1 (satu) tahun terakhir.

23
 Pengkajian ulang akan dilakukan 6 (enam) bulan sekali dengan

penentuan komponen indeks pada awal bulan Januari dan Juli

setiap tahunnya, sedangkan perubahan pada jenis usaha utama

emiten akan dimonitor secara terus menerus berdasarkan data

publik yang tersedia. Perusahaan yang mengubah lini bisnisnya

menjadi tidak konsisten dengan prinsip syariah akan di keluarkan

dari indeks. Saham emiten yang dikeluarkan akan diganti oleh

saham emiten lain. Semua prosedur tersebut bertujuan untuk

mengeliminasi saham spekulatif yang cukup likuid. Sebagian

saham-saham spekulatif memiliki tingkat likuiditas rata-rata nilai

perdagangan reguler yang tinggi dan tingkat kapitalisasi pasar yang

rendah.

3. Saham Syariah

Secara konsep, saham merupakan surat berharga bukti penyertaan

modal kepada perseroan, dengan bukti penyertaan tersebut, maka

pemegang saham berhak untuk mendapatkan bagian hasil dari usaha

perusahaan tersebut. Konsep penyertaan modal dengan hak bagian hasil

usaha ini merupakan konsep yang tidak bertentangan dengan Prinsip

Syariah. Prinsip Syariah mengenal konsep ini sebagai kegiatan

musyarakah atau syirkah. Berdasarkan hal tersebut, maka secara

konsep, saham merupakan efek yang tidak bertentangan dengan prinsip

syariah (Otoritas Jasa Keuangan, 2013:1).

24
 Saham syariah adalah bukti kepemilikan atas suatu perusahaan

yang jenis usaha, produk barang/ jasa yang diberikan dan akad serta

cara pengelolaan tidak bertentangan dengan prinsip-prinsip syariah (dan

tidak termasuk saham yang memiliki hak-hak istimewa). Dari

pengertian ini, maka saham preferen tidak dapat dikategorikan sebagai

saham syariah karena ia memiliki keistimewaan dibandingkan dengan

saham (biasa) lain. Meski saham preferen tidak termasuk kategori

saham berbasis syariah, tidak berarti bahwa semua saham biasa berbasis

syariah (Hidayat, 2011:78).

Di Bursa Efek Indonesia (BEI) terdapat banyak sekali saham yang

bisa menjadi pilihan investor untuk berinvestasi. Namun dengan

melihat banyaknya jenis usaha emiten, tentu saja ada saham emiten

yang tidak sesuai dengan prinsip syariah.

Menurut Hidayat (2011:79) Jenis kegiatan usaha emiten yang

bertentangan dengan prinsip-prinsip syariah antara lain:

a. Perjudian dan permainan yang tergolong judi

b. Perdagangan yang dilarang menurut syariah, antara lain:

1) Perdagangan yang tidak disertai dengan penyerahan barang

atau jasa, dan

2) Perdagangan dengan penawaran atau permintaan palsu

c. Jasa keuangan ribawi, antara lain:

1) Bank berbasis bunga, dan

2) Perusahaan pembiayaan berbasis bunga

25
 d. Jual beli risiko yang mengandung unsur ketidakpastian (gharar)

dan atau judi (maisir), antara lain asuransi konvensional

e. Memproduksi, mendistribusikan, memperdagangkan dan atau

menyediakan antara lain:

1) Barang atau jasa haram zatnya (haram li-dzatihi)

2) Barang atau jasa haram bukan karena zatnya (haram li-

ghairihi) yang ditetapkan oleh DSN-MUI dan atau melakukan

transaksi yang mengandung unsur suap (risywah)

4. Return

Return merupakan hasil yang didapatkan dari investasi. Return

dapat berupa actual return yang sudah terjadi atau berupa expected

eturn yang belum terjadi tetapi yang diharapkan akan terjadi di masa

mendatang. Menurut Jones dalam Jogiyanto (2013), “Return is yield

and capital gain (loss)”. Yield, yaitu cash flow yang dibayarkan secara

periodik kepada pemegang saham (dalam bentuk deviden). Capital gain

(loss), yaitu selisih antara harga saham saat pembelian dengan harga

saham saat penjualan.

Pengukuran actual return yang banyak digunakan adalah return

total yang terdiri dari capital gain (loss) dan yield (Jogiyanto, 2013).

Return Total = Capital gain (loss)  Yield

Capital gain (loss) =

Yield =

Sehingga return total dapat dirumuskan sebagai berikut :

26
 ( )
Return Total =

Namun mengingat tidak selamanya perusahaan membagikan

dividen kas secara perodik kepada pemegang sahamnya, maka return

saham dapat dihitung capital gain (loss) saja.

Dimana :

= Return saham ke-i pada peride t

= Harga saham ke-i pada periode t

= Harga saham ke-i pada periode sebelumnya t-1

Expected return merupakan return yang digunakan untuk

pengambilan keputusan investasi. Expected return dapat dihitung

berdasarkan beberapa cara, diantaranya berdasarkan model Capital

asset pricing model (CAPM) dan Arbitrage Pricing Theory (APT).

Untuk mengukur expected return dengan menggunakan model

CAPM maupun APT, diperlukan perhitungan return market. Menurut

Jogiyanto (2013) Return market adalah tingkat return dari indeks pasar,

pemilihan dari indeks pasar tidak bergantung dari suatu teori tetapi

lebih bergantung dari hasil empirisnya.

Karena penelitian ini menggunakan saham-saham yang masuk

dalam indeks JII, maka indeks JII akan digunakan sebagai return

market dengan formula sebagai berikut (Hielmiyani, 2014):

27
 Dimana :

= Return market

= Harga indeks JII pada periode t

= Harga indeks JII pada periode sebelumnya t-1

Selain itu, investor juga perlu memperhatikan return asset bebas

risiko ( ), agar return yang sudah diperoleh sudah melebihi return

minimum yang disyaratkan. Secara teoritis, return asset bebas risiko ( )

adalah return minimum yang diharapkan investor untuk investasinya.

Menurut Suad Husnan (1993) dalam Gancar Candra (2004) return asset

bebas risiko ( ) pada model CAPM harus konstan selama periode

penaksiran, karena apabila tingkat pengembalian bebas risiko ternyata

dengan berjalannya waktu berkolerasi dengan market return ( ) akan

terjadi bias dalam penaksiran. Oleh karena itu dalam penelitian ini akan

digunakan tingkat suku bunga SBI (Sertifikat Bank Indonesia) sebagai

dengan pengukuran sebagai berikut:

Dimana :

= Risk Free (Return aset bebas risiko)

= Suku Bunga SBI pada periode t

28
 Dalam penelitian ini, dianggap mengandung riba dalam model

ICAPM, maka akan diganti dengan inflasi (Hanif, 2011).

5. Risiko Sistematis (Beta)

Menurut Yustiantomo (2009) koefisien beta dapat menunjukkan

karakteristik suatu sekuritas. Apabila i > 1 berarti kenaikan return

sekuritas lebih tinggi dari kenaikan return pasar, biasanya sekuritas

tersebut digolongkan dalam agresive stock. Jika i < 1 berarti kenaikan

return sekuritas tersebut digolongkan dalam defensive stock.

Menurut Jogiyanto (2013:375) beta merupakan suatu pengukur

volatilitas return suatu sekuritas atau return portofolio terhadap return

pasar. Beta sekuritas ke-i mengukur volatilitas return sekuritas ke-i

dengan return pasar. Dengan demikian beta adalah pengukur sistematik

dari suatu sekuritas terhadap risiko pasar. Jika volatilitas ini diukur

dengan kovarian, maka kovarian return antara sekuritas ke-i dengan

return pasar adalah sebesar . Jika kovarian ini dihubungkan relatif

terhadap risiko pasar (yaitu dibagi dengan varian return pasar atau

), maka hasil ini akan mengukur risiko sekuritas ke-i relatif

terhadap risiko pasar atau beta. Dengan demikian beta dapat dihitung

dengan rumus sebagai berikut (Jogiyanto, 2013) :

Menurut Andri (2010), beta (β) merupakan risiko yang berasal dari

hubungan antara return suatu saham dengan return pasar. Faktor-faktor

29
 yang mempengaruhi beta diantaranya cyclicality, yaitu seberapa jauh

suatu perusahaan dipengaruhi perubahan kondisi makroekonomi.

Semakin peka terhadap kondisi, maka beta akan semakin tinggi, dan

operating leverage, yaitu proporsi dari biaya perusahaan yang

merupakan biaya tetap, serta financial leverage, yaitu proporsi

penggunaan utang dalam struktur pembiayaan perusahaan. Koefisien

beta dapat ditentukan dengan formula sebagai berikut (Andri, 2010):

Menurut Andri (2010), apabila koefisien beta semakin besar, maka

akan semakin peka excess return suatu saham terhadap perubahan

excess return portofolio pasar, sehingga saham akan semakin berisiko.

Tingkat return portofolio ditentukan oleh risiko sistematis atau risiko

pasar yang diukur dengan beta dan tingkat return pasar.

Menurut Bodie.et.al. (2014:308) formula untuk menyatakan tingkat

risiko sistematis suatu sekuritas sebagai berikut:

Dimana merupakan beta saham, Cov merupakan covarian, Var

merupakan varians, merupakan return saham dan merupakan

return pasar.

6. Capital Asset Pricing Modal (CAPM)

Menurut Putra, et.al (2012), hal yang sangat penting yang perlu

dilakukan oleh seorang investor adalah mempunyai kemampuan

30
mengestimasi return suatu sekuritas. Untuk para investor yang tidak

besedia menghadapi risiko (risk averse), maka perlu sekali untuk

mengetahui hubungan keseimbangan antara risiko dengan tingkat

pengembalian return suatu sekuritas dengan baik dan mudah. Estimasi

tingkat pengembalian saham yang diharapkan adalah penting untuk

banyak keputusan keuangan, seperti prediksi biaya ekuitas keputusan

investasi, manajemen portofolio, penganggaran modal, dan evaluasi

kinerja. Oleh karena itu, terdapat suatu model yang dapat digunakan

untuk mengestimasi return suatu saham sekuritas yaitu Capital Asset

Pricing Model (CAPM).

Capital Asset Pricing Model (CAPM) adalah model hubungan

risiko dan return yang paling banyak dan paling pertama digunakan.

Menurut Murhadi (2009), model ini pertama kali dikembangkan oleh

Sharpe (1964) dan dilanjutkan oleh Lintner (1965), sehingga sering kali

model ini disebut sebagai Sharpe-Lintner Model CAPM dikembangkan

dari suatu asumsi yang mendasarinya yaitu:

a. Tidak ada biaya transaksi, dengan demikian investor dapat

membeli atau menjual sekuritas tanpa menanggung biaya.

b. Investasi dapat dipecah (infinitely divisible) kecil-kecil, sehingga

investor dapat melakukan investasi sekecil apapun.

c. Investor memiliki akses informasi yang sama sehingga tidak bias

memperngaruhi harga saham.

d. Semua asset dapat diperjual belikan.

31
e. Terdapat asset yanhg bebas risiko (riskless assets), dimana

expected return dapat diketahui pasti.

f. Investor dapat meminjamkan dan meminjam pada tingkat suku

bunga bebas risiko.

Dengan memegang asumsi di atas, maka hal ini memungkinkan

bagi investor untuk tetap melakukan diversifikasi dengan tanpa biaya

tambahan. Dalam CAPM, investor akan menyesuaikan alokasi

investasinya dengan preferensinya terhadap risiko, dimana mereka

dapat menginvestasikan dalam riskless asset dan sebagian dalam

portofolio pasar. Sehingga investor yang memiliki preferensi risk

averse, akan menanamkan dananya lebih banyak di riskless asset.

Menurut Rodoni dan Herni Ali (2014), Capital Asset Pricing

Model (CAPM) merupakan suatu model yang dikembangkan oleh

Sharpe, Lintner dan Mossin (1964, 1965) berdasarkan model normative

dari Markowitz. Model CAPM mencoba untuk menganalisis hubungan

antara antara risiko dan tingkat pengembalian. Model ini didasari oleh

suatu preposisi bahwa setiap required rate of return saham sama

dengan risk-free rate ditambah dengan suatu risk premium. Rumus

standard CAPM adalah sebagai berikut:

Dimana :

= required rate of return dari saham j

= risk-free rateof return

32
 = market risk premium

= beta coefficient dari saham j

Bodie, et.al, (2006:358) menjelaskan bahwa Capital Asset Pricing

Model (CAPM) merupakan hasil utama dari ekomomi keuangan

modern. Capital Asset Pricing Model (CAPM) memberikan prediksi

yang tepat antara hubungan risiko sebuah aset dan tingkat harapan

pengembalian (expected return). Walaupun Capital Asset Pricing

Model belum dapat dibuktikan secara empiris, Capital Asset Pricing

Model sudah luas digunakan karena CAPM akurasi yang cukup pada

aplikasi penting. Capital Asset Pricing Model mengasumsikan bahwa

para investor adalah perencana pada suatu periode tunggal yang

memiliki persepsi yang sama mengenai keadaan pasar dan mencari

mean-variance dari portofolio yang optimal.

Menurut Bodie.et.al. (2014:307), tingkat pendapatan yang

diharapkan dari suatu sekuritas untuk model CAPM dapat dihitung

dengan menggunakan rumus:

Dimana merupakan tingkat pendapatan yang diharapkan dari

sekuritas i yang mengandung risiko, merupakan tingkat pendapatan

bebas risiko, merupakan tingkat pendapatan yang diharapkan

dari portofolio pasar dan merupakan tolak ukur risiko yang tidak bisa

terdiversifikasi dari berharga yang ke-i.

33
 Formula tersebut menyatakan bahwa tingkat keuntungan yang

diharapkan dari suatu saham adalah tingkat keuntungan bebas risiko

ditambah dengan premi risiko. Semakin besar risiko saham tersebut,

semakin tinggi premi risiko yang diharapkan dari saham tersebut.

Dengan demikian semakin tinggi pula tingkat keuntungan yang

diharapkan dari saham tersebut.

Market model dapat digunakan untuk mengestimasi besarnya

koefisien beta, Rumus dari persamaan market model adalah sebagai

berikut (Bodie.et.al, 2014:307):

Dimana merupakan tingkat pendapatan sekuritas I,

merupakan tingkat pendapatan indeks pasar, merupakan slope (beta),

merupakan intersep dan merupakan random residual error.

7. Islamic Capital Asset Pricing Model (ICAPM)

Islamic Capital Asset Pricing Model (ICAPM) merupakan

pengembangan dari model Capital asset pricing model (CAPM) oleh

Hanif (2011). Pengembangan model CAPM yang dilakukan oleh Hanif

(2011) karena CAPM merupakan model yang tidak relevan dengan

sistem perekonomian Islam. Di dalam Islam riba (bunga) merupakan

hal yang wajib ditinggalkan, karena Allah SWT. melarang riba (bunga)

dan memperbolehkan jual beli. Menurut teori Hanif (2011), tingkat

expected return dari suatu sekuritas dapat dihitung dengan formula

sebagai berikut:

34
 Keterangan simbol:

E(R) = Tingkat pendapatan yang diharapkan

I = Inflasi

E( ) = Tingkat pendapatan yang diharapkan di pasar

 = Systematic Risk

Dalam penelitian ini, inflasi merupakan salah satu yang akan

digunakan dalam menganalisis nilai expected return saham.

Penggunaan inflasi sebagai salah satu instrumen dalam menganalisis

nilai expected return saham merupakan hasil pengembangan dari

model CAPM yang dilakukan oleh Hanif (2011) agar dapat

menggantikan nilai Risk free ( ) dalam perspektif islam merupakan

hal yang dilarang. Oleh karena itu penulis ingin mencoba model

ICAPM atau hasil pengembangan yang dilakukan oleh Hanif (2011) ini

dalam memprediksi return saham syariah yang terdaftar dalam Jakarta

Islamic Index (JII).

Alasan Hanif (2011) mengganti nilai dengan inflasi karena

dalam komposisi terdiri dari dua hal yaitu: nyata dan biaya

inflasi, nyata adalah nilai waktu dari uang atau menurut teori

preferensi likuiditas Keynes nilai waktu dari uang itu adalah

kompensasi untuk mengorbankan liquidity oleh investor. Dalam

pandangan syariah uang adalah alat tukar bukan komoditas, maka nilai

35
waktu dari uang tidak diakui oleh para ahli ekonomi Syariah. Dalam

pandangan syariah uang dapat digunakan dalam proses pembuatan

utilitas (produksi dan pengiriman barang dan jasa) untuk memperoleh

keuntungan namun nilai waktu dari uang termasuk ke dalam kategori

riba (bunga) yang dilarang dalam Islam. Komponen kedua adalah

biaya inflasi. Di bawah rezim uang kertas, karena inflasi daya beli mata

uang dapat berkurang dan pemilik mata uang mengalami kekayaan

yang menurun. Hal ini harus menjadi tanggungjawab dari suatu negara

untuk melindungi kekayaan warganya, karena kekayaan dapat

berkurang akibat inflasi yang berlebihan dalam ekonomi dan

pemerintah seharusnya tidak membiarkan fenomena itu terjadi.

Dalam konsep time value of money, sejumlah uang yang ada saat

ini akan lebih berharga ketimbang sejumlah uang dalam jumlah sama

yang kita miliki pada waktu yang akan datang. Dengan begitu,

seseorang akan lebih memilih untuk menerima uang dalam jumlah yang

sama sekarang ketimbang nanti karena uang tersebut dapat

diinvestasikan selama periode waktu tertentu dan mendapatkan hasil

dalam jumlah tertentu. Dalam teori Smith dan Richardo berpendapat

bahwa bunga adalah kompensasi yang dibayarkan oleh peminjam

kepada si pemberi pinjaman sebagai balas jasa atas keuntungan yang

diperoleh dari peminjaman uang tersebut (Hidayat, 2011).

Menurut Hidayat (2011) konsep time value of money dalam

ekonomi Islam adalah sesuatu yang diharamkan karena ada unsur riba

36
 di dalamnya. Sudah ada kepastian waktu dan jumlah yang akan diterima

di depan, padahal bisnis atau investasi bisa saja mengalami kerugian.

8. Arbitrage Pricing Theory (APT)

Kajian Arbitrage Pricing Theory (APT) merupakan tindak lanjut

dari kajian Capital asset pricing model (CAPM). APT adalah suatu

kajian dimana suatu aktiva dan harga pasar, serta keputusan yang

berusaha mengkaji dan menjelaskan bagaimana suatu aktiva dan harga

dipasar serta keputusan investasi yang feasible untuk diterapkan.

CAPM dikemukakan dan digagas oleh William F. Sharpe, Litner, dan

Mossing di tahun 1960-an. Teori APT dikemukakan oleh Stephen A.

Ross tahun 1976 (Irham, 2012).

Stephen Ross merumuskan suatu teori yang dinamakan sebagai

Arbitrage Pricing Theory (APT) yang merupakan alternatif bagi model

CAPM. Model APT ini didasarkan pada hukum satu harga (law of one

price) dimana aset yang sama tidak bisa dijual dengan harga yang

berbeda untuk mendapatkan keuntungan arbitrase (membeli aset

berharga murah, pada saat yang sama menjual dengan harga yang lebih

tinggi sehingga memperoleh laba tanpa risiko). Oleh karena itu, apabila

terjadi perbedaan harga beli aset dan harga jual aset, maka pasar akan

segera mengembalikan harga aset tersebut ke titik keseimbangannya

(Zubir, 2013:226).

Model APT mengasumsikan bahwa return dari sekuritas

merupakan fungsi linear dari berbagai faktor ekonomi makro dan

37
sensitivitas perubahan setiap faktor dinyatakan oleh koefisien beta

masing-masing faktor tersebut dan tidak oleh risiko unik. Pada model

APT, IHSG bukan market portofolio yang sesungguhnya tetapi

menggunakan variabel atau indeks lain dalam mengestimasi expected

return sebuah sekuritas dapat memberikan hasil yang lebih akurat

sehingga tidak menimbulkan arbitrase (Zubir, 2013:227).

Model APT menggambarkan hubungan antara risiko dan

pendapatan, tetapi dengan menggunakan asumsi dan prosedur yang

berbeda. Tiga asumsi yang mendasari model Arbitrage Pricing Theory

(APT) adalah pasar modal dalam kondisi persaingan sempurna, para

investor selalu lebih menyukai nilai return yang tinggi daripada risiko

tinggi yang menyebabkan ketidakpastian return, dan hasil dari proses

stochastic artinya bahwa pendapatan asset dapat dianggap sebagai K

model faktor. Berdasarkan asumsi yang menyatakan investor percaya

bahwa pendapatan sekuritas akan ditentukan oleh sebuah model

faktorial dengan k faktor risiko. Dengan demikian, dapat ditentukan

pendapatan aktual untuk sekuritas i dengan menggunakan rumus

sebagai berikut (Andri, 2010):

t) = + + +…+ +

Dimana t) merupakan tingkat pendapatan sekuritas i pada

periode t, merupakan konstanta, merupakan sensitivitas

pendapatan sekuritas i terhadap faktor k, merupakan faktor k yang

38
 mempengaruhi pendapatan pada periode t dan merupakan random

error.

Menurut Ahmad Rodoni dan Herni Ali (2014), model APT

sebenarnya adalah berasaskan model CAPM, tetapi ia telah

mempertimbangkan faktor-faktor lain yang mempengaruhi keuntungan

sekuritas memandang dunia jadi semakin kompleks. Faktor-faktor ini

akan memberi kesan yang berlainan kepada sekuritas yang berlainan.

Jadi, bagi sekuritas i dalam jangka waktu t, keuntungannya dapat

diwakili oleh kombinasi antara pengharapan keuntungan seimbang dan

faktor-faktor yang mempengaruhinya. Pengharapan keuntungan

seimbang ini ditentukan oleh permintaan dan penawaran sekuritas

perusahaan. Faktor-faktor yang akan mempengaruhi keuntungan

sekuritas adalah terdiri dari faktor-faktor makro dan mikro. Contoh

faktor-faktor makro ialah seperti inflasi, harga minyak dunia, tingkat

suku bunga, kurs (nilai tukar), jumlah uang yang beredar dan lain-lain.

9. Variabel Makroekonomi

Dalam penelitian ini digunakan model APT tiga faktor dan variabel

yang digunakan yaitu Inflasi, suku bunga SBI, dan kurs rupiah terhadap

dollar (Rp/USD).

a. Tingkat Inflasi

Menurut Sadono Sukirno (2004) inflasi dapat didefinisikan

sebagai salah satu proses kenaikan harga-harga yang berlaku dalam

suatu perekonomian. Tingkat inflasi (presentasi pertambahan

39
kenaikan harga) berbeda dari satu periode ke periode lainnya, dan

berbeda pula dari satu negara ke negara lain. Adakalanya tingkat

inflasi adalah rendah yaitu 2 atau 3 persen. Tingkat inflasi yang

moderat mencapai diantara 4-10 persen. Inflasi yang sangat serius

dapat mencapai tingkat beberapa puluh atau beberapa ratus persen

dalam setahun.

Inflasi merupakan salah satu variabel makro yang memiliki

dampak besar terhadap kegiatan perekonomian, baik terhadap

sektor riil terlebih sektor keuangan. Tingkat inflasi diukur dengan

menggunakan perubahan tingkatan harga yang digunakan adalah

indeks harga konsumen (consumer price index), indeks harga

produsen (produsen price index), atau implicit griss domestic

product deflator (GDP deflator) yang mengukur rata-rata harga

seluruh barang tertimbang dengan kuantitas barang-barang yang

betul-betul dibeli (Karim, 2008:135).

Inflasi berakibat sangat buruk bagi perekonomian karena

mengakibatkan gangguan pada fungsi uang sebagai penyimpan

nilai, menimbulkan sifat konsumtif dan mengarahkan investasi

pada hal-hal yang non-produktif seperti tanah, bangunan, logam

mulia, dan sebagainya (Adiwarman, 2008).

Secara teoritis terdapat hubungan negatif antara inflasi dan

kinerja harga saham. Inflasi dinilai akan menurunkan nilai riil dari

perusahaan termasuk juga dividen, sehingga ketika terjadi kenaikan

40
 tingkat inflasi maka akan mengakibatkan melemahnya harga

saham, sebaliknya jika inflasi menurun maka harga saham akan

mengalami penguatan (Muhammad Syafi’i, 2013).

b. Suku Bunga SBI

Sertifikat Bank Indonesia (SBI) merupakan salah satu

mekanisme yang digunakan Bank Indonesia untuk mengontrol

kestabilan nilai rupiah. Dengan menjual SBI, Bank Indonesia dapat

menyerap kelebihan uang beredar. Tingkat Suku Bunga yang

berlaku pada setiap penjualan SBI ditentukan oleh mekanisme

pasar berdasarkan sistem lelang. Sedangkan BI Rate adalah suku

bunga kebijakan yang mencerminkan sikap atau stance kebijakan

moneter yang ditetapkan oleh Bank Indonesia dan diumumkan

kepada publik. Pergerakan suku bunga SBI yang fluktuatif dan

cenderung meningkat akan mempengaruhi sektor riil yang

dicerminkan oleh pergerakan return saham (Dani Ahmad, 2014).

Dengan menerbitkan SBI (yang dilakukan melalui mekanisme

lelang), maka BI dapat menyerap likuiditas (uang yang beredar di

masyarakat), sehingga nilai tukar rupiah dapat dikendalikan.

Biasanya pembeli SBI itu mayoritas adalah kalangan investor asing

dan korporasi seperti sana pensiun, asset management, asuransi,

dan lain-lain.

41
c. Kurs Valuta Asing

Menurut Sadono Sukirno (2004) kurs valuta asing atau kurs

mata uang asing menunjukkan harga atau nilai mata uang suatu

negara dinyatakan dalam nilai mata uang negara lain. Kurs valuta

asing dapat juga didefinisikan sebagai jumlah uang domestik yang

dibutuhkan, yaitu banyaknya rupiah yang dibutuhkan, untuk

memperoleh satu unit mata uang asing.

Dalam perkembangannya sistem nilai tukar memiliki berbagai

macam bentuk, namun sistem nilai tukar mengambang (floating

exchange rate system) merupakan system nilai tukar yang paling

banyak digunakan di berbagai negara. Dalam system ini, nilai tukar

ditetapkan berdasarkan pada permintaan dan penawaran uang

(Hendra Halwani, 2005:157)

Kestabilan kurs akan diperoleh jika tidak terjadi destablizing

speculation atau spekulasi yang melabilkan. Kondisi ini cenderung

akan menyebabkan penurunan ekspor dan berakibat buruk pada

neraca pembayaran. Memburuknya neraca pembayaran tentunya

akan berpengaruh pada cadangan devisa. Berkurangnya cadangan

devisa ini pada gilirannya akan mengurangi kepercayaan investor

terhadap perekonomian domestik dan pada akhirnya menimbulkan

dampak negatif terhadap kinerja saham di pasar modal.

Berdasarkan teori interest rate parity dan teori portofolio

adjustment menyatakan bahwa perubahan kurs akan mempengaruhi

42
 keputusan investor dalam berinvestasi. Ekspektasi meningkatnya

(apresiasi) nilai tukar mata uang domestik terhadap mata uang

asing akan mendorong peningkatan harga saham, ini terjadi karena

investor merasa lebih menguntungkan berinvestasi di luar negeri

(Muhammad Syafi’i, 2013).

10. Metode Exponential Smoothing

Menurut Firdaus (2006:11) Teknik pemulusan eksponensial adalah

prosedur yang dapat merevisi secara terus menerus hasil peramalan

dengan informasi terbaru. Metode ini berdasarkan pemulusan yang

menurun secara eksponensial. Prediksi dilakukan dengan memberikan

bobot yang lebih tinggi untuk informasi yang lebih baru. Misalnya

bobot sebesar α diberikan untuk data terbaru, untuk data kurun

sebelumnya dibobot dengan α(1  ), untuk data sebelumnya lagi

dibobot dengan α(1  ) (1  ) = .

Macam-macam metode exponential smoothing yaitu (Subagyo,

2000):

a. Single Exponential Smoothing

Metode ini banyak mengurangi masalah penyimpangan data,

karena biasanya hanya menyimpan data terakhir, yaitu ramalan

terakhir dan pembobotan smoothing (). Model ini cocok untuk

data dengan pola horizontal atau stasioner dan hanya mampu

memberikan ramalan untuk satu periode ke depan. Metode ini tidak

cukup baik diterapkan jika datanya bersifat tidak stasioner, karena

43
 persamaan yang digunakan dalam metode eskponensial tunggal

tidak terdapat prosedur pemulusan trend yang mengakibatkan data

todak stasioner menjadi tetap tidak stasioner, tetapi metode ini

merupakan dasar bagi metode-metode pemulusan eksponensial

lainnya. Pembobotan smoothing yang diberikan pada data akan

semakin kecil dengan semakin lamanya data (Hapto, 2007).

b. Double Exponential Smoothing

1) Double Exponential Smoothing Brown

Metode ini memberikan bobot yang semakin menurun pada

observasi masa lalu. Model ini cocok untuk data yang berpola

trend linier. Pada metode ini dilakukan dua kali pemulusan,

yaitu pemulusan tahap 1 untuk update intercept, tujuannya

untuk menghilangkan komponen error. Pemulusan tahap 2

untuk update slope, tujuannya untuk menghilangkan

komponen trend.

2) Double Exponential Smoothing Holt

Pada prinsipnya metode ini sama dengan metode Brown,

kecuali metode ini menggunakan rumus pemulusan berganda

secara langsung. Sebagai gantinya, Holt memuluskan nilai

trend dengan parameter yang berbeda dari parameter yang

digunakan pada data asli. Pemulusan ekponensial Holt

menggunakan dua konstanta pemulusan ( dan β) yang

44
 bernilai antara 0 dan 1 serta memiliki tiga persamaan. Pola

data yang sesuai adalah stasioner, dan pola trend konsisten.

c. Damped Trend Exponential Smoothing

Metode ini menambahkan parameter damping trend (),

damping trend ini bernilai antara 0 dan 1. Parameter yang

digunakan dalam metode ini terdiri atas tiga indikator, yaitu level

( ), trend (β), dan damping trend ().

B. Keterkaitan Antar Variabel

1. Tingkat inflasi terhadap Return Saham

Inflasi merupakan kecenderungan kenaikan harga barang-barang

secara umum yang terjadi terus menerus. Hal ini tentu saja akan

mempengaruhi kenaikan biaya produksi pada suatu perusahaan. Biaya

produksi yang tinggi tentu saja akan membuat harga jual barang naik,

sehingga akan menurunkan jumlah penjualan yang akan berdampak

buruk terhadap kinerja perusahaan yang tercermin dengan turunnya

return saham perusahaan tersebut.

Kenaikan laju inflasi yang tidak diantisipasi tersebut akan

meningkatkan harga barang dan jasa, sehingga konsumsi akan

menurun. Selain itu kenaikan harga faktor produksi juga akan

meningkatkan biaya modal perusahaan. Sehingga pengaruh dari

kenaikan laju inflasi yang tidak diantisipasi tersebut akan menurunkan

harga saham. Dari penjelasan ini dapat disimpulkan bahwa terdapat

45
 pengaruh negatif dari perubahan tingkat inflasi yang tidak diantisipasi

sebelumnya terhadap return Saham (Akbar, 2013).

2. Suku Bunga terhadap Return Saham

Sertifikat Bank Indonesia (SBI) adalah surat berharga atas unjuk

dalam rupiah yang diterbitkan Bank Indonesia sebagai pengakuan

hutang berjangka waktu pendek yang diperjualbelikan dengan sistem

diskonto. Kenaikan suku bunga SBI dapat mendorong harga saham ke

bawah. Kenaikan suku bunga akan meningkatkan beban bunga emiten,

sehingga perolehan laba menurun. Selain itu, pada saat suku bunga

tinggi, biaya produksi meningkat, harga produk menjadi lebih mahal,

dan konsumen akan menunda pembelian, akibatnya penjualan

perusahaan menurun. Penurunan penjualan dan penurunan laba ini akan

menekan harga saham (Riantani, 2013).

Menurut Cahyono (2000:117) terdapat 2 penjelasan mengapa

kenaikan suku bunga dapat mendorong return saham ke bawah.

Pertama, kenaikan suku bunga mengubah peta hasil investasi. Kedua,

kenaikan suku bunga akan memotong laba perusahaan. Hal ini terjadi

dengan dua cara. Kenaikan suku bunga akan meningkatkan beban

bunga emiten, sehingga labanya bisa terpangkas. Selain itu, ketika suku

bunga tinggi, biaya produksi akan meningkat dan harga produk akan

lebih mahal sehingga konsumen mungkin akan menunda pernbeliannya

dan menyimpan dananya di bank. Akibatnya penjualan perusahaan

46
 menurun. Penurunan penjualan perusahaan dan laba akan menekan

return saham.

3. Nilai Tukar Rupiah terhadap Return Saham

Kurs valuta asing adalah salah satu alat pengukur lain yang

digunakan dalam menilai kekuatan suatu perekonomian. Kurs

menunjukkan banyaknya uang dalam negeri yang diperlukan untuk

membeli satu unit valuta asing tertentu. Kurs valuta asing dapat

dipandang sebagai harga dari suatu mata uang asing. Salah satu faktor

penting yang mempengaruhi kurs valuta asing adalah neraca

perdagangan nasional. Neraca perdagangan nasional yang mengalami

defisit cenderung untuk menaikkan nilai valuta asing. Dan sebaliknya,

apabila neraca pembayaran kuat (surplus dalam neraca keseluruhan)

dan cadangan valuta asing yang dimiliki negara terus menerus

bertambah jumlahnya, nilai valuta asing akan bertambah murah. Maka

perubahan-perubahan kurs valuta asing dapat dipergunakan sebagai

salah satu ukuran untuk menilai kestabilan dan perkembangan suatu

perekonomian.

Nilai tukar (kurs) rupiah adalah harga rupiah terhadap mata uang

negara lain dalam penelitian ini kurs terhadap dollar AS. Kurs rupiah

per dollar AS dalam penelitian ini diukur dengan kurs tengah tahunan,

yaitu nilai yang diperoleh dari penjumlahan kurs jual (selling rate) dan

kurs beli (buying rate) kemudian dibagi dua (www.bi.go.id).

Melemahnya kurs rupiah dapat mempengaruhi tingkat pengembalian

47
 investasi suatu perusahaan terutama pada perusahaan yang tingkat

impor dan hutang luar negerinya tinggi. Melemahnya kurs rupiah ini

akan mengakibatkan biaya yang ditanggung perusahaan semakin besar

sehingga dapat menekan tingkat keuntungan yang pada akhirnya akan

menurunkan harga saham (Riantani, 2013).

C. Penelitian Terdahulu

Penelitian sebelumnya merupakan kumpulan beberapa hasil penelitian

yang telah dilakukan oleh peneliti terdahulu yang ada kaitannya terhadap

penelitian yang akan dilakukan ini. Berdasarkan uraian yang telah

dipaparkan di atas, ringkasan dari penelitian tersebut dapat diuraikan dalam

tabel di bawah ini:

48
 Tabel 2.1.
Penelitian Terdahulu

No Peneliti Judul Metode Variabel Hasil Penelitian

1 Lemiyana Analisis Model CAPM Pengukuran variabelitas  Variabel untuk  Secara statistik tidak
dan APT dalam (standar deviasi) expected model CAPM: terdapat perbedaan akurasi
I-Finance Vol. 1. Memprediksi Tingkat return dengan actual Market Return yang signifikan antara
Juli 2015 Return Saham Syariah return, pengujian asumsi (Rm), Beta CAPM dan APT dalam
(JII) klasik, koefisien  Variabel untuk memprediksi return saham
determinasi model APT: Syariah di Jakarta Islamic
tingkat Index
inflasi,tingkat suku  Model CAPM lebih akurat
bunga daripada model APT dalam
memprediksi return saham
Syariah
2 Kristin Laia dan Perbandingan Keakuratan Analisis data perhitungan  Variabel untuk  Model CAPM tidak akurat
Ivone Saerang Capital Assets Pricing expected return, uji model CAPM : dalam memprediksi
Model (CAPM) dan standar deviasi dan uji Market Return expected return pada bank
Jurnal EMBA Arbitrage Pricing Theory beda, analisis regresi (Rm), Beta umum swasta nasional
Vol. 2 No. 2 Juni (APT) dalam Investasi berganda  Variabel untuk devisa
2015, Hal. 247- Saham Pada Bank Umum model APT :  Model APT dengan tiga
257 Swasta Nasional Devisa tingkat faktor makroekonomi lebih
yang terdaftar di BEI inflasi,tingkat suku akurat dalam memprediksi
bunga BI, tingkat expected return pada bank
Kurs umum swasta nasional
devisa
3 Denny Cahyo dan Perbandingan Keakuratan Menggunakan metode  Variabel untuk Hasil dari dan
Noval Adib CAPM dan APT dalam analisis data perhitungan model CAPM : tidak terdapat
memprediksi return saham expected return, uji Market Return perbedaan sehingga tidak

49
 Jurnal Akuntansi perusahaan di Jakarta standar deviasi, (Rm), Beta terdapat perbedaan keakuratan
Fakultas Ekonomi Islamic Index (Periode menghitung MAD, uji  Variabel untuk dari kedua model tersebut.
dan Bisnis 2010-2014) kelayakan model dengan model APT :
Unversitas uji asumsi klasik dan uji tingkat
Brawijaya, 2015 beda inflasi,tingkat suku
bunga BI, tingkat
Kurs
4 Nasika Elvira, Analisis Portofolio Menggunakan metode Variabel untuk model  Rata-rata tingkat
Suhadak dan Menggunakan Capital analisis data perhitungan CAPM : Market Return pengembalian saham
Nengah Sudjana asset pricing model expected return, uji (Rm), Beta individu (Ri) dari saham
(CAPM) untuk Penetapan standar deviasi perusahaan sampel
Jurnal Kelompok Saham-saham penelitian memiliki return
Administrasi Efisien yang positif
Bisnis (JAB)|  Hasil analisis dalam
Vol. 9 No. 1 penelitian tersebut
April 2014 menunjukkan terdapat 12
saham yang efisien dan 6
saham yang tidak efisien
5 Fauzi Adi Penerapan Metode Capital Menggunakan metode Variabel untuk model  Rata-rata return individual
Kurniawan, asset pricing model analisis data perhitungan CAPM : Market Return yang lebih besar daripada
Raden Rustam (CAPM) Untuk Penetapan expected return, uji (Rm), Beta return market.
Hidayat dan Devi Kelompok Saham-saham standar deviasi  Dari 15 saham perusahaan
Farah Azizah Efisien yang menjadi sampel
penelitian terdapat 1
Jurnal saham tidak efisien.
Administrasi
Bisnis Vol. 24
No. 1 Juli 2015

50
6 Zainul Kisman The Validity of Capital Metode analisis  Variabel untuk  Secara uji statistik, baik
dan Shintabelle asset pricing model menggunakan uji beda (t- model CAPM : CAPM dan APT return
(CAPM) and Arbitrage test), F-test (parsial dan Market Return saham secara signifikan
American Journal Pricing Theory (APT) in simultan), Koefisien (Rm), Beta dipengaruhi oleh variabel
of Economics, Predicting the Return of Determinasi (Adjusted R2)  Variabel untuk independen
Finance and Stocks in Indonesia Stock model APT  Dilihat dari koefisien
Management Vol. Exchange :tingkat suku determinasi keakuratan
1, No. 3, 2015 bunga dan PDB hasil perhitungan model
APT lebih baik dari hasil
perhitungan model CAPM
 Dalam penelitian ini,
model APT lebih akurat
dari model CAPM dalam
memprediksi return
saham
7 Rabeea Sadaf and Islamic capital asset Penelitian ini dilakukan Variabel untuk model  Dalam hal ini peneliti
Sumera Andlebb pricing model (ICAPM) dengan cara menganalisis CAPM : Market Return mengamati bahwa Rf (risk
model CAPM dan (Rm), Beta, Risk free rate of return) dengan
Journal of Islamic membuat perbandingan free/Inflasi inflasi hampir tumpang
Banking and jika model CAPM tindih satu sama lain,
Finance March menggunakan risk free, menunjukkan bahwa
2014, Vol. 2 No. tidak menggunakan risk return dengan kedua
1 free serta mengganti risk persamaan tersebut kira-
free dengan inflasi kira sama.
 Menurut para kritikus
tetap saja Rf dilarang
menurut islam karena
mengandung unsur riba

51
 sedangkan inflasi
diperbolehkan.Maka
sebaiknya Rf digantikan
dengan inflasi guna
menyelamatkan investor
dari riba

8 Tarek H. Selim An Islamic capital assetMenghitung return dari Variabel untuk model  Adanya kontrak berbagi
pricing model pengembalian kontrak CAPM : Market Return akan menghasilkan  risiko
Humanomics 24 pembiayaan muyarakah. (Rm), Beta, RiskFree investasi yang lebih rendah
(2) 2008, 122-129 Menyamakan CAPM atau Inflasi dibandingkan dengan pasar
konven dgn islami  Tingkat  = 0,
menggunakan Equation 10 pengembalian yang optimal
dan 11 dalam kasus ini
9 Muhammad Hanif Risk and Return under Disini peneliti  Dalam penelitian ini penulis
(Corresponding Shari’a Framework: An memaparkan berbagai membahas model penilaian
Author) Atempt to Develop Shari’a formula SCAPM dengan asset teknis yang digunakan
Compliant Asset Pricing mennganti indikator Rf dibahawah kerangka kerja
Pak. J. Commer. Model (SCAPM) bisa dengan zakat, Inflasi, konvensional dan
Soc. Sci. 2011 NGDP, dll mengaplikasikan
Vol. 5 (2), 283- kemungkinan model ini
292 berada di bawah kerangka
kerja islam
 CAPM dikonversi menjadi
SCAPM dengam
menghilangkan risk free
dengan inflasi
10 Akbar Faoriko Pengaruh Inflasi, Suku Analisis Regresi Linier Variabel dependen :  Inflasi berpengaruh negatif

52
 Jurnal Bunga dan Nilai Tukar Berganda return saham dan signifikan terhadap
Administrasi Rupiah terhadap Return Variabel independen : return saham
Bisnis (JAB)| Saham di Bursa Efek inflasi, suku bunga dan  Suku bunga berpengaruh
Vol. 6 No. 1 Indonesia kurs negatif dan signifikan
April 2013 terhadap return saham
 Nilai tukar rupiah tidak
berpengaruh negatif dan
signifikan terhadap return
saham
11 Anna Nurlita Investasi di Pasar Modal Menganalisis jenis-jenis  pada dasarnya konsep pasar
Syariah dalam Kajian investasi yang ada di Pasar modal syariah merupakan
Jurnal Penelitian Islam Modal Syariah dengan konsep dari pasar modal
sosial keagamaan, berbagai akad dan konvensional
Vol.17, No.1 memaparkan perbedaan  Hanya saja, pada pasar
Januari-Juni 2014 anatara pasar modal modal syariah terdapat
syariah dengan pasar beberapa hal yang
modal konvensional ditekankan, yaitu mengenai
kegiatan usaha emiten, efek
yang diterbitkan oleh
emiten, serta mekanisme
perdagangan yang
dilakukan oleh investor
haruslah sesuai dengan
prinsip syariah
12 Yolanda Pengujian Validitas Uji regresi sederhana Variabel dependen:  Berdasarkan hasil analisis
Marsyella Empiris Capital Asset return saham data, maka kesimpulan dari
Simangunsong Pricing Model di Pasar Variabel independen : penelitian ini adalah Capital
dan Dewa Gede Modal Indonesia beta Asset Pricing Model tidak

53
 Wirama valid digunakan di pasar
modal Indonesia
Jurnal Ilmiah
Akuntansi dan
Bisnis, Vol. 9 No.
1, Januari 2014
13 Neny Mulyani Analisis Pengaruh Inflasi, Analisis Regresi Linear Variabel dependen:  Inflasi, suku bunga, kurs, dan
Suku Bunga, Nilai Tukar Berganda Jakarta Islamic Index PDB berpengaruh terhadap
Rupiah dan Produk Variabel independen: Jakarta Islamic Index
Jurnal Bisnis dan Domestik Bruto terhadap inflasi, suku bunga,
Manajemen Jakarta Islamic Index kurs, PDB
Eksekutif Vol. 1
No. 1, 2014
14 Suskim Riantani Analisis Pengaruh Analisis Regresi Linear Variabel dependen:  Hasil penelitian
dan Maria Variabel Makroekonomi Berganda return saham BEI menyimpulkan bahwa variabel
Tambunan dan Indeks Global Variabel independen: makroekonomi dan indeks
terhadap Return Saham Kurs, SBI, Inflasi, global berpengaruh signifikan
Seminar Nasional Indeks Hang Seng, terhadap return saham. Oleh
karena itu untuk dapat
Teknologi Indeks Dow Jones
memprediksi return saham,
Informasi & investor hendaknya
Komunikasi memperhatikan pergerakan
Terapan 2013 variabel makroekonomi (kurs
(Semantik 2013) rupiah terhadap dollar AS dan
suku bunga SBI) serta
memperhatikan juga
pergerakan indeks saham
global (indeks Hang Seng dan
indeks Dow Jones), karena

54
pasar modal Indonesia telah
terintegrasi dengan pasar
modal dunia, sehingga
pergerakan indeks saham di
pasar global akan berpengaruh
terhadap pergerakan harga
saham di pasar modal
Indonesia

55
D. Kerangka Pemikiran

Langkah pertama yang dilakukan untuk melakukan penelitian ini adalah

menyeleksi perusahaan-perusahaan yang secara konsistem terdaftar dalam

Jakarta Islamic Index (JII) periode Januari 2012 – November 2016 melalui

website resmi Bursa Efek Indonesia. Pemilihan saham yang konsisten

bertujuan untuk memaksimalkan return yang diperoleh dengan risiko yang

minimal karena konsistensi saham menunjukkan bahwa saham tersebut

merupakan saham unggulan yang memiliki nilai transaksi dan volume

perdagangan terbesar selama 5 tahun berturut-turut.

Setelah saham-saham JII yang konsisten terpilih, kemudian peneliti

mengumpulkan data harga saham bulanan dari perusahaan-perusahaan yang

telah diseleksi melalui data historis yang terdapat pada website resmi Bursa

Efek Indonesia. Peneliti juga mengumpulkan data indeks JII dari website

yang sama. Selain itu data bulanan tingkat inflasi, kurs Rp/$, dan suku

bunga yang didapat dari website resmi Bank Indonesia, data bulanan JII dari

website dan website yahoo finance.

Data historis yang telah terkumpul kemudian diolah dengan

menggunakan metode Capital Asset Pricing Model (CAPM), Islamic

Capital Asset Pricing Model (ICAPM) dan Arbitrage Pricing Theory (APT).

Sebelum itu perlu dihitung pendapatan saham yang sesungguhnya ( ), risk

free ( ) dan return pasar ( ), kemudian menghitung beta () dengan

menggunakan rumus market model. Setelah beta masing-masing perusahaan

56
diperoleh kemudian barulah dibentuk persamaan berdasarkan model CAPM.

Untuk model ICAPM langkah-langkah perhitungannya sama dengan model

CAPM hanya saja nilai risk free ( ) diganti dengan Inflasi.

Kemudian untuk return model APT, dihitung juga nilai risk free ( ),

, , dan . Untuk menghitung surprise faktor menggunakan

metode Exponential Smoothing. Langkah berikutnya adalah menghitung

nilai Mean Absolute Deviation (MAD) untuk mengetahui metode mana

yang lebih akurat dalam mengestimasi return saham syariah di JII. Lalu

semua data diuji kenormalitasannya. Setelah data dikatakan terdistribusi

normal maka lanjut ke tahap selanjutnya yaitu uji t, uji f, koefisien

determinasi, dan independent t-test, untuk mengetahui apakah ada

perbedaan antara model CAPM, ICAPM dan APT. Adapun skemanya dapat

dilihat pada gambar berikut:

57
 Pengujian Validitas Capital Asset Pricing Model (CAPM), Islamic Capital Asset Pricing Model (ICAPM) dan Abritrage
Pricing Theory (APT) dalam Memprediksi Return Saham Syariah di Jakarta Islamic Index (Periode Tahun 2012 – 2016)

CAPM ICAPM APT

Risk free Beta () Return Pasar Beta () Return Pasar Inflasi Suku Bunga Kurs
Inflasi

Menghitung return saham Menghitung return saham Menghitung return

JII dengan CAPM JII dengan ICAPM saham JII dengan APT

Uji F dan Uji T Nilai MAD masing-masing model Koefisien Determinasi (Adjust R2)

Uji Normalitas

Independent T-test

Kesimpulan dan saran

Gambar 2.1
Kerangka Pemikiran
58
D. Hipotesis Penelitian

Hipotesis merupakan jawaban sementara atas suatu persoalan yang

masih perlu dibuktikan kebenarannya dan harus bersifat logis, jelas, dan

dapat diuji. Dalam memprediksi return saham syariah menggunakan model

CAPM, ICAPM dan APT dapat dibuat hipotesis sebagai berikut:

1. H1 : Model CAPM lebih akurat (koefisien determinasi) dibanding

model ICAPM dan APT dalam memprediksi return saham syariah di

JII.

2. H2 : Terdapat perbedaan akurasi (independent t-test) antara model

CAPM, ICAPM, dan APT dalam memprediksi return saham syariah di

JII.

3. H3 : Excess return market to risk free pada model CAPM

berpengaruh terhadap return saham syariah di JII.

4. H4 : Excess return market to inflation pada model ICAPM

berpengaruh terhadap return saham syariah di JII.

5. H5 : Inflasi pada model APT berpengaruh terhadap return saham

syariah di JII.

6. H6 : SBI pada model APT berpengaruh terhadap return saham syariah

di JII.

7. H7 : Kurs pada model APT berpengaruh terhadap return saham

syariah di JII.

59
 BAB III

METODE PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini menguji validitas model keseimbangan Capital Asset

Pricing Model (CAPM), Islamic Capital Asset Pricing Model (ICAPM) dan

Arbitrage Pricing Theory (APT) dalam memprediksi tingkat return saham

syariah yang terdaftar di Jakarta Islamic Index (JII) dengan melakukan uji

beda Independent t-test. Objek dalam penelitian ini adalah perusahaan-

perusahaan yang terdaftar di Jakarta Islamic Index.

Pada penelitian ini variabel dependen yang digunakan yaitu return

saham syariah dan variabel independen yang digunakan adalah tingkat

inflasi, return pasar, tingkat bunga bebas risiko, beta saham, tingkat suku

bunga dan nilai tukar valuta asing. Data operasional yang digunakan dalam

penelitian ini merupakan data panel. Semua data diambil dalam bentuk

bulanan selama periode tahun 2012 sampai 2016.

B. Teknik Penentuan Sampel

Menurut Sugiyono (2008) populasi adalah wilayah generalisasi yang

terdiri dari atas obyek/subyek yang mempunyai kualitas dan karakteristik

tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulannya, jadi populasi bukan hanya orang, tetapi juga obyek dan

benda-benda alam yang lain.

60
 Populasi dalam penelitian ini adalah seluruh perusahaan saham syariah

yang terdaftar di Jakarta Islamic Index pada periode tahun 2012 sampai

2016. Penentuan sampel dilakukan secara random (non probability

sampling) dengan metode purposive sampling yang dilakukan dengan

mengambil sampel dari populasi berdasarkan kriteria tertentu.

Tabel 3.1.
Daftar Penentuan Perusahaan Sampel

Kriteria Jumlah
Perusahaan Saham Syariah yang terdaftar di Jakarta Islamic Index
30
pada masa periode tahun 2012 sampai 2016
Perusahaan keluar dari JII dalam masa periode penelitian 14
Jumlah sampel dalam penelitian 16
Sumber: data sekunder diolah 2012-2016

Tabel 3.2.
Daftar Perusahaan JII Periode Januari 2012- November 2016
No. Nama Perusahaan Kode
1 Astra Agro Lestari Tbk AALI
2 Adaro Energy Tbk. ADRO
3 AKR Corporindo Tbk. AKRA
4 Astra Internasional Tbk. ASII
5 Alam Sutera Realty Tbk. ASRI
6 Indofood CBP Sukses Makmur Tbk. ICBP
7 Indofood Sukses Makmur Tbk. INDF
8 Indocement Tunggal Prakasa Tbk. INTP
9 Kalbe Farma Tbk. KLBF
10 Lippo Karawaci Tbk. LPKR
11 PP London Sumatera Plantation Tbk. LSIP
12 Perusahaan Gas Negara (Persero) Tbk. PGAS
13 Semen Indonesia (Persero) Tbk. SMGR
14 Telekomunikasi Indonesia (Persero) Tbk TLKM
15 United Tractors Tbk UNTR
16 Unilever Indonesia Tbk UNVR
Sumber: PT. Bursa efek Indonesia, Data Diolah Oleh Penulis

61
C. Teknik Pengumpulan Data

Pengumpulan data merupakan hal yang harus dilakukan dalam

penyusunan skripsi ini, karena penulis dalam menyusun skripsi memerlukan

data-data yang lengkap, akurat dan dapat disahkan kebenarannya. Dalam

penulisan skripsi ini, data yang digunakan dalam teknik penelitian ini

merupakan data sekunder. Data sekunder merupakan sumber yang tidak

langsung memberikan data kepada pengumpul data, misalnya orang lain

atau lewat dokumen (Sugiyono, 2008).

Data-data sekunder yang digunakan dalam penelitian ini yaitu:

1. Data-data perusahaan yang tergabung dalam Jakarta Islamic Index

diperoleh dari data statistik yang dipublikasi oleh Bursa Efek Indonesia.

2. Data harga saham, indeks JII diperoleh data statistik yang dipublikasi

oleh Bursa Efek Indonesia.

3. Data variabel makroekonomi seperti tingkat inflasi, suku bunga SBI,

dan kurs diperoleh dari data statistik yang dipublikasi oleh BI.

Proses pengumpulan data dalam penelitian ini menggunakan teknik

studi kepustakaan (Library Research), merupakan teknik pengambilan data

yang dilengkapi pula dengan membaca dan mempelajari serta menganalisis

literatur yang bersumber dari buku-buku dan jurnal-jurnal yang berkaitan

dengan penelitian ini. Hal ini dilakukan untuk mendapatkan landasan teori

dan konsep yang tersusun. Penulis melakukan penelitian dengan membaca

dan mengutip bahan-bahan yang berkenaan dengan penelitian.

62
D. Teknik Analisis Data

Analisis data adalah proses penyederhanaan data kedalam bentuk yang

lebih mudah dipahami untuk diinterpretasikan (Purwanto, Sulistyowati,

2007:109). Penelitian ini menggunakan model analisis perhitungan Uji

Mean Absolut Deviation (MAD). Model analisis tersebut digunakan untuk

mencari perbedaan keakuratan model CAPM, ICAPM dan APT dalam

memprediksi return saham JII. Data yang digunakan dalam penelitian ini

akan diolah dengan menggunakan Microsoft Excel, Eviews 8 dan SPSS 24.

Adapun tahap-tahap analisis ini diantaranya adalah sebagai berikut:

1. Menghitung Expected Return Saham JII menggunakan Model

CAPM

Menurut Bodie, et.al (2014:307), tingkat pendapatan yang

diharapkan dari suatu sekuritas untuk model CAPM dapat dihitung

dengan menggunakan rumus:

Dimana merupakan tingkat pendapatan yang diharapkan dari

sekuritas i yang mengandung risiko, merupakan tingkat pendapatan

bebas risiko, merupakan tingkat pendapatan yang diharapkan

dari portofolio pasar dan merupakan tolak ukur risiko yang tidak bisa

terdiversifikasi dari berharga yang ke-i.

63
Variabel yang berkaitan dengan rumus CAPM di atas adalah:

a. Actual Return Saham JII Terpilih ( )

Berdasarkan pengertian return, bahwa return suatu saham

adalah hasil yang diperoleh dari investasi dengan cara menghitung

selisih harga saham periode berjalan dengan periode sebelumnya

dengan mengabaikan dividen, maka dapat ditulis dengan rumus

(Jogiyanto, 2013) :

Dimana: = actual return saham JII terpilih

= harga pada waktu t

= harga untuk waktu sebelumnya

b. Market Return ( )

Pendapatan pasar (market return) dihitung dengan rumus

sebagai berikut (Hanif, 2011):

Dimana:

= Market return

= Jakarta Islamic Index pada akhir periode t

= Jakarta Islamic Index pada periode sebelumnya

64
 Sedangkan expected market return E( ) merupakan tingkat

return rata-rata pasar modal dalam periode tertentu, yang dinilai

dari rata-rata Indeks Harga saham JII.

c. Return Aset Bebas Risiko

Return aset bebas risiko ( ) yang digunakan pada model

CAPM didapat dari suku bunga SBI selama satu bulan dibagi dua

belas bulan (Andri, 2010).

d. Beta Saham

Untuk menentukan expected return dengan CAPM sebelumnya

harus menghitung nilai beta (). Beta merupakan suatu pengukuran

volatilitas return suatu sekuritas atau return portofolio terhadap

return pasar. Dengan demikian, beta merupakan pengukuran risiko

sistematis dari suatu portofolio atau suatu sekuritas. Beta suatu

sekuritas merupakan kovarian return antara sekuritas ke-i dengan

return pasar dibagi dengan varian return pasar. Adapun untuk

menghitung beta saham sebagai berikut (Bodie.et.al., 2014):

65
2. Menghitung Expected Return Saham JII menggunakan Model

ICAPM

Seperti yang telah dijelaskan pada bab sebelumnya pendapatan

yang diharapkan (expected return) adalah pendapatan masing-masing

saham yang diharapkan oleh para investor pada masa yang akan datang.

Dengan menggunakan metode ICAPM , maka expected return dapat

dihitung dengan rumus sebagai berikut (Hanif, 2011):

Dimana: = Return harapan aset ke-i

= Return harapan portofolio pasar

= Tingkat Inflasi

= Risiko aset ke-i

Variabel yang berkaitan dengan rumus ICAPM di atas adalah:

a. Actual Return Saham JII Terpilih ( )

Berdasarkan pengertian return, bahwa return suatu saham

adalah hasil yang diperoleh dari investasi dengan cara menghitung

selisih harga saham periode berjalan dengan periode sebelumnya

dengan mengabaikan dividen, maka dapat ditulis dengan rumus

(Jogiyanto, 2013) :

Dimana: = actual return saham JII terpilih

= harga pada waktu t

66
 = harga untuk waktu sebelumnya

b. Market Return ( )

Pendapatan pasar (market return) dihitung dengan rumus

sebagai berikut (Hanif, 2011):

Dimana:

= Market return

= harga indeks JII pada akhir periode t

= harga indeks JII pada periode sebelumnya t-1

Sedangkan expected market return E ) merupakan tingkat

return rata-rata pasar modal dalam periode tertentu, yang dinilai

dari rata-rata Indeks Harga saham JII.

c. Beta Saham

Untuk menentukan expected return dengan ICAPM

sebelumnya harus menghitung nilai beta (). Beta merupakan suatu

pengukuran volatilitas return suatu sekuritas atau return portofolio

terhadap return pasar. Dengan demikian, beta merupakan

pengukuran risiko sistematis dari suatu portofolio atau suatu

sekuritas. Beta suatu sekuritas merupakan kovarian return antara

sekuritas ke-i dengan return pasar dibagi dengan varian return

pasar. Adapun untuk menghitung beta saham sebagai berikut

(Bodie, et.al., 2014):

67
 d. Tingkat Inflasi

Tingkat inflasi dalam model ini menggantikan nilai dari

Pendapatan aset bebas risiko (Rf) karena dalam model ICAPM, risk

free dianggap mengandung riba. Data inflasi diambil dari website

resmi Bank Indonesia.

3. Menghitung Expected Return Saham JII menggunakan Model APT

Untuk menghitung expected return dengan model APT telah

dijelaskan pada bab sebelumnya, maka rumus mengenai expected

return dengan tiga faktor yang akan digunakan dalam penelitian ini

dapat ditunjukkan oleh Rumus berikut (Andri, 2010):

a. Actual Return Saham JII Terpilih (Ri)

Actual return pada model APT sama dengan actual return

pada model ICAPM, maka actual return pada model APT juga

dihitung dengan rumus yang sama, yaitu (Jogiyanto, 2013):

Dimana: = actual return saham JII terpilih

= harga pada waktu t

= harga untuk waktu sebelumnya

68
b. Return Aset Bebas Risiko

Return aset bebas risiko ( ) yang digunakan pada model APT

didapat dari suku bunga SBI selama satu bulan dibagi dua belas

bulan (Andri, 2010).

c. Menghitung Beta (β)

Berbeda dengan beta CAPM dan ICAPM yang merupakan

sensitivitas return saham i (Ri) terhadap market return ( )

sedangkan beta dalam APT adalah sensitivitas return saham i ( )

terhadap suatu faktor (Bodie, et.al, 2014).

d. Surprise faktor (F)

Surprise merupakan selisih antara actual value dengan

expected value dari suatu faktor. Dalam APT faktor yang

mempengaruhi return suatu saham jumlahnya lebih dari satu,

faktor-faktor ini didapat dari penelitian empiris yang telah

dilakukan (Suad Husnan, 2009).

Penelitian ini menggunakan model APT tiga faktor dan

menggunakan faktor yang sama dengan faktor yang digunakan oleh

Kristin Laia (2015) yaitu tingkat inflasi, SBI, dan Kurs Rupiah

terhadap Dollar. Dan untuk menghitung expected value variabel

makro akan menggunakan metode Exponential Smoothing.

69
 Macam-macam metode exponential smoothing yaitu (Subagyo,

2000) dengan rumus sebagai berikut:

1) Single Exponential Smoothing

Dimana:

= Nilai ramalan untuk 1 periode ke depan setelah t

= Nilai aktual pada periode ke-t

= Pembobot Smoothing (0 <  < 1)

2) Double Exponential Smoothing

a) Double Exponential Smoothing Brown

Dimana:

= Prediksi Y pada m periode ke depan

= Smoothing tahap 1

= Smoothing tahap 2

= Intercept

70
 = Slope

= Jumlah periode ramalan ke depan

b) Double Exponential Smoothing Holt

Dimana:

= Prediksi Y pada m periode ke depan

 dan β = Pembobot Smoothing

3) Damped Trend Exponential Smoothing

Dimana:

= Rangkaian waktu yang diamati

= Level

α dan b = Pembobot Smoothing

 = Damping Factor

Untuk memudahkan perhitungan dan mendapatkan hasil yang

akurat, maka dapat juga dihitung dengan menggunakan software

SPSS 24, dengan langkah berikut: klik Analyze > Forecasting >

71
Create Model > Methode > Exponential Smoothing, Criteria >

Simple/Holt’s Linear trend/Brown’s Linear trend.

Untuk menentukan metode forecasting yang terbaik, maka

dilihat dari nilai Mean Absolute Error (MAE) atau Mean Absolute

Deviation (MAD) dan nilai Mean Absolute Percentage Error

(MAPE). Semakin kecil nilai MAD dan MAPE, maka semakin

baik metodenya. Nilai MAD dan MAPE dapat dihitung dengan

rumus sebagai berikut (Ali Baroroh, 2013:130):

∑ ̌
∑

̌
∑
{∑ }

Dimana:

MAE = Rata-rata penyimpangan absolut

MAPE = Rata-rata penyimpangan prenstase absolute

= Data aktual

̌ = Data yang diharapkan

= nilai ralat atau residual

= Jumlah data

Nilai MAD dan MAPE juga dapat dilihat dari output SPSS

pada tabel model statistics.

72
4. Pemilihan Metode yang Akurat

Untuk mengukur keakuratan dari model CAPM, ICAPM dan APT,

maka akan dihitung nilai Mean Absolute Deviation (MAD) dan

koefisien determinasi.

a. Mean Absolute Deviation

Rata-rata penyimpangan absolut atau MAD (Mean Absolute

Deviation) merupakan penjumlahan kesalahan prakiraan tanpa

menghiraukan tanda aljabarnya dibagi dengan banyaknya data yang

diamati (Herjanto, 2010). Menurut Gaspersz (2004), MAD dapat

digunakan sebagai indikator dalam pengukuran akurasi peramalan.

Keakuratan dari kedua model (CAPM dan APT) dalam

meramalkan return saham dapat diukur dengan rata-rata

penyimpangan absolut atau MAD (Mean Absolute Deviation).

MAD menghitung rata-rata dari nilai absolut selisih return aktual

saham dengan return harapannya. Menurut Premananto dan

Madyan (2004), semakin kecil MAD, maka menandakan bahwa

return harapan tidak jauh menyimpang dari return aktualnya

sehingga tingkat akurasinya dapat dikatakan tinggi. Rumus untuk

menghitung rata-rata penyimpangan absolut (Mean Absolute

Deviation) adalah:

∑ –

73
 Dimana: MAD = Rata-rata penyimpangan absolut

= Return saham i yang sesungguhnya

= Return saham yang diharapkan

n = Jumlah data

b. Koefisien Determinasi

Menurut Gujarati (2004), Koefisien Determinasi ( ) mengukur

proporsi atau persentase dari total varian Y yang dapat dijelaskan

oleh model regresi. Dengan kata lain, digunakan untuk

mengukur kebaikan dari sebuah model regresi dan seberapa jauh

kemampuan variabel independen dalam menerangkan varian

variabel dependen. Batas nilai adalah 0 < < 1. Nilai yang

mendekati satu mengindikasikan bahwa variabel independen

semakin baik dalam menjelaskan varian pada variabel dependen

(Gujarati, 2004).

5. Uji Normalitas Nilai MAD (Mean Absolute Deviation)

Uji normalitas dilakukan untuk mengetahui apakah distribusi

sebuah data yang didapatkan mengikuti atau mendekati hukum sebaran

normal (Nisfiannor, 2009). Uji normalitas nilai MAD masing-masing

model dalam penelitian ini menggunakan one-sample kolmogorov

smirnov test.

Uji normalitas ini dilakukan sebagai syarat untuk melakukan uji

beda Independent sample t-test. Nilai α yang digunakan adalah 0,05 (α

74
 = 0,05), data normal bila nilai sig (p) ˃ α dan data tidak normal bila

nilai sig (p) < α.

Uji kolmogorov-smirnov dilakukan dengan membuat hipotesis:

: tidak terdapat perbedaan dengan populasi normal (data normal)

: terdapat pebedaan dengan populasi normal (data tidak normal)

6. Uji Beda

a. Paired Sample T Test

Uji Paired Sample T Test merupakan salah pengukuran

statistika parametik. Statistika parametik meruakan bagian dari

statistika inferensial yang parameter dari populasinya mengikuti

suatu distribusi tertentu, seperti distribusi normal dan memiliki

varians yang homogen. Kelebihan dari penggunaan pengukuran

statistika parametik adalah kesimpulan yang diperoleh lebih kuat

jika dibandingkan dengan kesimpulan yang diperoleh dari analisis

statistika non parametrik.

Paired Sample T Test menguji dua sampel yang berpasangan,

untuk mengalisis apakah kedua sampel yang berhubungan tersebut

memiliki rata-rata yang secara nyata berbeda ataukah tidak.

Pengujian dua sampel berpasangan bertujuan untuk menguji beda

rata-rata berpasangan antara dua sampel yang berhubungan.

Sampel yang berpasangan diartikan sebagai sebuah sampel dengan

subyek yang sama, namun mengalami dua perlakuan atau

pengukuran yang berbeda. Uji Paired Sample T Test ini digunakan

75
 untuk menguji beda rata-rata setiap variabel antara sebelum dan

sesudah dilakukannya Initial Public Offering (IPO) (Sunjoyo,

2013).

b. Independent Sample T Test

Pengolahan data dalam penelitian ini yaitu menggunakan

teknik statistik uji beda dua rata-rata (Independent Sample t-test).

Penelitian ini melakukan uji beda terhadap rata-rata nilai MAD ada

model CAPM, ICAPM dan APT.

Bentuk hipotesis untuk Independent Sample t-test dalam

penelitian ini adalah:

: Tidak terdapat perbedaan dalam akurasi antara model CAPM,

ICAPM dan APT dalam memprediksi return saham JII.

: Terdapat perbedaan dalam akurasi antara model CAPM,

ICAPM dan APT dalam memprediksi return saham JII.

Tujuan dari hipotesis dalam independent sample t-test pada

penelitian ini adalah untuk verifikasi kebenaran atau kesalahan,

atau dengan kata lain menentukan menerima atau menolak

hipotesis yang telah dibuat. Signifikansi yang akan digunakan

adalah sebesar 95%. Untuk melihat kriteria tolak H0 atau terima H0

adalah dengan membandingkan nilai Significance dengan α, dan t

tabel dengan t hitung.

a. Jika nilai significance < nilai α dan > maka H0

ditolak,

76
 b. Jika nilai significance > nilai α dan < maka H0

diterima.

6. Uji Variabel Masing-Masing Model

a. Uji Normalitas masing-masing model

Tujuan dilakukannya uji normalitas untuk mengetahui apakah

suatu variabel normal atau tidak (Kuncoro, 2001). Model regresi

yang baik adalah data normal atau mendekati normal. Sebenarnya

normalitas dapat dilihat dari gambar histogram, namun sering kali

polanya tidak mengikuti bentuk kurva normal, sehingga sulit

disimpulkan. Lebih mudah jika melihat koefisien dan Jarque-Bera

dari Probabilitasnya. Bila nilai Jarque-Bera tidak signifikan (lebih

kecil dari 2), maka data berdistribusi normal. Bila probabilitas lebih

besar dari 5%, maka data berdistribusi normal (Winarno,

2015:5.43).

Langkah-langkah pengujian normalitas data sebagai berikut:

Hipotesis:

H0: Model tidak Normal

H1: Model normal

Bila probabilitas Obs*R2> 0.05 → Signifikan, H1 diterima.

Bila probabilitas Obs*R2< 0.05 → Tidak signifikan, H1 ditolak.

b. Uji t

Pengujian hipotesis secara parsial, dapat diuji dengan

menggunakan rumus uji t. Pengujian t-statistik bertujuan untuk

77
 menguji ada atau tidaknya pengaruh masing-masing variabel

independen (X) terhadap variabel dependen (Y). Uji t pada

dasarnya menunjukkan seberapa jauh pengaruh satu variabel

penjelas/independen secara individual dalam menerangkan variasi

variabel independen (Ghozali 2011:84).

Menurut Ghozali (2006) uji statistik t pada dasarnya

menunjukkan seberapa jauh pengaruh satu variabel independen

secara individual dalam menerangkan variasi variabel dependen.

Uuntuk menguji apakah hipotesis ini digunakan statistik t dengan

kriteria pengambilan keputusan adalah sebagai berikut:

1) Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai

probabilitas Sig atau (0,05 ≤ Sig), maka H0 diterima dan Ha

ditolak, artinya tidak signifikan.

2) Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai

probabilitas Sig atau (0,05 ≥ Sig), maka H0 ditolak dan Ha

diterima, artinya signifikan.

Dalam penelitian ini, berarti uji t digunakan untuk mengetahui

pengaruh dari masing-masing variabel independen yang terdiri atas

excess return market to risk free, excess return market to inflation,

inflasi, suku bunga SBI dan kurs.

c. Uji F

Uji F atau yang disebut juga dengan uji simultan digunakan

untuk menguji pengaruh variabel independen secara bersama-sama

78
 terhadap variabel dependen dari suatu persamaan regresi dengan

menggunakan hipotesis statistik (Santoso, 2004:168). Langkah-

langkah dalam pengujian uji simultan adalah sebagai berikut:

1) Merumuskan hipotesis statistik

a) H0 : b1 = b2 = 0, artinya X1 dan X2 secara simultan

(sendiri-sendiri) tidak berpengaruh signifikan terhadap

Y.

b) Ha : b1 = b2 ≠ 0, artinya X1 dan X2 secara simultan

(sendiri-sendiri) berpengaruh signifikan terhadap Y.

Uji statistik F pada dasarnya menunjukkan apakah semua

variabel independen yang dimasukkan dalam model mempunyai

pengaruh secara bersama-sama terhadap variabel dependen. Untuk

mengetahui apakah variabel independen secara bersama-sama

mempengaruhi variabel ependen maka digunakan tingkat

signifikansi sebesar 0.05. jika nilai probabilitas F lebih besar dari

0.05, maka model regresi tidak dapat digunakan untuk

memprediksi variabel dependen, dengan kata lain variabel

independen secara bersama-sama tidak berpengaruh terhadap

variabel dependen, dan sebaliknya (Ghozali, 2011:178).

E. Operasional Variabel

Variabel adalah segala sesuatu berbentuk apaun yang ditetapkan oleh

peneliti untuk dipelajari sehingga memperoleh informasi dari hal tersebut,

kemudian ditarik kesimpulannya (Sugiyono, 2009:60). Untuk menghindari

79
terjadinya perluasan dan pengaburan makna variabel-variabel yang

dibutuhkan, maka berikut ini adalah definisi operasional untuk variabel-

variabel yang akan diteliti:

1. Return Saham ( ), yaitu hasil selisih antara harga saham i pada periode

t dikurangi harga saham i pada periode sebelum t lalu hasilnya dibagi

dengan harga saham i pada periode sebelum t (Jogiyanto, 2013) :

Dimana :

= Return saham ke-i pada peride t

= Harga saham ke-i pada periode t

= Harga saham ke-i pada periode t

2. Return Pasar ( ), tingkat return dari indeks pasar, pemilihan dari

indeks pasar tidak bergantung dari suatu teori tetapi lebih bergantung

dari hasil empirisnya. Karena penelitian ini menggunakan saham-saham

yang masuk dalam indeks JII, maka indeks JII akan digunakan sebagai

return market dengan formula sebagai berikut (Hielmiyani, 2014):

3. Beta (β), merupakan suatu pengukur volatilitas return suatu sekuritas

atau return portofolio terhadap return pasar. Jika volatilitas ini diukur

dengan kovarian, maka kovarian return antara sekuritas ke-i dengan

return pasar adalah sebesar . Jika kovarian ini dihubungkan relatif

terhadap risiko pasar (yaitu dibagi dengan varian return pasar atau

80
 ), maka hasil ini akan mengukur risiko sekuritas ke-i relatif

terhadap risiko pasar atau beta. Dengan demikian beta dapat dihitung

dengan rumus sebagai berikut (Jogiyanto, 2013) :

4. Tingkat Inflasi (untuk model ICAPM), Untuk mengukur pertumbuhan

inflasi dapat digunakan formula sebagai berikut:

5. Return Aset Bebas Risiko ( ), yaitu aset bebas risiko yang didapat dari

suku bunga selama satu bulan dibagi dua belas bulan. Untuk

menghitung nilai digunakan formula sebagai berikut (Andri, 2010):

6. Perubahan Tingkat Inflasi (F1) yang tidak diharapkan adalah selisih

perubahan tingkat inflasi aktual denga perubahan tingkat inflasi yang

diharapkan. Perubahan tingkat inflasi yang diharapkan dihitung

menggunakan metode Exponential Smoothing (Suad Husnan, 2009).

7. Perubahan Tingkat Suku Bunga (F2) yang tidak diharapkan adalah

selisih perubahan tingkat suku bunga aktual denga perubahan tingkat

suku bunga yang diharapkan. Perubahan tingkat suku bunga yang

diharapkan dihitung menggunakan metode Exponential Smoothing

(Suad Husnan, 2009).

81
8. Perubahan Tingkat Kurs Rupiah terhadap Dollar (F3) yang tidak

diharapkan adalah selisih dari nilai kurs Rupiah terhadap Dollar aktual

denga nilai kurs Rupiah terhadap Dollar yang diharapkan. Tingkat kurs

Rupiah terhadap Dollar yang diharapkan dihitung menggunakan metode

Exponential Smoothing (Suad Husnan, 2009)

82
 BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

1. Sejarah Singkat Jakarta Islamic Index

Jakarta Islamic Index atau biasa disebut JII adalah salah satu

indeks saham yang ada di Indonesia yang jenis saham-sahamnya

memenuhi kriteria syariah. Pembentukan JII tidak lepas dari kerja sama

antara Pasar Modal Indonesia (dalam hal ini PT Bursa Efek Jakarta)

dengan PT Danareksa Investment Management (PT DIM). JII telah

dikembangkan sejak tanggal 3 Juli 2000. Pembentukan instrumen

syariah ini untuk mendukung pembentukan Pasar Modal Syariah yang

kemudian diluncurkan di Jakarta pada tanggal 14 Maret 2003.

Mekanisme Pasar Modal Syariah meniru pola serupa di Malaysia yang

digabungkan dengan bursa konvensional seperti Bursa Efek Jakarta dan

Bursa Efek Surabaya. Setiap periodenya, saham yang masuk JII

berjumlah 30 (tiga puluh) saham memenuhi kriteria syariah. JII

menggunakan hari dasar tanggal 1 Januari 1995 dengan nilai dasar 100.

Tujuan pembentukan JII adalah untuk meningkatkan kepercayaan

investor untuk melakukan investasi pada saham berbasis syariah dan

memberikan manfaat bagi pemodal dalam menjalankan syariat islam

untuk melakukan investasi di bursa efek. JII juga diharapkan dapat

mendukung proses transparansi dan akuntabilitas saham berbasis

syariah di Indonesia. JII menjadi jawaban atas keinginan investor yang

83
ingin menanamkan dananya secara syariah tanpa takut tercampur

dengan dana ribawi. Selain itu JII menjadi tolak ukur kinerja

(benchmark) dalam memilih portofolio saham yang halal.

Penentuan kriteria dalam pemilihan saham dalam JII melibatkan

Dewan Pengawas Syariah PT DIM. Saham-saham yang akan masuk ke

JII harus melalui filter syariah terlebih dahulu. Berdasarkan arahan

Dewan Pengawas Syariah PT DIM, ada 4 syarat yang harus dipenuhi

agar saham-saham tersebut dapat masuk ke JII:

a. Emiten tidak menjalankan usaha perjudian dan permainan yang

tergolong judi atau perdagangan yang dilarang.

b. Bukan lembaga keuangan konvensional yang menerapkan sistem

riba, termasuk perbankan dan asuransi konvensional.

c. Usaha yang dilakukan bukan memproduksi, mendistribusikan, dan

memperdagangkan makanan/minuman yang haram.

d. Tidak menjalankan usaha memproduksi, mendistribusikan, dan

menyediakan barang/jasa yang merusak moral dan bersifat

mudharat.

Selain filter syariah, saham yang masuk ke dalam JII harus melalui

beberapa proses penyaringan (filter) terhadap saham yang listing, yaitu:

a. Memilih kumpulan saham dengan jenis usaha utama yang tidak

bertentangan dengan prinsip syariah dan sudah tercatat lebih dari 3

bulan, kecuali termasuk dalam 10 kapitalisasi besar.

84
b. Memilih saham bersadarkan laporan keuangan tahunan atau tengah

tahun berakhir yang memiliki rasio Kewajiban terhadap Aktiva

maksimal sebesar 90%.

c. Memilih 60 saham dari susunan saham di atas berdasarkan urutan

rata-rata kapitalisasi pasar (Market Capitalization) terbesar selama

1 (satu) tahun terakhir.

d. Memilih 30 saham dengan ururtan berdasarkan tingkat likuiditas

rata-rata nilai perdagangan reguler selama 1 (satu) tahun terakhir.

Pengkajian ulang akan dilakukan 6 (enam) bulan sekali dengan

penentuan komponen indeks pada awal bulan Januari dan Juli

setiap tahunnya, sedangkan perubahan pada jenis usaha utama

emiten akan dimonitor secara terus menerus berdasarkan data

publik yang tersedia. Perusahaan yang mengubah lini bisnisnya

menjadi tidak konsisten dengan prinsip syariah akan di keluarkan

dari indeks. Sedangkan saham emiten yang dikeluarkan akan

diganti oleh saham emiten lain. Semua prosedur tersebut bertujuan

untuk mengeliminasi saham spekulatif yang cukup likuid. Sebagian

saham-saham spekulatif memiliki tingkat likuiditas rata-rata nilai

perdagangan reguler yang tinggi dan tingkat kapitalisasi pasar yang

rendah.

85
2. Perkembangan Jakarta Islamic Index

Pada bulan November 2007, Bapepam dan LK telah

mengeluarkan Daftar Efek Syariah (DES) yang berisi daftar saham

syariah yang ada di Indonesia. Dengan adanya DES maka masyarakat

akan semakin mudah untuk mengetahui saham-saham apa saja yang

termasuk saham syariah di Indonesia. Pada tanggal 8 Maret 2011, DSN-

MUI telah menerbitkan Fatwa No. 80 tentang penerapan prinsip syariah

dalam mekanisme perdagangan Efek bersifat ekuitas di pasar reguler

bursa efek. Dengan adanya fatwa tersebut, seharusnya dapat

meningkatkan keyakinan masyarakat bahwa investasi syariah di pasar

modal Indonesia sudah sesuai dengan prinsip-prinsip syariah sepanjang

memenuhi kriteria yang ada di dalam fatwa tersebut. Perkembangan

pasar modal syariah menunjukkan kemajuan seiring dengan

meningkatnya indeks yang ditunjukan dalam Jakarta Islamic Index.

Peningkatan indeks pada Jakarta Islamic Index lebih besar dari pada

Indeks Harga Saham Gabungan secara umum, selama lima tahun

terakhir sejak awal 2012 sampai dengan 2016, indeks JII menunjukkan

pola pergerakan yang cukup fluktuatif.

86
 Jakarta Islamic Index
800.000

Harga Saham JII

600.000

400.000

200.000

Jan-15
May-12

May-13

May-14

May-15

May-16
Jan-12

Jan-13

Jan-14

Jan-16
Sep-12

Sep-13

Sep-14

Sep-15

Sep-16
Grafik 4.1.
Perkembangan Jakarta Islamic Index
Sumber : Bursa Efek Indonesia (Data Diolah)

Berdasarkan pada grafik (4.1) dapat diketahui bahwa indeks JII

secara umum mengalami kenaikan selama periode penelitian, meskipun

terjadi penurunan pada periode-periode tertentu. Pada awal periode

bulan Januari tahun 2012 indeks JII memiliki nilai 562,54 sedangkan di

akhir periode yaitu tahun 2016 indeks JII mengalami kenaikan menjadi

694,13. Nilai tertinggi indeks JII adalah sebesar 746,87 yang terjadi

pada periode bulan Agustus tahun 2016, sedangkan nilai indeks JII

terendah terjadi pada periode bulan Mei tahun 2012 sebesar 525,05.

3. Perkembangan Inflasi

Tingginya tingkat inflasi menunjukkan bahwa risiko untuk

melakukan investasi cukup besar sebab inflasi yang tinggi akan

mengurangi tingkat pengembalian (rate of return) dari investor. Pada

kondisi inflasi yang tinggi maka harga barang-barang atau bahan baku

memiliki kecenderungan untuk meningkat. Peningkatan harga barang-

barang dan bahan baku akan membuat biaya produksi menjadi tinggi

sehingga akan berpengaruh pada penurunan jumlah permintaan yang

87
berakibat pada penurunan penjualan sehingga akan mengurangi

pendapatan perusahaan. Selanjutnya berdampak buruk pada kinerja

perusahan yang tercermin pula oleh turunnya return saham (Ratna

Prihantini, 2009).

Perkembangan Inflasi
Periode 2012 - 2016
10.00%
8.00%
6.00%
4.00%
2.00%
0.00%
May-13
May-12

May-14

May-15

May-16
Jan-12

Jan-13

Jan-14

Jan-15

Jan-16
Sep-12

Sep-13

Sep-14

Sep-15

Sep-16
Grafik 4.2.
Perkembangan Inflasi pada Thun 2012 – 2016
Sumber: Bank Indonesia (Data Diolah)

Berdasarkan grafik perkembangan inflasi di atas, bahwa terjadi

penaikan dan penurunan yang cukup fluktuatif setiap tahunnya. Tingkat

inflasi tertinggi terdapat pada bulan Agustus tahun 2013 yaitu sebesar

8,8%. Dan tingkat inflasi terendah terdapat pada bulan Agustus tahun

2016, hal ini menunjukkan bahwa pada bulan Agustus 2016 adalah

waktu yang tepat untuk melakukan investasi karena risiko berinvestasi

kecil.

88
4. Perkembangan Suku Bunga SBI

Sertifikat Bank Indonesia (SBI) merupakan salah satu mekanisme

yang digunakan Bank Indonesia untuk mengontrol kestabilan nilai

rupiah. Dengan menjual SBI, Bank Indonesia dapat menyerap

kelebihan uang beredar. Tingkat Suku Bunga yang berlaku pada setiap

penjualan SBI ditentukan oleh mekanisme pasar berdasarkan sistem

lelang. BI Rate adalah suku bunga kebijakan yang mencerminkan sikap

atau stance kebijakan moneter yang ditetapkan oleh Bank Indonesia dan

diumumkan kepada publik. Pergerakan suku bunga SBI yang fluktuatif

dan cenderung meningkat akan mempengaruhi sektor riil yang

dicerminkan oleh pergerakan return saham (Dani Ahmad, 2014).

Suku Bunga SBI

8.0%
7.0%
6.0%
5.0%
4.0%
3.0%
2.0%
1.0%
0.0%
May-12

May-13

May-14

May-15

May-16
Jan-12

Jan-13

Jan-14

Jan-15

Jan-16
Sep-12

Sep-13

Sep-14

Sep-15

Sep-16

Grafik 4.3.
Perkembangan Suku Bunga SBI Periode 2012 – 2016
Sumber: Bank Indonesia (Data Diolah)

Berdasarkan grafik di atas bahwa setiap tahunnya suku bunga SBI

mengalami kenaikan yang cukup signifikan. Tingkat suku bunga SBI

tertinggi terdapat pada bulan November tahun 2013 yaitu sebesar 7,2%.

89
 Dan tingkat suku bunga SBI terendah terdapat pada bulan Maret tahun

2012 yaitu sebesar 3,8% karena ada bulan tersebut perekonomian

Indonesia cukup stabil dari mulai nilai tukar rupiah dan juga inflasi

semua terkendali.

Perubahan tingkat suku bunga akan memberikan pengaruh bagi

pasar modal dan pasar uang. Apabila tingkat suku bunga naik maka

secara langsung akan meningkat beban bunga. Perusahaan yang

memiliki leverage yang tinggi akan mendapatkan dampak yang sangat

berat terhadap kenaikan tingkat bunga. Tingkat suku bunga yang tinggi

dapat menyebabkan investor tertarik untuk memindahkan dananya ke

deposito, sehingga permintaan saham menjadi menurun. Penurunan

permintaan saham membuat harga saham menurun dan akan berdampak

pada menurunnya return saham yang akan diterima oleh investor (Dani

Ahmad, 2014).

5. Perkembangan Nilai Tukar Kurs (Rp/USD)

Menurut Sadono Sukirno (2004) kurs valuta asing atau kurs mata

uang asing menunjukkan harga atau nilai mata uang suatu negara

dinyatakan dalam nilai mata uang negara lain. Kurs valuta asing dapat

juga didefinisikan sebagai jumlah uang domestik yang dibutuhkan,

yaitu banyaknya rupiah yang dibutuhkan, untuk memperoleh satu unit

mata uang asing.

90
 KURS
20.000

15.000

10.000

5.000

0.000
Sep-12

Sep-13

Sep-14

Sep-15

Sep-16
May-12

May-13

May-14

May-15

May-16
Jan-12

Jan-13

Jan-14

Jan-15

Jan-16
Grafik 4.4.
Perkembangan Nilai Tukar Kurs (Rp/USD) Periode 2012 – 2016
Sumber: Bank Indonesia (Data Diolah)

Berdasarkan grafik di atas, bahwa selama periode penelitian nilai

tukar kurs (Rp/USD) mengalami peningkatan yang sangat signifikan.

Nilai tukar kurs (Rp/USD) tertinggi ada pada bulan Oktober tahun 2015

yang hampir menyentuh harga Rp 15.000,- yaitu sebesar Rp 14.624,-.

Menurut Akbar (2013) menyatakan bahwa nilai tukar rupiah

terhadap mata uang asing pun mempunyai pengaruh negatif terhadap

ekonomi dan pasar modal. Dengan menurunnya nilai tukar rupiah

terhadap mata uang asing akan mengakibatkan meningkatnya biaya

impor bahan-bahan baku yang akan digunakan untuk produksi dan juga

meningkatkan suku bunga. Walaupun menurunnya nilai tukar juga

dapat mendorong perusahaan untuk melakukan ekspor.

91
B. Analisa dan Pembahasan

1. Capital Asset Pricing Model (CAPM)

a. Return Saham Perusahaan JII

Data yang digunakan dalam penelitian ini adalah data harga

penutupan (Closing Price) bulanan saham-saham perusahaan JII

pada periode Januari 2012 sampai dengan Desember 2016. Return

saham ( ) yang dihitung merupakan return saham aktual yang

didapat dari harga penutupan bulan saat ini ( ) dikurangi dengan

harga penutupan bulan kemarin ( ) dibagi dengan harga

penutupan bulan kemarin ( ). Rata-rata return saham

perusahaan sampel dari tahun 2012 sampai dengan tahun 2016

disajikan dalam tabel 4.1. Berdasarkan hasil perhitungan rata-rata

return saham per bulan masing-masing perusahaan dari tahun 2012

sampai dengan 2016 dapat dilihat bahwa rata-rata secara

keseluruhan adalah 0.0462475, hal ini menunjukkan bahwa seluruh

rata-rata return saham JII per bulan adalah positif, dan ini juga

menunjukkan bahwa selama periode penelitian kalangan investor

merespon positif terhadap saham-saham JII. Rata-rata return

saham per bulan tertinggi adalah saham Adaro Energy Tbk.

(ADRO) yaitu sebesar 0.2649 per bulan, sedangkan rata-rata return

saham per bulan terendah adalah saham Kalbe Farma Tbk. (KLBF)

yaitu sebesar -0.0352.

92
 Tabel 4.1.
Rata-rata Return Saham Perusahaan JII Periode 2012-2106
Return
NO Nama Perusahaan Kode
Saham
1 Astra Agro Lestari Tbk AALI -0.0175
2 Adaro Energy Tbk. ADRO 0.2649
3 AKR Corporindo Tbk. AKRA 0.1877
4 Astra Internasional Tbk. ASII 0.0402
5 Alam Sutera Realty Tbk. ASRI -0.0076
Indofood CBP Sukses Makmur
6 ICBP 0.1514
Tbk.
7 Indofood Sukses Makmur Tbk. INDF 0.1441
8 Indocement Tunggal Prakasa Tbk. INTP 0.0081
9 Kalbe Farma Tbk. KLBF -0.0352
10 Lippo Karawaci Tbk. LPKR 0.0153
PP London Sumatera Plantation
11 LSIP -0.0286
Tbk.
Perusahaan Gas Negara (Persero)
12 PGAS 0.0383
Tbk.
13 Semen Indonesia (Persero) Tbk. SMGR -0.0148
Telekomunikasi Indonesia
14 TLKM 0.2339
(Persero) Tbk
15 United Tractors Tbk UNTR 0.0288
16 Unilever Indonesia Tbk UNVR 0.1585
Rata-rata 0.0462475
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

b. Return Market

Indeks pasar yang digunakan dalam penelitian adalah Jakarta

Islamic Index (JII), data yang digunakan adalah harga penutupan

(closing price) bulanan pada periode Januari 2012 sampai dengan

Desember 2016.

93
 Tabel 4.2.
Return Market ( ) Tahun 2012-2016
Periode 2012 2013 2014 2015 2016
Jan 0.0475 0.0165 0.0304 0.0226 0.0156
Feb 0.0075 0.0672 0.0398 0.0218 0.0475
Mar 0.0305 0.0234 0.0216 0.0085 0.0169
Apr -0.0154 0.0339 0.0113 -0.0871 0.0009
Mei -0.0870 -0.0089 0.0141 0.0500 -0.0067
Jun 0.0364 -0.0243 -0.0028 -0.0588 0.0701
Jul 0.0543 -0.0552 0.0540 -0.0229 0.0465
Agst -0.0066 -0.0509 0.0011 -0.0681 0.0279
Sept 0.0542 -0.0108 -0.0051 -0.0705 -0.0096
Okt 0.0307 0.0514 -0.0250 0.0540 0.0003
Nov -0.0492 -0.0582 0.0188 -0.0107 -0.0773
Des 0.0102 0.0090 0.0117 0.0406 0.0167

Total N 60
Minimum -0.0871
Maximum 0.0701
Rata-rata 0.0051
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

Return market tahun 2012 sampai 2016 sangat fluktuatif,

sehingga terdapat return JII yang bernilai negatif yang

menunjukkan adanya risiko, seperti return yang terdapat pada

tahun 2012 di bulan April (-0.0154), Mei (-0.0870), Agustus (-

0.0066), dan November (-0.0492). Tahun 2013 di bulan Mei (-

0.0089), Juni (-0.0243), Juli (-0.0552), Agustus (-0.0509),

September (-0.0108) dan November (-0.0582). Tahun 2014 di

bulan Juni (-0.0028), September (-0.0051), dan Oktober (-0.0250).

Tahun 2015 di bulan April (-0.0871), Juni (-0.0588), Juli (-0.0229),

Agustus (-0.0681), September (-0.0705) dan November (-0.0107).

Serta pada tahun 2016 di bulan Mei (-0.0067), September (-0.0096)

dan November (-0.0773). Walaupun terdapat return JII yang

94
 bernilai negatif, kinerja JII masih dianggap baik karena pada bulan

lainnya return bernilai positif.

Return market yang tertinggi adalah bulan Juni tahun 2016

yaitu sebesar 0.0701. Return market terendah adalah tahun 2015

yaitu sebesar -0.0871. Rata-rata total return market adalah sebesar

0.0051 yang berarti sejauh ini investor masih merespon positif

terhadap saham-saham syariah.

c. Risk free

Risk free ( ) adalah tingkat pengembalian aset bebas resiko

atas saham yang diukur dengan menggunakan suku bunga yang

berlaku pada waktu tertentu. Nilai Risk free dapat dilihat pada tabel

4.3.

Tabel 4.3.
Risk Free ( Tahun 2012-2016
Periode 2012 2013 2014 2015 2016
Jan 0,0042 0,0041 0,0060 0,0058 0,0055
Feb 0,0032 0,0041 0,0060 0,0056 0,0055
Mar 0,0032 0,0041 0,0060 0,0056 0,0055
Apr 0,0033 0,0042 0,0059 0,0056 0,0055
Mei 0,0036 0,0043 0,0060 0,0056 0,0055
Jun 0,0037 0,0045 0,0060 0,0056 0,0053
Jul 0,0038 0,0049 0,0060 0,0056 0,0053
Agst 0,0039 0,0049 0,0059 0,0056 0,0053
Sept 0,0040 0,0058 0,0058 0,0059 0,0051
Okt 0,0040 0,0058 0,0058 0,0059 0,0049
Nov 0,0040 0,0060 0,0058 0,0059 0,0049
Des 0,0040 0,0060 0,0058 0,0059 0,0049

Total N 60
Minimum 0,0032
Maximum 0,0060
Rata-rata 0,0050
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

95
 Risk free yang tertinggi adalah bulan Januari sampai Juni

tahun 2014 yaitu sebesar 0.0060, sedangkan risk free terendah

adalah bulan Februari dan Maret tahun 2012 yaitu sebesar 0.0032.

Rata-rata total risk free adalah sebesar 0.0050.

d. Beta CAPM

Risiko sistematis atau beta (β) saham, adalah ukuran risiko

pasar yang mempengaruhi harga suatu saham. Beta mengukur

sampai sejauh mana harga saham turun naik bersamaan dengan

turun naiknya harga pasar. Nilai beta dari saham didapatkan dari

hasil kovarian antara return sekuritas i dengan return pasar yang

dibagi dengan varian return pasar. Nilai beta positif menunjukkan

bahwa jika terjadi kenaikan return pasar maka akan mengakibatkan

kenaikan return saham. Begitupun sebaliknya, jika beta negatif

berarti apabila terjadi kenaikan return pasar maka akan

mengakibatkan penurunan return saham. Beta saham JII tahun

2012 – 2016 disajikan pada tabel 4.4 di bawah ini:

Tabel 4.4.
Risiko Sistematis (Beta) CAPM
Beta
No Nama Perusahaan Kode Cov ( ,
(β)
Astra Agro Lestari
1 AALI 0.098216688 4.718490954 0.0208
Tbk
2 Adaro Energy Tbk. ADRO 0.384333091 4.718490954 0.0815
AKR Corporindo
3 AKRA 0.935308983 4.718490954 0.1982
Tbk.
Astra Internasional
4 ASII 0.353543968 4.718490954 0.0749
Tbk.
Alam Sutera Realty
5 ASRI 0.430133958 4.718490954 0.0912
Tbk.

96
 Beta
No Nama Perusahaan Kode Cov ( ,
(β)
Indofood CBP
6 Sukses Makmur ICBP 1.260545389 4.718490954 0.2672
Tbk.
Indofood Sukses
7 INDF 0.738678296 4.718490954 0.1565
Makmur Tbk.
Indocement
8 Tunggal Prakasa INTP 0.179182255 4.718490954 0.0380
Tbk.
9 Kalbe Farma Tbk. KLBF 0.214857579 4.718490954 0.0455
Lippo Karawaci
10 LPKR 0.583750113 4.718490954 0.1237
Tbk.
PP London
11 Sumatera LSIP 0.324973305 4.718490954 0.0689
Plantation Tbk.
Perusahaan Gas
12 Negara (Persero) PGAS 0.279793331 4.718490954 0.0593
Tbk.
Semen Indonesia
13 SMGR 0.044450956 4.718490954 0.0094
(Persero) Tbk.
Telekomunikasi
14 Indonesia (Persero) TLKM 0.445935557 4.718490954 0.0945
Tbk
United Tractors
15 UNTR 0.021227849 4.718490954 0.0045
Tbk
Unilever Indonesia
16 UNVR 1.003139729 4.718490954 0.2126
Tbk
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

Berdasarkan perhitungan yang disajikan pada tabel di atas,

sleuruh saham memiliki beta positif, hal ini menunjukkan kenaikan

return pasar JII akan mengakibatkan kenaikan pula pada return

saham-saham tersebut.

Menurut William F. Shape (dalam Hielmy, 2014) Beta yang

bernilai positif memiliki tiga ukuran yaitu:

97
 1) Beta yang bernilai satu (β = 1) berarti saham mempunyai risiko

rata-rata dan searah terhadap perubahan pasar, selain itu juga

sebanding dengan keuntungan perusahaan.

2) Beta yang bernilai lebih besar dari satu (β > 1) berarti risiko

saham di atas rata-rata, yaitu peka terhadap perubahan pasar

namun tingkat keuntungan perusahaan lebih besar dari yang

diharapkan. Saham dengan nilai β > 1 termasuk saham yang

agresif, artinya jika return pasar naik sebesar n% maka return

saham akan naik lebih dari n%. Berdasarkan tabel 4.3. tidak

terdapat saham agresif seperti yang dijelaskan.

3) Beta yang bernilai kurang dari satu (β < 1) berarti risiko saham

berada di bawah rata-rata dan kurang peka terhadap perubahan

pasar dengan tingkat keuntungan pada perusahaan lebih kecil

dari yang diharapkan. Saham dengan nilai β < 1 tergolong

saham lemah, artinya jika return pasar naik n% maka return

saham akan naik kurang dari n%. Berdasarkan tabel 4.3. semua

saham JII pada masa periode penelitian merupakan saham

defensive atau saham lemah. Diantara semua saham JII pada

tabel 4.4. di atas, saham yang paling lemah adalah UNTR

(0.0045).

d. Expected Return dengan Model CAPM

Sebelum menhitung expected return dengan menggunakan

model CAPM diperlukan juga return aset bebas risiko ( ), dalam

98
 penelitian ini menggunakan bunga Sertifikat Bank Indonesia (SBI)

per 30 hari dibagi dengan 12 bulan, kemudian diambil rata-ratanya

yaitu sebesar 0.0050 (0.5%).

Tabel 4.5.
Expected Return CAPM
Kode E( )
No E( ) β
Perusahaan CAPM
1 AALI -0.0175 0.0050 0.0592 0.0208 0.0061
2 ADRO 0.2649 0.0050 0.0592 0.0815 0.0094
3 AKRA 0.1877 0.0050 0.0592 0.1982 0.0157
4 ASII 0.0402 0.0050 0.0592 0.0749 0.0091
5 ASRI -0.0076 0.0050 0.0592 0.0912 0.0099
6 ICBP 0.1514 0.0050 0.0592 0.2672 0.0195
7 INDF 0.1441 0.0050 0.0592 0.1565 0.0135
8 INTP 0.0081 0.0050 0.0592 0.0380 0.0071
9 KLBF -0.0352 0.0050 0.0592 0.0455 0.0075
10 LPKR 0.0153 0.0050 0.0592 0.1237 0.0117
11 LSIP -0.0286 0.0050 0.0592 0.0689 0.0087
12 PGAS 0.0383 0.0050 0.0592 0.0593 0.0082
13 SMGR -0.0148 0.0050 0.0592 0.0094 0.0055
14 TLKM 0.2339 0.0050 0.0592 0.0945 0.0101
15 UNTR 0.0288 0.0050 0.0592 0.0045 0.0052
16 UNVR 0.1585 0.0050 0.0592 0.2126 0.0165
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

Dari tabel 4.5. di atas, menunjukkan bahwa besarnya

expected return (E( )) dari setiap jenis saham mengikuti besarnya

tingkatan beta (risiko). Saham United Tractors Tbk (UNTR)

memiliki beta paling rendah yaitu sebesar 0.0045 dan expected

return juga paling rendah yaitu sebesar 0.0052 atau 0.52%.

Sedangkan saham Indofood CBP Sukses Makmur Tbk. (ICBP)

memiliki beta paling tinggi yaitu sebesar 0.2672 dan expected

returnnya juga paling tinggi yaitu sebesar 0.0195 atau 1.95%.

99
2. Islamic Capital Asset Pricing Model (ICAPM)

a. Return Saham Perusahaan JII

Data yang digunakan dalam penelitian ini adalah data harga

penutupan (Closing Price) bulanan saham-saham perusahaan JII

pada periode Januari 2012 sampai dengan Desember 2016. Return

saham ( ) yang dihitung merupakan return saham aktual yang

didapat dari harga penutupan bulan saat ini ( ) dikurangi dengan

harga penutupan bulan kemarin ( ) dibagi dengan harga

penutupan bulan kemarin ( ). Rata-rata return saham

perusahaan sampel dari tahun 2012 sampai dengan tahun 2016

disajikan dalam tabel 4.6. Berdasarkan hasil perhitungan rata-rata

return saham per bulan masing-masing perusahaan dari tahun 2012

sampai dengan 2016 dapat dilihat bahwa rata-rata secara

keseluruhan adalah 0.0730, hal ini menunjukkan bahwa seluruh

rata-rata return saham JII per bulan adalah positif, dan ini juga

menunjukkan bahwa selama periode penelitian kalangan investor

merespon positif terhadap saham-saham JII. Rata-rata return

saham per bulan tertinggi adalah saham Adaro Energy Tbk.

(ADRO) yaitu sebesar 0.2649 per bulan, sedangkan rata-rata return

saham per bulan terendah adalah saham Kalbe Farma Tbk. (KLBF)

yaitu sebesar -0.0352.

100
 Tabel 4.6.
Rata-rata return Saham Perusahaan JII Periode 2012-2016
NO Nama Perusahaan Kode Return Saham
1 Astra Agro Lestari Tbk AALI -0.0175
2 Adaro Energy Tbk. ADRO 0.2649
3 AKR Corporindo Tbk. AKRA 0.1877
4 Astra Internasional Tbk. ASII 0.0402
5 Alam Sutera Realty Tbk. ASRI -0.0076
6 Indofood CBP Sukses Makmur Tbk. ICBP 0.1514
7 Indofood Sukses Makmur Tbk. INDF 0.1441
8 Indocement Tunggal Prakasa Tbk. INTP 0.0081
9 Kalbe Farma Tbk. KLBF -0.0352
10 Lippo Karawaci Tbk. LPKR 0.0153
PP London Sumatera Plantation
11 LSIP -0.0286
Tbk.
Perusahaan Gas Negara (Persero)
12 PGAS 0.0383
Tbk.
13 Semen Indonesia (Persero) Tbk. SMGR -0.0148
Telekomunikasi Indonesia (Persero)
14 TLKM 0.2339
Tbk
15 United Tractors Tbk UNTR 0.0288
16 Unilever Indonesia Tbk UNVR 0.1585
Rata-rata 0,0462475
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

b. Return Market

Indeks pasar yang digunakan dalam penelitian adalah Jakarta

Islamic Index (JII), data yang digunakan adalah harga penutupan

(closing price) bulanan pada periode Januari 2012 sampai dengan

Desember 2016.

Tabel 4.7.
Return Market ( ) Tahun 2012-2016
Periode 2012 2013 2014 2015 2016
Jan 0.0475 0.0165 0.0304 0.0226 0.0156
Feb 0.0075 0.0672 0.0398 0.0218 0.0475
Mar 0.0305 0.0234 0.0216 0.0085 0.0169
Apr -0.0154 0.0339 0.0113 -0.0871 0.0009
Mei -0.0870 -0.0089 0.0141 0.0500 -0.0067
Jun 0.0364 -0.0243 -0.0028 -0.0588 0.0701

101
 Periode 2012 2013 2014 2015 2016
Jul 0.0543 -0.0552 0.0540 -0.0229 0.0465
Agst -0.0066 -0.0509 0.0011 -0.0681 0.0279
Sept 0.0542 -0.0108 -0.0051 -0.0705 -0.0096
Okt 0.0307 0.0514 -0.0250 0.0540 0.0003
Nov -0.0492 -0.0582 0.0188 -0.0107 -0.0773
Des 0.0102 0.0090 0.0117 0.0406 0.0167

Total N 60
Minimum -0.0871
Maximum 0.0701
Rata-rata 0.0051
Sumber: Bursa Efek Indonesia, data diolah penulis

Return market tahun 2012 sampai 2016 sangat berfluktuasi,

sehingga terdapat return JII yang bernilai negatif yang

menunjukkan adanya risiko, seperti return yang terdapat pada

tahun 2012 di bulan April (-0.0154), Mei (-0.0870), Agustus (-

0.0066), dan November (-0.0492). Tahun 2013 di bulan Mei (-

0.0089), Juni (-0.0243), Juli (-0.0552), Agustus (-0.0509),

September (-0.0108) dan November (-0.0582). Tahun 2014 di

bulan Juni (-0.0028), September (-0.0051), dan Oktober (-0.0250).

Tahun 2015 di bulan April (-0.0871), Juni (-0.0588), Juli (-0.0229),

Agustus (-0.0681), September (-0.0705) dan November (-0.0107).

Serta pada tahun 2016 di bulan Mei (-0.0067), September (-0.0096)

dan November (-0.0773). Walaupun terdapat return JII yang

bernilai negatif, kinerja JII masih dianggap baik karena pada bulan

lainnya return bernilai positif.

Rata-rata return market tahunan yang tertinggi adalah tahun

2014 yaitu sebesar 0.0142. sedangkan rata-rata terendah adalah

102
 tahun 2015 yaitu sebesar -0.0100. Rata-rata total retuen market

adalah sebesar 0.0051 yang berarti sejauh ini investor masih

merespon positif terhadap saham-saham syariah.

e. Beta ICAPM

Risiko sistematis atau beta (β) saham, adalah ukuran risiko

pasar yang mempengaruhi harga suatu saham. Beta mengukur

sampai sejauh mana harga saham turun naik bersamaan dengan

turun naiknya harga pasar. Nilai beta dari saham didapatkan dari

hasil kovarian antara return sekuritas i dengan return pasar yang

dibagi dengan varian return pasar. Nilai beta positif menunjukkan

bahwa jika terjadi kenaikan return pasar maka akan mengakibatkan

kenaikan return saham. Begitupun sebaliknya, jika beta negatif

berarti apabila terjadi kenaikan return pasar maka akan

mengakibatkan penurunan return saham. Beta saham JII tahun

2012 – 2016 disajikan pada tabel 4.8 di bawah ini:

Tabel 4.8.
Risiko Sistematis (Beta) ICAPM
Nama Beta
No Kode Cov ( ,
Perusahaan (β)
Astra Agro
1 AALI 0.098216688 4.718490954 0.0208
Lestari Tbk
Adaro Energy
2 ADRO 0.384333091 4.718490954 0.0815
Tbk.
AKR Corporindo
3 AKRA 0.935308983 4.718490954 0.1982
Tbk.
Astra
4 ASII 0.353543968 4.718490954 0.0749
Internasional Tbk.
Alam Sutera
5 ASRI 0.430133958 4.718490954 0.0912
Realty Tbk.
Indofood CBP
6 ICBP 1.260545389 4.718490954 0.2672
Sukses Makmur

103
 Nama Beta
No Kode Cov ( ,
Perusahaan (β)
Tbk.

Indofood Sukses
7 INDF 0.738678296 4.718490954 0.1565
Makmur Tbk.
Indocement
8 Tunggal Prakasa INTP 0.179182255 4.718490954 0.0380
Tbk.
9 Kalbe Farma Tbk. KLBF 0.214857579 4.718490954 0.0455
Lippo Karawaci
10 LPKR 0.583750113 4.718490954 0.1237
Tbk.
PP London
11 Sumatera LSIP 0.324973305 4.718490954 0.0689
Plantation Tbk.
Perusahaan Gas
12 Negara (Persero) PGAS 0.279793331 4.718490954 0.0593
Tbk.
Semen Indonesia
13 SMGR 0.044450956 4.718490954 0.0094
(Persero) Tbk.
Telekomunikasi
14 Indonesia TLKM 0.445935557 4.718490954 0.0945
(Persero) Tbk
United Tractors
15 UNTR 0.021227849 4.718490954 0.0045
Tbk
Unilever
16 UNVR 1.003139729 4.718490954 0.2126
Indonesia Tbk
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

Berdasarkan perhitungan yang disajikan pada tabel di atas,

seluruh saham memiliki beta positif, hal ini menunjukkan kenaikan

return pasar JII akan mengakibatkan kenaikan pula pada return

saham-saham tersebut.

Menurut William F. Shape (dalam Hielmy, 2014) Beta yang

bernilai positif memiliki tiga ukuran yaitu:

104
 1) Beta yang bernilai satu (β = 1) berarti saham mempunyai

risiko rata-rata dan searah terhadap perubahan pasar, selain

itu juga sebanding dengan keuntungan perusahaan.

2) Beta yang bernilai lebih besar dari satu (β > 1) berarti risiko

saham di atas rata-rata, yaitu peka terhadap perubahan pasar

namun tingkat keuntungan perusahaan lebih besar dari yang

diharapkan. Saham dengan nilai β > 1 termasuk saham yang

agresif, artinya jika return pasar naik sebesar n% maka return

saham akan naik lebih dari n%. Berdasarkan tabel 4.3. tidak

terdapat saham agresif seperti yang dijelaskan.

3) Beta yang bernilai kurang dari satu (β < 1) berarti risiko saham

berada di bawah rata-rata dan kurang peka terhadap perubahan

pasar dengan tingkat keuntungan pada perusahaan lebih kecil

dari yang diharapkan. Saham dengan nilai β < 1 tergolong

saham lemah, artinya jika return pasar naik n% maka return

saham akan naik kurang dari n%. Berdasarkan tabel 4.3. semua

saham JII pada masa periode penelitian merupakan saham

defensive atau saham lemah. Diantara semua saham JII pada

tabel 4.3. di atas, saham yang paling lemah adalah UNTR

(0.0045).

e. Expected Return dengan Model ICAPM

Sebelum menhitung expected return dengan menggunakan

model ICAPM, namun dalam penelitian ini khususnya model

105
ICAPM nilai digantikan dengan nilai inflasi. Penggunaan inflasi

sebagai salah satu instrumen dalam menganalisis nilai expected

return saham merupakan hasil pengembangan dari model CAPM

yang dilakukan oleh Hanif (2011) agar dapat menggantikan nilai

Risk free ( ) dalam perspektif islam merupakan hal yang

dilarang. Nilai inflasi ini diambil dari data Bank Indonesia.

Tabel 4.9.
Expected Return ICAPM
Kode E( )
No I E( ) β
Perusahaan ICAPM
1 AALI -0.0175 0.0053 0.0592 0.0208 0.0064
2 ADRO 0.2649 0.0053 0.0592 0.0815 0.0097
3 AKRA 0.1877 0.0053 0.0592 0.1982 0.0160
4 ASII 0.0402 0.0053 0.0592 0.0749 0.0093
5 ASRI -0.0076 0.0053 0.0592 0.0912 0.0102
6 ICBP 0.1514 0.0053 0.0592 0.2672 0.0197
7 INDF 0.1441 0.0053 0.0592 0.1565 0.0137
8 INTP 0.0081 0.0053 0.0592 0.038 0.0073
9 KLBF -0.0352 0.0053 0.0592 0.0455 0.0078
10 LPKR 0.0153 0.0053 0.0592 0.1237 0.0120
11 LSIP -0.0286 0.0053 0.0592 0.0689 0.0090
12 PGAS 0.0383 0.0053 0.0592 0.0593 0.0085
13 SMGR -0.0148 0.0053 0.0592 0.0094 0.0058
14 TLKM 0.2339 0.0053 0.0592 0.0945 0.0104
15 UNTR 0.0288 0.0053 0.0592 0.0045 0.0055
16 UNVR 0.1585 0.0053 0.0592 0.2126 0.0168
Sumber: Bursa Efek Indonesia, Data Diolah Penulis

Dari tabel 4.9. di atas, menunjukkan bahwa besarnya

expected return (E( )) dari setiap jenis saham mengikuti besarnya

tingkatan beta (risiko). Saham United Tractors Tbk (UNTR)

memiliki beta paling rendah yaitu sebesar 0.0045 dan expected

return juga paling rendah yaitu sebesar 0.0055 atau 0.55%.

Sedangkan saham Indofood CBP Sukses Makmur Tbk. (ICBP)

106
 memiliki beta paling tinggi yaitu sebesar 0.2672 dan expected

returnnya juga paling tinggi yaitu sebesar 0.0197 atau 1.97%.

3. Arbitrage Pricing Theory (APT)

a. Expected Value dan Surprise Faktor Makro Ekonomi

Faktor makro ekonomi yang digunakan untuk model APT

dalam penelitian ini adalah surprise inflasi, surprise kurs

(Rp/USD), dan surprise suku bunga SBI yang didapatkan dari

selisih antara actual value faktor makro dengan expected value

faktor makro. Expected value faktor makro didapatkan dengan

menggunakan metode Exponential Smoothing yang dihitung

dengan menggunakan software SPSS 24, macam-macam metode

Exponential Smoothing, yaitu Simple Exponential Smoothing,

Double Exponential Smoothing Holt, Double Exponential

Smoothing Brown, dan Damped Trend Exponential Smoothing.

Untuk menetukan metode mana yang paling baik dalam

menghitung expected value faktor, maka akan dilihat dari nilai

MAPE dan MAE yang terkecil yang terdapat pada output SPSS

pada tabel di bawah ini.

Tabel 4.10.
Nilai MAPE dan MAD Expected Value Faktor Mikro

Metode Inflasi Suku bunga SBI Kurs

Exponential MAPE MAPE MAPE
Smoothing MAE MAE MAE
% % %
Simple 9,195 0,005 2,126 0,001 1,865 0,228
Holt 9,200 0,005 2,293 0,001 1,776 0,216
Brown 11,526 0,006 3,121 0,002 1,814 0,219

107
 Metode Inflasi Suku bunga SBI Kurs
Exponential MAPE MAPE MAPE
Smoothing MAE MAE MAE
% % %
Damped
9,022 0,005 2,517 0,001 1,754 0,214
Trend

Tabel di atas menunjukkan nilai MAPE dan MAE yang

terkecil untuk inflasi dan Kurs adalah metode Damped Trend

Exponential Smoothing, dan untuk Suku Bunga SBI nilai MAPE

dan MAE terkecil adalah pada metode Simple Exponential

Smoothing.

1) Inflasi

Nilai inflasi yang digunakan untuk model APT adalah

surprise inflasi, yang didapat dari nilai inflasi aktual (actual

value) dengan inflasi yang diharapkan (expected value).

2) Suku Bunga SBI

Nilai suku bunga SBI yang digunakan untuk model APT

adlah surprise SBI, yang didapat dari nilai SBI aktual (actual

value) dengan SBI yang diharapkan (expected value).

3) Kurs (Rp/USD)

Nilai kurs yang digunakan untuk model APT adlah

surprise kurs, yang didapat dari nilai kurs aktual (actual value)

dengan nilai kurs yang diharapkan (expected value).

108
b. Beta APT

Model APT memiliki risiko sistematis (beta) yang berbeda

dengan model ICAPM, pada model APT risiko sistematis

didapatkan dari sensitivitas return saham terhadap suatu faktor.

Faktor yang digunakan dalam penelitian ini adalah Inflasi, Suku

Bunga SBI, dan Kurs. Beta APT saham JII tahun 2012-2016

disajikan pada tabel 4.11 – tabel 4.15.

Tabel 4.11.
Risiko Sistematis (Beta) Inflasi
Beta
No Nama Perusahaan Kode Cov ( ,
(β)
Astra Agro Lestari
1 AALI 0.008433083 0.482815467 0.0175
Tbk
2 Adaro Energy Tbk. ADRO 0.002734788 0.482815467 0.0057
AKR Corporindo
3 AKRA -0.025839397 0.482815467 -0.0535
Tbk.
Astra Internasional
4 ASII -0.006409578 0.482815467 -0.0133
Tbk.
Alam Sutera Realty
5 ASRI -0.00837216 0.482815467 -0.0173
Tbk.
Indofood CBP
6 Sukses Makmur ICBP -0.0241195 0.482815467 -0.0500
Tbk.
Indofood Sukses
7 INDF -0.008020472 0.482815467 -0.0166
Makmur Tbk.
Indocement
8 Tunggal Prakasa INTP -0.009710439 0.482815467 -0.0201
Tbk.
9 Kalbe Farma Tbk. KLBF -0.000608544 0.482815467 -0.0013
Lippo Karawaci
10 LPKR -0.017199766 0.482815467 -0.0356
Tbk.
PP London
11 Sumatera LSIP 0.004609247 0.482815467 0.0095
Plantation Tbk.
Perusahaan Gas
12 Negara (Persero) PGAS -0.005662757 0.482815467 -0.0117
Tbk.

109
 Beta
No Nama Perusahaan Kode Cov ( ,
(β)
Semen Indonesia
13 SMGR -0.007214632 0.482815467 -0.0149
(Persero) Tbk.
Telekomunikasi
14 Indonesia (Persero) TLKM -0.008690752 0.482815467 -0.0180
Tbk
United Tractors
15 UNTR -0.00509934 0.482815467 -0.0106
Tbk
Unilever Indonesia
16 UNVR -0.013574149 0.482815467 -0.0281
Tbk

Berdasarkan perhitungan yang disajikan pada tabel di atas,

saham AALI, ADRO, dan LSIP memiliki beta inflasi yang positif,

hal ini menunjukkan bahwa kenaikan inflasi akan mengakibatkan

kenaikan ketiga saham tersebut. Sedangkan saham AKRA, ASII,

ASRI, ICBP, INDF, INTP, KLBF, LPKR, PGAS, SMGR, TLKM,

UNTR, dan UNVR memiliki beta yang negatif, hal ini

menunjukkan bahwa return saham-saham tersebut bergerak

berlawanan arah dengan kenaikan inflasi yang artinya kenaikan

inflasi akan mengakibatkan penurunan return saham-saham

tersebut.

Tabel 4.12.
Risiko Sistematis (Beta) Suku Bunga SBI
No Nama Perusahaan Kode Cov ( , Beta (β)
Astra Agro Lestari
1 AALI -0.00325597 0.207364125 -0.0157
Tbk
2 Adaro Energy Tbk. ADRO -0.014584612 0.207364125 -0.0703
AKR Corporindo
3 AKRA -0.039543222 0.207364125 -0.1907
Tbk.
Astra Internasional
4 ASII -0.010868742 0.207364125 -0.0524
Tbk.
Alam Sutera Realty
5 ASRI -0.012718415 0.207364125 -0.0613
Tbk.
6 Indofood CBP ICBP -0.055213492 0.207364125 -0.2663
110
No Nama Perusahaan Kode Cov ( , Beta (β)
Sukses Makmur
Tbk.
Indofood Sukses
7 INDF -0.028876013 0.207364125 -0.1393
Makmur Tbk.
Indocement
8 Tunggal Prakasa INTP -0.00545592 0.207364125 -0.0263
Tbk.
9 Kalbe Farma Tbk. KLBF -0.005780936 0.207364125 -0.0279
Lippo Karawaci
10 LPKR -0.020894251 0.207364125 -0.1008
Tbk.
PP London
11 Sumatera LSIP -0.014007771 0.207364125 -0.0676
Plantation Tbk.
Perusahaan Gas
12 Negara (Persero) PGAS -0.006314282 0.207364125 -0.0305
Tbk.
Semen Indonesia
13 SMGR 0.001364188 0.207364125 0.0066
(Persero) Tbk.
Telekomunikasi
14 Indonesia (Persero) TLKM -0.019319058 0.207364125 -0.0932
Tbk
United Tractors
15 UNTR -0.000434359 0.207364125 -0.0021
Tbk
Unilever Indonesia
16 UNVR -0.041150621 0.207364125 -0.1984
Tbk

Pada tabel 4.12. menampilkan bahwa hanya beta suku bunga

SBI saham SMGR yang bernilai positif. Hal ini menunjukkan

bahwa kenaikan suku bunga SBI akan mengakibatkan kenaikan

return saham SMGR. Sedangkan untuk saham lainnya, yaitu

AALI, ADRO, AKRA, ASII, ASRI, ICBP, INDF, INTP, KLBF,

LPKR, LSIP, PGAS, TLKM, UNTR, dan UNVR memiliki beta

SBI negatif. Hal ini menunjukkan bahwa kenaikan suku bunga SBI

akan mengakibatkan penurunan return saham-saham tersebut.

111
 Tabel 4.13.
Risiko Sistematis (Beta) Kurs
Beta
No Nama Perusahaan Kode Cov ( ,
(β)
Astra Agro Lestari
1 AALI 0.613139737 47.6158726 0.0129
Tbk
2 Adaro Energy Tbk. ADRO 2.06047576 47.6158726 0.0433
AKR Corporindo
3 AKRA 9.278665874 47.6158726 0.1949
Tbk.
Astra Internasional
4 ASII 1.657876483 47.6158726 0.0348
Tbk.
Alam Sutera Realty
5 ASRI 1.29560213 47.6158726 0.0272
Tbk.
Indofood CBP
6 Sukses Makmur ICBP 13.08330301 47.6158726 0.2748
Tbk.
Indofood Sukses
7 INDF 6.178972231 47.6158726 0.1298
Makmur Tbk.
Indocement
8 Tunggal Prakasa INTP 0.437612629 47.6158726 0.0092
Tbk.
9 Kalbe Farma Tbk. KLBF 0.530034762 47.6158726 0.0111
Lippo Karawaci
10 LPKR 4.497123084 47.6158726 0.0944
Tbk.
PP London
11 Sumatera LSIP 3.527841517 47.6158726 0.0741
Plantation Tbk.
Perusahaan Gas
12 Negara (Persero) PGAS 1.049008211 47.6158726 0.0220
Tbk.
Semen Indonesia
13 SMGR -1.088151304 47.6158726 -0.0229
(Persero) Tbk.
Telekomunikasi
14 Indonesia (Persero) TLKM 3.253491366 47.6158726 0.0683
Tbk
United Tractors
15 UNTR -0.479777783 47.6158726 -0.0101
Tbk
Unilever Indonesia
16 UNVR 9.938640059 47.6158726 0.2087
Tbk

Tabel 4.13. juga menampilkan bahwa hanya beta kurs saham

SMGR dan UNTR yang memiliki beta kurs negatif. Hal ini

112
 menunjukkan bahwa kenaikan nilai kurs rupiah terhadap dollar atau

depresiasi (pelemahan) nilai rupiah akan mengakibatkan penurunan

return saham-saham tersebut atau dengan kata lain penurunan nilai

kurs rupiah terhadap dollar atau apresiasi (penguatan) nilai rupiah

akan mengakibatkan kenaikan return saham SMGR dan UNTR.

Sedangkan saham-saham lainnya seperti ALLI, ADRO, AKRA,

ASII, ASRI, ICBP,INDF, INTP, KLBF, LPKR, LSIP, PGAS,

TLKM, dan UNVR berninai positif. Hal ini menunjukkan bahwa

kenaikan nilai kurs rupiah terhadap dollar atau depresiasi

(pelemahan) nilai rupiah akan mengakibatkan kenaikan return

saham-saham tersebut.

c. Expected Return dengan Menggunakan Model APT

Dalam model APT diperlukan return saham bebas risiko

( , return bebas risiko yang digunakan dalam metode ini

menggunakan suku bunga SBI selama satu bulan dibagi dua belas

bulan. Dari tabel 4.14., menunjukkan bahwa ada dua saham yang

expected return E nya bernilai negatif berdasarkan perhitungan

dengan model APT, yaitu saham AALI, ASRI, KLBF, LSIP dan

SMGR, hal ini menunjukkan bahwa saham-saham tersebut

merupakan saham yang overvalued karena nilai E lebih rendah

dari nilai maupun nya. Sedangkan saham AADRO, AKRA,

ASII, ICBP, INDF, INTP, LPKR, PGAS, TLKM, UNTR dan

113
UNVR merupakan saham yang undervalued karena nilai E nya

lebih tinggi dari nilai nilai maupun nya.

Selain itu dapat dilihat pula saham yang expected returnnya

paling rendah adalah saham Kalbe Farma Tbk. (KLBF) yaitu

sebesar -0.0338 atau -3.38%. sedangkan saham yang expected

returnnya paling tinggi adalah saham Adaro Energy Tbk. (ADRO)

yaitu sebesar 0.2703 atau 27.03%.

114
 Tabel 4.14.
Expected Return APT

E
No Kode E( ) E( ) E( )
APT
1 AALI -0.0175 0.0051 0.0038 0.001 0.1269 0.0175 -0.0157 0.0129 -0.0158
2 ADRO 0.2649 0.0051 0.0038 0.001 0.1269 0.0057 -0.0703 0.0433 0.2703
3 AKRA 0.1877 0.0051 0.0038 0.001 0.1269 -0.0535 -0.1907 0.1949 0.2120
4 ASII 0.0402 0.0051 0.0038 0.001 0.1269 -0.0133 -0.0524 0.0348 0.0445
5 ASRI -0.0076 0.0051 0.0038 0.001 0.1269 -0.0173 -0.0613 0.0272 -0.0043
6 ICBP 0.1514 0.0051 0.0038 0.001 0.1269 -0.0500 -0.2663 0.2748 0.1858
7 INDF 0.1441 0.0051 0.0038 0.001 0.1269 -0.0166 -0.1393 0.1298 0.1604
8 INTP 0.0081 0.0051 0.0038 0.001 0.1269 -0.0201 -0.0263 0.0092 0.0092
9 KLBF -0.0352 0.0051 0.0038 0.001 0.1269 -0.0013 -0.0279 0.0111 -0.0338
10 LPKR 0.0153 0.0051 0.0038 0.001 0.1269 -0.0356 -0.1008 0.0944 0.0270
11 LSIP -0.0286 0.0051 0.0038 0.001 0.1269 0.0095 -0.0676 0.0741 -0.0192
12 PGAS 0.0383 0.0051 0.0038 0.001 0.1269 -0.0117 -0.0305 0.0220 0.0410
13 SMGR -0.0148 0.0051 0.0038 0.001 0.1269 -0.0149 0.0066 -0.0229 -0.0178
14 TLKM 0.2339 0.0051 0.0038 0.001 0.1269 -0.0180 -0.0932 0.0683 0.2424
15 UNTR 0.0288 0.0051 0.0038 0.001 0.1269 -0.0106 -0.0021 -0.0101 0.0275
16 UNVR 0.1585 0.0051 0.0038 0.001 0.1269 -0.0281 -0.1984 0.2087 0.1847

115
4. Nilai MAD dan Koefisien Determinasi Pada Model CAPM, ICAPM

dan APT

Untuk melihat metode mana yang lebih baik dalam menghitung return

saham JII, maka akan dihitung nilai MAD dan koefisien determinasi dari

ketiga model tersebut.

a. Nilai Mean Absolute Deviation (MAD)

Hasilnya dapat dilihat pada tabel 4.15. Nilai (0.046280)

lebih kecil dari nilai (0.074860) dan (0.078782)

ini menunjukkan bahwa metode ICAPM lebih baik dibandingkan

metode CAPM maupun APT dan metode CAPM lebih baik

dibandingkan metode APT dalam memprediksi return saham JII. Hal

ini sesuai dengan penelitian Premananto dan Madyan (2004), semakin

kecil MAD, maka menandakan bahwa return harapan tidak jauh

menyimpang dari return aktualnya sehingga tingkat akurasinya dapat

dikatakan tinggi.

Tabel 4.15.
MAD CAPM, ICAPM dan APT
No Nama Perusahaan Kode
Astra Agro Lestari
1 AALI 0.084652 0.097282 0.088507
Tbk
2 Adaro Energy Tbk. ADRO 0.091367 0.044655 0.087779
AKR Corporindo
3 AKRA 0.071828 0.029870 0.087878
Tbk.
Astra Internasional
4 ASII 0.058872 0.046888 0.057762
Tbk.
Alam Sutera Realty
5 ASRI 0.105813 0.046357 0.099013
Tbk.
Indofood CBP
6 Sukses Makmur ICBP 0.090214 0.020293 0.113410
Tbk.
7 Indofood Sukses INDF 0.052417 0.035873 0.064569
116
No Nama Perusahaan Kode
Makmur Tbk.
Indocement Tunggal
8 INTP 0.062426 0.051422 0.057532
Prakasa Tbk.
9 Kalbe Farma Tbk. KLBF 0.064594 0.051040 0.059807
Lippo Karawaci
10 LPKR 0.087183 0.041023 0.087809
Tbk.
PP London
11 Sumatera Plantation LSIP 0.114271 0.045298 0.105402
Tbk.
Perusahaan Gas
12 Negara (Persero) PGAS 0.072814 0.048548 0.066739
Tbk.
Semen Indonesia
13 SMGR 0.057789 0.055412 0.051092
(Persero) Tbk.
Telekomunikasi
14 Indonesia (Persero) TLKM 0.06461 0.043888 0.067362
Tbk
15 United Tractors Tbk UNTR 0.062361 0.054662 0.056195
Unilever Indonesia
16 UNVR 0.056556 0.027963 0.078782
Tbk
Rata-rata 0.074860 0,046280 0.076852

b. Koefisien Determinasi model CAPM, ICAPM dan APT

1) Koefisien Determinasi (Adjust R2) model CAPM

Tabel 4.16.
Hasil Koefisien Determinasi Model CAPM
Variable Coefficient Std. Error t-Statistic Prob.

EXCESSRETURN_CAP
M 0.079600 0.009211 8.641902 0.0000
C 0.000142 0.000245 0.582605 0.5623

R-squared 0.546394 Mean dependent var -0.000252

Adjusted R-squared 0.539078 S.D. dependent var 0.002831
Sumber: Hasil Olah data

Dilihat pada tabel 4.16 menunjukkan nilai Adjust R2 0.53 atau

disebut juga koefisien determinasi. Nilai Adjust R2 ini

menunjukkan bahwa 53% excess return market to risk free yang

117
 dalam hal ini adalah hasil pengurangan dari return market dan

risk free memberikan kontribusi terhadap tingkat return saham

syariah pada JII, dan 47% yang memberikan kontribusi terhadap

tingkat return saham syariah yaitu dari variabel lain yang tidak

diteliti pada penelitian ini.

2) Koefisien Determinasi (Adjust R2) model ICAPM

Tabel 4.17.
Hasil Koefisien Determinasi Model ICAPM
Variable Coefficient Std. Error t-Statistic Prob.

EXCESSRETURN_ICA
PM 0.027835 0.039789 0.699571 0.4868
C 0.051455 0.002467 20.85855 0.0000

R-squared 0.066273 Mean dependent var 0.050209

Adjusted R-squared 0.170864 S.D. dependent var 0.014103
Sumber: Hasil Olah data

Dilihat pada tabel 4.17 menunjukkan nilai Adjust R2 0.17 atau

disebut juga koefisien determinasi. Nilai Adjust R2 ini

menunjukkan bahwa 17% excess return market to inflation yang

dalam hal ini adalah hasil pengurangan dari return market dan

inflasi memberikan kontribusi terhadap tingkat return saham

syariah pada JII, dan 83% yang memberikan kontribusi terhadap

tingkat return saham syariah yaitu dari variabel lain yang tidak

diteliti pada penelitian ini.

118
 3) Koefisien Determinasi (Adjust R2) model APT

Tabel 4.18.
Hasil Uji Koefisien Determinasi Model APT
Variable Coefficient Std. Error t-Statistic Prob.

INFLASI -2.329406 94.69937 -3.192518 -0.0022

SBI -5.453821 57.16834 -0.445243 0.6577
KURS 1.410369 33.14074 4.417833 0.0000
C 0.043938 0.003089 14.22525 0.0000

R-squared 0.621466 Mean dependent var 0.050209

Adjusted R-squared 0.511243 S.D. dependent var 0.014103

Dilihat pada tabel 4.18 menunjukkan nilai Adjust R2 0.51 atau

disebut juga koefisien determinasi. Nilai Adjust R2 ini

menunjukkan bahwa 51% inflasi, SBI dan kurs kontribusi

terhadap tingkat return saham syariah pada JII, dan 49% yang

memberikan kontribusi terhadap tingkat return saham syariah

yaitu dari variabel lain yang tidak diteliti pada penelitian ini.

5. Uji Normalitas Nilai MAD (Mean Absolute Deviation)

Sebelum diuji dengan Independent sample t-test nilai MAD masing-

masing model perlu dilakukan uji normalitas dengan menggunakan

kolmogrov-smirnov dengan software SPSS 24.

Tabel 4.19.
Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
MAD_CAPM MAD_ICAPM MAD_APT
N 16 16 16
Normal Mean ,07486044 ,04627963 ,07685238
a,b
Parameters Std. Deviation ,018596958 ,016802511 ,019330474
Most Extreme Absolute ,209 ,231 ,188

119
 Differences Positive ,209 ,231 ,188
Negative -,114 -,131 -,152
Test Statistic ,209 ,231 ,188
c c c
Asymp. Sig. (2-tailed) ,059 ,062 ,133
a. Test distribution is Normal.
b. Calculated from data.

Karena data berdistribusi normal, maka dapat dilakukan uji

independent sample t test.

6. Independent T-test

Setelah data nilai MAD (Mean Absolute Deviation) untuk ketiga

model berdistribusi normal, langkah selanjutnya adalah membandingkan

ketiga nilai MAD tersebut menggunakan uji beda independent sample t-

test. Dengan rumusan hipotesis sebagai berikut:

: Tidak terdapat perbedaan keakuratan yang signifikan antara

CAPM, ICAPM dan APT dalam memprediksi return saham JII.

: Terdapat perbedaan keakuratan yang signifikan antara CAPM,

ICAPM dan APT dalam memprediksi return saham JII.

Tabel 4.20.
Group Statistics

MAD N Mean Std. Deviation Std. Error Mean

NILAI ICAPM 16 ,04627963 ,016802511 ,004200628
MAD APT 16 ,07685238 ,019330474 ,004832618

120
 Tabel 4.21.
Independent t-test ICAPM dengan APT

Levene’s
Test for
Equality of
Variances t-test for Equality of Means
Sig. Std. Error 95% Confidence Interval
(2- Mean Differenc of the Difference
F Sig. t df tailed) Difference e Lower Upper
NILAI Equal 2,77 ,106 -4,775 30 ,000 -,030572 ,006403 -,043649 -,017495
MAD variances 3
assumed
Equal -4,775 29,42 ,000 -,030572 ,006403 -,043660 -,017485
variances 9
not
assumed

Berdasarkan pengolahan data dengan program SPSS 24 yang

ditunjukkan oleh tabel 4.21 hasil Levenes’s Test didapat nilai probabilitas

(Sig) = 0.106 lebih besar dari nilai α (0.05), maka data yang disajikan

adalah homogen dan asumsi kedua varians sama besar (equal variances

assumed) terpenuhi, maka uji t test menggunakan asumsi varians sama

(equal variance assumed).

Karena hasil Levene’s Test menyatakan bahwa asumsi kedua varians

sama besar (equal variance assumed), maka digunakan hasil independent

sample t-test dengan asumsi equal variance assumed, hasilnya ditolak

karena nilai probabilitas (Sig) lebih kecil dari taraf signifikansi (α = 5%),

yaitu probabilitas (Sig) = 0.00 < 0.05, dan nilai t hitung > t tabel dengan

nilai α = 5%. Pada tabel 4.20. menunjukkan bahwa nilai mean dari model

APT lebih tinggi dibandingkan model ICAPM (0.07685238 > 0.04627963)

121
 hal ini menunjukan bahwa model APT lebih akurat dibandingkan model

ICAPM. Begitu juga nilai interval perbedaan diantara kedua model yang

terdapat pada tabel 4.21. yaitu dari -0,043649 sampai -0,017495. Sehingga

dapat disimpulkan bahwa terdapat perbedaan akurasi yang signifikan

antara ICAPM dan APT dalam memprediksi return saham JII.

Tabel 4.22.
Group Statisctic
Model N Mean Std. Deviation Std. Error Mean
Mad CAPM 16 ,074860 ,0185968 ,0046492
ICAPM 16 ,076852 ,0193305 ,0048326

Tabel 4.23.
Independent t-test CAPM dengan ICAPM
Levene’s Test
for Equality of
Variances t-test for Equality of Means
95% Confidence
Interval of the
Sig. (2- Mean Std. Error Difference
F Sig. t df tailed) Difference Difference Lower Upper
Mad Equal ,136 ,715 -,297 30 ,768 -,001992 ,006705 -,011687 ,011703
variances
assumed
Equal -,297 29,955 ,768 -,001992 ,006705 -,011688 ,011704
variances not
assumed

Berdasarkan pengolahan data dengan program SPSS 24 yang

ditunjukkan oleh tabel 4.23 hasil Levenes’s Test didapat nilai probabilitas

(sig) = 0.715 lebih besar dari nilai α (0.05), maka data yang disajikan

adalah homogen dan asumsi kedua varians sama besar (equal variances

122
assumed) terpenuhi, maka uji t test menggunakan asumsi varians sama

(equal variance assumed).

Karena hasil Levene’s Test menyatakan bahwa asumsi kedua varians

sama besar (equal variance assumed), maka digunakan hasil independent

sample t-test dengan asumsi equal variance assumed, hasilnya diterima

karena nilai probabilitas (Sig) lebih besar dari taraf signifikansi (α = 5%),

yaitu probabilitas (Sig) = 0.768 > 0.05, dan nilai t hitung < t tabel dengan

nilai α = 5%. Pada tabel 4.22. menunjukkan bahwa nilai mean dari model

ICAPM lebih tinggi dibandingkan model CAPM (0.076852 > 0.074860)

hal ini menunjukkan bahwa model ICAPM lebih akurat dibandingkan

model CAPM, namun selisih nilai mean kedua model tersebut sangat tipis.

Begitu juga nilai interval perbedaan diantara kedua model yang terdapat

pada tabel 4.23. yaitu dari -0.011687 sampai 0.011703. Sehingga dapat

disimpulkan bahwa tidak terdapat perbedaan akurasi yang signifikan

antara CAPM dan ICAPM dalam memprediksi return saham JII.

Tabel 4.24.
Group Statistic
Model N Mean Std. Deviation Std. Error Mean
Mad CAPM 16 ,074860 ,0185968 ,0046492
APT 16 ,046280 ,0168025 ,0042006

123
 Tabel 4.25.
Independent t-test CAPM dengan APT

Levene’s Test
for Equality of
Variances t-test for Equality of Means
95% Confidence
Sig. Interval of the
(2- Mean Std. Error Difference
F Sig. t df tailed) Difference Difference Lower Upper
Mad Equal 1,774 ,193 4,56 30 ,000 ,028580 ,006265 ,015784 ,041377
variances 1
assumed
Equal 4,56 29,696 ,000 ,028580 ,006265 ,015778 ,041382
variances 1
not
assumed

Berdasarkan pengolahan data dengan program SPSS 24 yang

ditunjukkan oleh tabel 4.25 hasil Levenes’s Test didapat nilai probabilitas

(Sig) = 0.193 lebih besar dari nilai α (0.05), maka data yang disajikan

adalah homogen dan asumsi kedua varians sama besar (equal variances

assumed) terpenuhi, maka uji t test menggunakan asumsi varians sama

(equal variances assumed).

Karena hasil Levene’s Test menyatakan bahwa asumsi kedua varians

sama besar (equal variance assumed), maka digunakan hasil independent

sample t-test dengan asumsi equal variance assumed, hasilnya diterima

karena nilai probabilitas (Sig) lebih besar dari taraf signifikansi (α = 5%),

yaitu probabilitas (Sig) = 0.00 < 0.05, dan nilai t hitung > t tabel dengan

nilai α = 5%. Pada tabel 4.24. menunjukkan bahwa nilai mean dari model

124
 CAPM lebih tinggi dibandingkan model APT (0.076852 > 0.046280) hal

ini menunjukkan bahwa model CAPM lebih akurat dibandingkan APT.

Begitu juga nilai interval perbedaan diantara kedua model yang terdapat

pada tabel 4.25. yaitu dari 0.015784 sampai 0.041377. Sehingga dapat

disimpulkan bahwa terdapat perbedaan akurasi yang signifikan antara

CAPM dan APT dalam memprediksi return saham JII.

7. Uji Variabel Masing-Masing Model

Uji normalitas yang digunakan pada penelitian ini menggunakan

teknik Jarque-Berra. Pedoman yang digunakan adalah apabila nilai Jarque-

Berra tidak signifikan (lebih kecil dari 2), maka data terdistribusi normal.

Dan apabila probabilitas lebih besar dari 5% maka data terdistribusi

normal (Winarno, 2015:5.43).

a. Uji Normalitas

1) Model CAPM
14
Series: Standardized Residuals
12 Sample 2013 2016
Observations 64
10
Mean 0.000000
Median -9.66e-05
8
Maximum 0.005039
Minimum -0.005672
6
Std. Dev. 0.001814
Skewness -0.133240
4
Kurtosis 4.273748

2 Jarque-Bera 1.384127
Probability 0.104567
0
-0.006 -0.004 -0.002 0.000 0.002 0.004

Grafik 4.5
Hasil Uji Normalitas Model CAPM

Berdasarkan grafik 4.5 dapat dilihat grafik hasil dari pengujian

normalitas data dengan menggunakan fasilitas eviews maka semua

125
 variabel pada model CAPM dalam penelitian ini berdistribusi

normal atau dapat dikatakan bahwa persyaratan normalitas dapat

dipenuhi. Hal ini dapat dilihat dari nilai Jarque-Bera pada

penelitian ini sebesar 1.384127 dengan probability 0.104567. Di

mana probabilitas harus lebih besar dari α = 0,05. Oleh karena itu

H1diterima dan menunjukan bahwa penelitian tersebut berdistribusi

normal, sehingga dapat dikatakan bahwa persyaratan normalitas

dapat terpenuhi.

2) Model ICAPM
14
Series: Standardized Residuals
12 Sample 2012 2016
Observations 80
10
Mean -2.60e-19
Median 0.004869
8
Maximum 0.023412
Minimum -0.023153
6
Std. Dev. 0.013628
Skewness -0.267353
4
Kurtosis 1.617234

2 Jarque-Bera 1.326507
Probability 0.205649
0
-0.02 -0.01 0.00 0.01 0.02

Grafik 4.6
Hasil Uji Normalitas Model ICAPM

Berdasarkan grafik 4.6 dapat dilihat grafik hasil dari pengujian

normalitas data dengan menggunakan fasilitas eviews maka semua

variabel pada model ICAPM dalam penelitian ini berdistribusi

normal atau dapat dikatakan bahwa persyaratan normalitas dapat

dipenuhi. Hal ini dapat dilihat dari nilai Jarque-Bera pada

penelitian ini sebesar 1.326507 dengan probability 0.205649. Di

mana probabilitas harus lebih besar dari α = 0,05. Oleh karena itu

126
 H1diterima dan menunjukan bahwa penelitian tersebut berdistribusi

normal, sehingga dapat dikatakan bahwa persyaratan normalitas

dapat terpenuhi.

3) Model APT
10
Series: Standardized Residuals
Sample 2013 2016
8 Observations 64

Mean 0.000000
6 Median -0.001002
Maximum 0.030458
Minimum -0.030305
4 Std. Dev. 0.011582
Skewness 0.059731
Kurtosis 3.840574
2
Jarque-Bera 1.922228
Probability 0.382467
0
-0.03 -0.02 -0.01 0.00 0.01 0.02 0.03

Grafik 4.7
Hasil Uji Normalitas Model APT

Berdasarkan grafik 4.7 dapat dilihat grafik hasil dari pengujian

normalitas data dengan menggunakan fasilitas eviews maka semua

variabel pada model APT dalam penelitian ini berdistribusi normal

atau dapat dikatakan bahwa persyaratan normalitas dapat dipenuhi.

Hal ini dapat dilihat dari nilai Jarque-Bera pada penelitian ini

sebesar 1.922228 dengan probability 0.382467. Di mana

probabilitas harus lebih besar dari α = 0,05. Oleh karena itu

H1diterima dan menunjukan bahwa penelitian tersebut berdistribusi

normal, sehingga dapat dikatakan bahwa persyaratan normalitas

dapat terpenuhi.

127
b. Uji t

1) Model CAPM

Pengujian regresi data panel untuk model CAPM digunakan

persamaan regresi sebagai berikut:

Return = 0.000142 + 0.079600 Excess return market to risk free

Berdasarkan hasil analisis regresi data panel model CAPM

menjelaskan bahwa variabel excess return market to risk free

berpengaruh terhadap return saham syariah. Nilai t hitung sebesar

8.641902 lebih besar dari nilai t tabel sebesar 1.99085 dan nilai

probabilitas untuk variabel excess return market to risk free sebesar

0.0000 lebih kecil dari tingkat signifikansi 0.05, hal ini

menunjukkan bahwa variabel excess return market to risk free

berpengaruh signifikan terhadap return saham syariah. Nilai

koefisien variabel excess return market to risk free sebesar

0.079600, hal ini berarti jika variabel excess return market to risk

free mengalami kenaikan setiap sebesar satu poin maka

menyebabkan kenaikan pada tingkat return saham syariah sebesar

0.0796%.

Tabel 4.26.
Hasil Uji t Model CAPM
Cross-section fixed effects test equation:
Dependent Variable: RETURN
Method: Panel Least Squares
Date: 02/09/17 Time: 20:38
Sample (adjusted): 2012 2016
Periods included: 5
Cross-sections included: 16
Total panel (balanced) observations: 80

Variable Coefficient Std. Error t-Statistic Prob.

128
 EXCESSRETURN_CAPM 0.079600 0.009211 8.641902 0.0000
C 0.000142 0.000245 0.582605 0.5623

R-squared 0.546394 Mean dependent var -0.000252

Adjusted R-squared 0.539078 S.D. dependent var 0.002831
S.E. of regression 0.001922 Akaike info criterion -9.640301
Sum squared resid 0.000229 Schwarz criterion -9.572836
Log likelihood 310.4896 Hannan-Quinn criter. -9.613724
F-statistic 74.68247 Durbin-Watson stat 2.094493
Prob(F-statistic) 0.000000

Sumber: Hasil Olah data

Berdasarkan tabel 4.26 di atas, dapat dilihat nilai probabilitas

variabel excess return market to risk free kurang dari 0.05, dapat

diartikan bahwa excess return market to risk free berpengaruh

terhadap return saham syariah. Dan hasil ini menjawab hipotesis

ketiga mengenai variabel excess return market to risk free dalam

model CAPM, diketahui bahwa nilai probabilitas variabel ini

sebesar 0.000 yang berarti variabel ini berpengaruh terhadap return

saham syariah karena nilai probabilitas < 0.05.

2) Model ICAPM

Pengujian regresi data panel untuk model ICAPM digunakan

persamaan regresi sebagai berikut:

Return = 0.051455 + 0.027835 Excess return market to inflation

Berdasarkan hasil analisis regresi data panel model ICAPM

menjelaskan bahwa variabel excess return market to inflation tidak

berpengaruh terhadap return saham syariah. Nilai t hitung sebesar

0.699571 lebih kecil dari nilai t tabel sebesar 1.99085 dan nilai

probabilitas untuk variabel excess return market to inflation sebesar

0.4868 lebih besar dari tingkat signifikansi 0.05, hal ini

129
menunjukkan bahwa variabel excess return market to inflation

tidak berpengaruh signifikan terhadap return saham syariah. Nilai

koefisien variabel excess return market to inflation sebesar

0.027835, hal ini berarti jika variabel excess return market to

inflation mengalami kenaikan setiap sebesar satu poin maka

menyebabkan kenaikan pada tingkat return saham syariah sebesar

0.0278%.

Tabel 4.27.
Hasil Uji t Model ICAPM
Dependent Variable: RETURN_ICAPM
Method: Panel Least Squares
Date: 02/09/17 Time: 22:45
Sample: 2012 2016
Periods included: 5
Cross-sections included: 16
Total panel (balanced) observations: 80

Variable Coefficient Std. Error t-Statistic Prob.

EXCESSRETURN_ICA
PM 0.027835 0.039789 0.699571 0.4868
C 0.051455 0.002467 20.85855 0.0000

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.066273 Mean dependent var 0.050209

Adjusted R-squared 0.170864 S.D. dependent var 0.014103
S.E. of regression 0.015260 Akaike info criterion -5.341010
Sum squared resid 0.014671 Schwarz criterion -4.834830
Log likelihood 230.6404 Hannan-Quinn criter. -5.138068
F-statistic 0.279472 Durbin-Watson stat 1.589960
Prob(F-statistic) 0.996715

Sumber: Hasil Olah data

Berdasarkan tabel 4.27 di atas, dapat dilihat nilai probabilitas

variabel excess return market to inflation lebih besar dari 0.05,

dapat diartikan bahwa excess return market to inflation dalam

model ICAPM tidak berpengaruh terhadap return saham syariah.

130
Dan hasil ini tidak menjawab hipotesis keempat mengenai variabel

excess return market to inflation dalam model ICAPM, diketahui

bahwa nilai probabilitas variabel ini sebesar 0.4868 yang berarti

variabel ini tidak berpengaruh terhadap return saham syariah

karena nilai probabilitas > 0.05.

3) Model APT

Pengujian regresi data panel untuk model APT digunakan

persamaan regresi sebagai berikut:

Return = 0.043938 – 2.329406 Inflasi – 5.453821 SBI+ 1.410369 Kurs

Berdasarkan hasil analisis regresi data panel model APT

menjelaskan bahwa variabel inflasi dan kurs berpengaruh terhadap

return saham syariah. Nilai t hitung variabel inflasi sebesar -

3.192518 lebih besar dari nilai t tabel sebesar 1.99085 dan nilai

probabilitas untuk variabel inflasi sebesar -0.0022 lebih kecil dari

tingkat signifikansi 0.05, hal ini menunjukkan bahwa variabel

inflasi berpengaruh negatif terhadap return saham syariah. Nilai t

hitung variabel kurs sebesar 4.417833 lebih besar dari nilai t tabel

sebesar 1.99085 dan nilai probabilitas untuk variabel kurs sebesar

0.0000 lebih kecil dari tingkat signifikansi 0.05, hal ini

menunjukkan bahwa variabel kurs berpengaruh terhadap return

saham syariah.

131
 Tabel 4.28.
Hasil Uji t Model APT
Dependent Variable: RETURN_APT
Method: Panel Least Squares
Date: 02/10/17 Time: 04:16
Sample: 2012 2016
Periods included: 5
Cross-sections included: 16
Total panel (balanced) observations: 80

Variable Coefficient Std. Error t-Statistic Prob.

INFLASI -2.329406 94.69937 -3.192518 -0.0022

SBI -5.453821 57.16834 -0.445243 0.6577
KURS 1.410369 33.14074 4.417833 0.0000
C 0.043938 0.003089 14.22525 0.0000

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.621466 Mean dependent var 0.050209

Adjusted R-squared 0.511243 S.D. dependent var 0.014103
S.E. of regression 0.013220 Akaike info criterion -5.610260
Sum squared resid 0.010662 Schwarz criterion -5.044528
Log likelihood 243.4104 Hannan-Quinn criter. -5.383442
F-statistic 1.605537 Durbin-Watson stat 1.878381
Prob(F-statistic) 0.087130

Sumber: Hasil olah data

Berdasarkan tabel 4.28 di atas, dapat dilihat nilai probabilitas

variabel inflasi dan kurs lebih kecil dari 0.05, dapat diartikan

bahwa inflasi dan kurs dalam model APT berpengaruh terhadap

return saham syariah dan suku bunga SBI tidak berengaruh

terhadap return saham syariah karena nilai probabilitasi suku bunga

SBI kurang dari 0.05. Hasil ini menjawab hipotesis kelima

mengenai variabel-variabel dalam model APT, diketahui bahwa

nilai probabilitas variabel inflasi sebesar -0.0022 yang

menunjukkan bahwa variabel tersebut berpengaruh negatif

terhadap return saham syariah, sedangkan variabel kurs sebesar

132
 0.0000 yang berarti variabel tersebut berpengaruh positif terhadap

return saham syariah karena nilai probabilitas < 0.05.

c. Uji F

Tabel 4.29.
Hasil Uji F Model APT
Dependent Variable: RETURN_APT
Method: Panel Least Squares
Date: 02/10/17 Time: 04:16
Sample: 2012 2016
Periods included: 5
Cross-sections included: 16
Total panel (balanced) observations: 80

Variable Coefficient Std. Error t-Statistic Prob.

INFLASI -2.329406 94.69937 -3.192518 -0.0022

SBI -5.453821 57.16834 -0.445243 0.6577
KURS 1.410369 33.14074 4.417833 0.0000
C 0.043938 0.003089 14.22525 0.0000

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.621466 Mean dependent var 0.050209

Adjusted R-squared 0.511243 S.D. dependent var 0.014103
S.E. of regression 0.013220 Akaike info criterion -5.610260
Sum squared resid 0.010662 Schwarz criterion -5.044528
Log likelihood 243.4104 Hannan-Quinn criter. -5.383442
F-statistic 1.605537 Durbin-Watson stat 1.878381
Prob(F-statistic) 0.000035

Sumber: Hasil Olah data

Hasil perhitungan dari uji F menunjukkan bahwa nilai

probabilitas f-statistik sebesar 0.000035 dimana nilai tersebut lebih

kecil dari tingkat signifikansi yaitu 0.05, maka dapat disimpulkan

bahwa variabel Inflasi, SBI dan Kurs secara simultan (bersama-

sama) berpengaruh terhadap return saham syariah.

133
C. Interpretasi Data

1. Terdapat Perbedaan Akurasi antara CAPM, ICAPM, dan APT

dalam Memprediksi Return Saham

Berdasarkan hasil uji Independent t-test yang telah dilakukan,

antara model CAPM dengan APT memiliki perbedaan begitu juga

ICAPM dengan APT. Namun pada model CAPM dengan ICAPM tidak

memiliki perbedaan. Hal itu dikarenakan nilai inflasi kurang lebih sama

dengan nilai risk free pada model CAPM. Hal ini didukung oleh

penelitian Sadaf dan Andleeb (2014) bahwa tidak ada perbedaan

akurasi antara model CAPM dengan APT dalam memprediksi return

saham syariah. Agus (2015) menunjukkan bahwa model CAPM dan

model APT dapat dipergunakan sebagai alat prediksi return ekspektasi

dan risiko saham. Terdapat perbedaan akurasi CAPM dan APT dilihat

dari hasil nilai MAD CAPM – MAD APT < 0

2. Pengaruh Excess return terhadap Return Saham Syariah

Sebagaimana hasil penelitian menggunakan aplikasi Eviews 8 yang

telah dijabarkan di atas, dapat diketahui bahwa variabel excess return

market to risk free pada model CAPM memiliki pengaruh terhadap

variabel return saham syariah. Pernyataan ini dapat dibuktikan dengan

melihat tabel 4.16 dimana nilai probabilitas variabel excess return

market to risk free lebih kecil dari tingkat signifikansi. Namun pada

model ICAPM excess return market to inflation tidak berpengaruh

terhadap return saham syariah.

134
 Hal tersebut menjelaskan bahwa semakin tinggi excess return

market to risk free semakin tinggi pula return saham dan pasar akan

lebih percaya diri pada prospek dari perusahaan tersebut maka investor

pun akan tertarik untuk membeli saham. Dengan begitu permintaan

saham pun akan naik dan mengakibatkan kenaikan pula pada harga

saham. Dapat disimpulkan bahwa semakin tinggi excess return market

to risk free maka akan memberikan kontribusi pada pengembalian yang

lebih tinggi dari saham tersebut atau sebaliknya.

Hasil penelitian ini didukung oleh hasil penelitian dari Candra

Gancar Premananto dan Muhammad Madyan (2004) menunjukkan

bahwa excess return berpengaruh positif dan signifikan terhadap return

saham. Berdasarkan hasil penelitian ini tingkat pengembalian (return)

pasar berlebih dapat digunakan sebagai prediktor dalam memprediksi

return saham. Tentu saja selain itu, dalam memprediksi return saham

investor juga harus memperhatikan kinerja perusahaan (emiten,

termasuk risiko) dan kondisi makro-ekonomi.

3. Pengaruh Inflasi Terhadap Return Saham Syariah

Sebagaimana hasil penelitian menggunakan aplikasi Eviews 8 yang

telah dijabarkan di atas, dapat diketahui bahwa variabel inflasi pada

model APT memiliki pengaruh terhadap variabel return saham syariah.

Pernyataan ini dapat dibuktikan dengan melihat tabel 4.20 dimana nilai

probabilitas variabel inflasi dan lebih kecil dari tingkat signifikansi.

135
 Inflasi yang semakin tinggi menjadi sinyal negatif bagi para

investor yang berinvestasi di pasar modal. Investor akan cenderung

melepas sahamnya jika terjadi peningkatan inflasi, terlebih pada saat

terjadi inflasi yang tidak terkendali (hiperinflasi). Hal ini karena

peningkatan inflasi yang tinggi menyebabkan kenaikan risiko investasi

pada saham. Hasil penelitian ini sesuai dengan penelitian Neny Mulyani

(2014) yaitu inflasi berpengaruh signifikan terhadap return saham.

4. Pengaruh SBI terhadap Return Saham Syariah

Berdasarkan tabel 4.20 dapat dilihat bahwa variabel SBI tidak

berpengaruh terhadap return saham. Hal ini didasarkan pada nilai

probabilitas variabel SBI lebih besar dari tingkat signifikansi. Hasil

penelitian ini sama dengan penelitian yang dilakukan oleh Suskim

Riantani (2013) yang menyatakan bahwa suku bunga SBI tidak

berpengaruh terhadap indeks harga saham. Hasil penelitian ini

mengindikasikan bahwa para investor hendaknya memperhatikan

pergerakan suku bunga SBI karena pengendalian pemerintah melalui

perubahan suku bunga SBI akan berpengaruh pada naik turunnya return

saham Apabila tingkat suku bunga naik secara langsung akan

meningkatkan harga saham sehingga hal tersebut dapat menyebabkan

investor menarik investasinya ada saham dan memindahkannya ada

investasi berupa tabungan atau deposito (Kewal, 2012).

136
5. Pengaruh Nilai Kurs terhadap Return Saham Syariah

Nilai tukar mata uang (kurs) memiliki pengaruh terhadap return

saham syariah. Dapat dilihat pada tabel 4.20 yang menunjukkan bahwa

nilai probabilitas kurs lebih kecil dari tingkat signifikansi yaitu sebesar

0.0000. Hal tersebut disebabkan adanya kebijakan-kebijakan moneter

pemerintah terhadap nilai tukar valas (kurs), yang disesuaikan dengan

kondisi pasar dan perekonomian.

Semakin tinggi kurs akan meningkatkan investasi pada pasar dan

menurunkan tingkat investasi pada saham. Konsekuensi logis yang

muncul, semakin berkurangnya daya tawar di pasar saham, akan

menurunkan harga saham dan mengurangi tingkat return pada

perusahaan yang ada di JII. Penelitian ini sesuai dengan Neny Mulyani

(2014) bahwa nilai kurs berpengaruh signifikan terhadap return saham.

137
 BAB V

PENUTUP

A. Kesimpulan

Penelitian ini bertujuan untuk meneliti perbedaan keakuratan antara

Capital Asset pricing Model (CAPM), Islamic Capital Asset pricing Model

(ICAPM) dengan Arbitrage Pricing Theory (APT) dalam memprediksi

return saham JII. Adapun beberapa kesimpulan yang dapat diambil dalam

penelitian ini adalah:

1. Model ICAPM lebih akurat dibandingkan dengan model CAPM dan

APT karena nilai MAD (Mean Absolute Deviation) model ICAPM

lebih kecil dibandingkan nilai MAD model CAPM dan APT. Adjust

menunjukkan bahwa model CAPM lebih akurat dibandingkan model

ICAPM dan APT karena nilai Adjust model CAPM lebih tinggi

dibandingkan model ICAPM dan APT.

2. Tidak terdapat perbedaan akurasi antara model CAPM dengan ICAPM

dalam memprediksi return saham syariah di Jakarta Islamic Index. Hal

ini bedasarkan hasil dari uji Independent t-test nilai probabilitas lebih

besar dari nilai tingkat signifikansi, namun terdapat perbedaan yang

signifikan antara ICAPM dengan APT dan CAPM dengan APT dalam

memprediksi return saham syariah di JII. Hal ini bedasarkan hasil dari

uji Independent t-test nilai probabilitas lebih kecil dari nilai tingkat

signifikansi.

138
 3. Variabel excess return market to risk free pada model CAPM memiliki

pengaruh terhadap variabel return saham syariah. Namun pada model

ICAPM excess return market to inflation tidak berpengaruh terhadap

return saham syariah. Variabel inflasi dan kurs pada model APT memiliki

pengaruh terhadap variabel return saham syariah. Pernyataan ini dapat

dibuktikan dengan nilai probabilitas variabel inflasi dan kurs lebih kecil

dari tingkat signifikansi. Namun variabel suku bunga SBI tidak

berpengaruh terhada return saham syariah.

B. Saran

1. Bagi Investor

Pada umumnya hampir semua investasi mengandung unsur

ketidakpastian. Investor tidak tahu dengan pasti hasil yang akan

diperolehnya dari investasi yang dilakukan. Karena investor

menghadapi kesempatan investasi yang berisiko maka pilihan investasi

tidak dapat hanya mengandalkan pada tingkat keuntungan saja tetapi

investor harus bersedia menanggung risiko atas investasinya terutama

dalam investasi saham syariah. Begitu pula dengan faktor-faktor

makroekonomi yang juga memiliki pengaruh yang cukup signifikan

terhadap investasi saham syariah. Oleh karena itu dalam melakukan

investasi, terutama investasi saham syariah, investor seharusnya

mempertimbangkan secara matang mengenai beberapa hal yang sangat

penting dalam pengambilan keputusan investasi yang dilakukannya dan

139
 juga mempertimbangkan model yang lebih akurat dalam memprediksi

return saham.

2. Bagi Peneliti Selanjutnya

Penelitian ini akan lebih sempurna apabila variabel yang digunakan

lebih banyak dan bervariatif. Untuk peneliti selanjutnya diharapkan

lebih memperdalam penelitian tentang model Islamic Capital Asset

Pricing Model (ICAPM) dalam memprediksi return saham syariah.

140
 DAFTAR PUSTAKA

Ahmad, Dani. “Pengaruh Suku Bunga SBI, Inflasi, Pertumbunhan Ekonomi, dan
Size Terhadap Return Saham Syariah di Jakarta Islamic Index”. Fakultas
Ekonomi dan Bisnis, Universitas Negeri Yogyakarta. Yogyakarta, 2014.
Ahmad, Kamaruddin. “Dasar-dasar Manajemen Investasi dan Portofolio”. Ed,
Revisi. Rineka Cipta. Jakarta, 2004.
Akbar Faoriko. “Pengaruh Inflasi, Suku Bunga dan Nilai Tukar Rupiah terhadap
Return Saham di Bursa Efek Indonesia”. Jurnal Administrasi
Bisnis(JAB)| Vol. 6 No. 1. April 2013.

Al-Faizin, Abdul Wahid, Akbar, Nashr. “Tafsir Ekonomi Kontemporer: Kajian

Tafsir Al-Quran tentang Ekonomi Islam”. Madani Publishing House.
Jakarta, 2010.
Alhamda, Syukra."Buku Ajar Metlit dan Statistik", deepublish, Yogyakarta, 2016.
Alma, Buchari. “Manajemen Bisnis Syariah”. Alfabeta. Bandung, 2009.
Andri. “Perbandingan Keakuratan CAPM dan APT dalam Memprediksi Tingkat
Pendapatan Saham LQ-45 (Periode 2006-2008)”. Fakuktas Ekonomi dan
Bisnis, Universitas Islam Negeri Syarif Hidayatullah. Jakarta, 2010.
Anoraga, Pandji dan Piji Pakarti. “Pengantar Pasar Modal”. Cetakan 3. Rineka
Cipta. Jakarta, 2008.
Antonio, Muhammad Syafi’i, Hafidhoh, dan Hilman Fauzi. “The Isamic Capital
Market Volatility: A Comparative Study between in Indonesia and
Malaysia”. Buletin Ekonomi Moneter dan Perbankan. April, 2013.
Baroroh, Ali. “Analisis Multivariate dan Time Series dengan SPSS 21”. Elex
Media Komputindo. Jakarta, 2013.
Bodie, Kane dan Marcus. “Investment” Penerjemah Romi Bhakti Hartanto,
Adinda Presanti, dan Ika Permatasari. Salemba Empat. Jakarta, 2014.
Cahyo, Denny dan Noval Adib. “Perbandingan Keakuratan CAPM dan APT
dalam memprediksi return saham perusahaan di Jakarta Islamic Index
(Periode 2010-2014)”. Jurnal Akuntansi Fakultas Ekonomi dan Bisnis
Unversitas Brawijaya, 2015.
Cahyono, J. E. “Menjasi Manajer Investasi Bagi Diri Sendiri”. Gramedia Pustaka
Utama. Jakarta, 2000.
El-Ashker. “The Islamic Business Enterprise”. Croom Helm. Kent, 1987.
141
Elvira, Nasika, Suhadak dan Nengah Sudjana. “Analisis Portofolio Menggunakan
Capital asset pricing model (CAPM) untuk Penetapan Kelompok Saham-
saham Efisien”. Jurnal Administrasi Bisnis (JAB)| Vol. 9 No. 1
April, 2014.
Fahmi, Irham. “Analisis Laporan Keuangan”. Cetakan Ke-2. Alfabeta. Bandung,
2012.
Firdaus, M. “Analisis Deret Waktu Satu Ragam”. Bogor: IPB Press, 2006.
Fitriyanti. “Analisis Pengaruh Variabel Makroekonomi dan Harga Komoditas
Terhadap Jakarta Islamic Index (JII)”. Jurnal Ekonomi Syariah Teori dan
Terapan Vol. 3 No. 9 September 2016: 713-727.
Gaspersz, Vincent. 2004. Production Planning And Inventory Control. Jakarta:
PT. Gramedia Pustaka Umum.
Ghozali, Imam."Statistik Nonparametik", Badan Penerbit UNDIP, Semarang ,
2006.
Ghozali, Imam. “Aplikasi Analisis Multiariate Dengan Program SPSS”, Badan
Penerbit Universitas Diponegoro, Semarang, 2001.
Gujarati. 2004. Basic Econometrics, Fourth Edition. United States: The McGraw-
Hill Company.
Halwani, Hendra. “Ekonomi Internasional & Globalisasi Ekonomi”. Edisi Kedua.
Ghalia Indonesia. Bogor, 2005.
Hanif, Muhammad. “Risk And Return Under Sharia Framework : An Attemp to
Develop Sharia Compliant Asset Pricing Model (SCAPM)”. National
University Of Computer And Emersing Science, Islamabad, Pakistan,
2011.
Hartono, Jogiyanto. “Teori Portofolio dan Analisis Investasi”. Edisi Kelima.
BPFEE. Yogyakarta, 2008.
Hartono, Jogiyanto. “Teori Portofolio dan Analisis Investasi”. Edisi Kedelapan.
BPFEE. Yogyakarta, 2013.
Hasanah, Shofia Mauizotun. “Penentuan Portofolio Optimum Saham Syariah
dengan Pendekatan Shariah Compliant Asset Pricing Model (SCAPM)
dalam Rangka Pengembangan Pasar Modal Syariah”. Fakultas Syariah
dan Hukum, Program Pascasarjana UIN Sunan Kalijaga. Yogyakarta,
2016.
Hidayat, Taufik. “Buku Pintar Investasi Syariah”. Media Kita. Jakarta, 2011.
Huda, Nurul dan Mustafa Edwin Nasution. “Investasi Pada Pasar Modal
Syari’ah”. Cetakan ke-2. Kencana. Jakarta, 2008.
142
Husnan, S. “Dasar-dasar Teori Portofolio dan Analisis Sekuritas”. UPP STIM
YKPN. Yogyakarta, 2009.
Jayaparna, Ogi. “Perbandingan Return Saham LQ45 Di Bursa Efek Indonesia
Dengan Menggunakan Capital Asset Pricing Model (CAPM) dan
Arbitrage Pricing Theory (APT)”. Jurnal Akuntansi Universitas
Pendidikan Indonesia, 2014.
Jones, W. Noni blessing holdings. Food quality Analysis, Oregon, 2000.
Karim, Adiwarman A. “Ekonomi Makro Islami”. Ed.II. PT Raja Grafindo
Persada. Jakarta, 2008.
Karim, Adiwarman A. “Ekonomi Makro Islami”. PT Raja Grafindo Persada.
Jakarta, 2011.
Kisman, Zainul dan Shintabelle. “The Validity of Capital asset pricing model
(CAPM) and Arbitrage Pricing Theory (APT) in Predicting the Return of
Stocks in Indonesia Stock Exchange”. American Journal of Economics,
Finance and Management Vol. 1, No. 3, 2015.
Kuncoro, Mudrajat. “Metode Kuantitatif: Teori dan Aplikasi Untuk Bisnis dan
Ekonomi”, UPP-AMP YKPN, Yogyakarta, 2001.
Kurniawan, Fauzi Adi, Raden Rustam Hidayat dan Devi Farah Azizah.
“Penerapan Metode Capital asset pricing model (CAPM) Untuk
Penetapan Kelompok Saham-saham Efisien”. Jurnal Administrasi Bisnis
(JAB)|Vol. 24 No. 1 Juli, 2015.
Kusrianto, Adi. “Memanfaatkan Formula dan Fungsi Microsoft Office Excel 2007
dan 2010”, PT. Elex Media Komputindo, Jakarta, 2007.
Laia, Kristin, I. Saerang. “Perbandingan Keakuratan Capital Assets Pricing Model
(CAPM) dan Arbitrage Pricing Theory (APT) dalam Investasi Saham
Pada Bank Umum Swasta Nasional Devisa yang Terdaftar di BEI”.
Jurnal EMBA, Vol. 3, 2015.
Lemiyana. “Analisis Model CAPM dan APT dalam Memprediksi Tingkat Return
Saham Syariah (JII)”. I-Finance Vol. 1. Juli, 2015.
Marsyella, Yolanda Simangunsong dan Dewa Gede Wirama. “Pengujian Validitas
Empiris Capital Asset Pricing Model di Pasar Modal Indonesia”. Jurnal
Ilmiah Akuntansi dan Bisnis, Vol. 9 No.1. Januari 2014.
Muhamad. “Manajemen Keuangan Syariah”. Edisi Pertama. UPP STIM YKPN.
Yogyakarta, 2016.
Mulyani, Neny. “Analisis Pengaruh Inflasi, Suku Bunga, Nilai Tukar Rupiah dan
Produk Domestik Bruto Terhadap Jakarta Islamic Index”. Jurnal Bisnis
dan Manajemen Eksekutif Vol. 1 No. 1, 2014.
143
Murhadi, Werner R. “Studi Pengaruh Good Corporate Governance terhadap
Praktek Earnings Management pada Perusahaan yang Terdaftar di BEI”.
Jurnal Manajemen dan Kewirausahaan Vol. 11. No. 1. Maret. Hal 1-10,
2009.
Nazwar, Chairul. “Analisis Pengaruh Variabel Makroekonomi Terhadap return
Saham Syariah di Indonesia”. Jurnal Perencanaan & Pengembangan
Wilayah, Vo. 4, No. 1, Agustus 2008.
Nurhayati, Sri. “Akuntansi Syariah di Indonesia”. Salemba Empat. Jakarta, 2011.
Nurlita, Anna. “Investasi Di Pasar Modal Syariah Dalam Kajian Islam”. Jurnal
Penelitian Sosial Keagamaan, Vol.17, No.1, Januari 2014.
Otoritas Jasa Keuangan. “Pasar Modal Syariah: Saham Syariah”. Direktorat
Pasar Modal Syariah. Jakarta, 2013.
Premananto, gancar candra dan Muhammad Madyan. “Saham industri
Manufaktur Sebelum dan Semasa Krisis Ekonomi”. Jurnal Penelitian
Dinamika Sosial, Vol. 5, No. 2, Agustus 2004.
Prihantini, Ratna. “Analisis Pengaruh Inflasi, Nilai Tukar, ROA, DER, dan CR
Terhadap Return Saham”. Tesis Program Studi Magister Manajemen
Universitas Diponegoro, 2009.
Purwanto, Erwan Agus dan Sulistyawati, Dyah Ratih. “Metode Penelitian
Kuantitatif”, Gava Media, Yogyakarta, 2007.
Putong, Iskandar. “Manajemen Keuangan Modern”. Mitra Wacana Media.
Jakarta, 2014.
Riantani, Suskim dan Maria Tambunan. “Analisis Pengaruh Variabel
Makroekonomi dan Indeks Global terhadap Return Saham”. Seminar
Nasional Teknologi Informasi & Komunikasi Terapan 2013 (Semantik
2013).
Rodoni, Ahmad dan Herni Ali. “Analisis Investasi dan Teori Portofolio”. Raja
Grafindo Persada. Jakarta, 2002.
Sadaf, Rebeea dan Sumera Andleeb. “Islamic capital asset pricing model
(ICAPM)”, Journal Of Islamic and Banking Finance, American
Research Institute For Policy Development. Journal, 2014.
Sawitri, Ade Nanda. “Analisis investasi dalam Asuransi Syariah di Indonesia
Terhadap Portofolio Optimal”. Media Ekonomi Vol. 19, No. 2, Agustus
2011.
Selim, Tarek H. “An Islamic capital asset pricing model”. Humanomics 24 (2)
2008, 122-129.

144
Setiawan, Wahyu dan Aghil Pramujito. “Analisis Kritis Tentang Kesyariahan
Saham Di Jakarta Islamic Index”. Jurnal Hukum dan Ekonomi Syariah,
Vol.04, No.1, Maret 2016.
Sheikh, Nadeem Ahmed and Zongjun Wang. “Determinants of Capital Structure
An Empirical Study of Firms in Manufacturing Industry of Pakistan”,
Journal Managerial Finance, Volume 37 pp 117-133, 2011.
Soemitra, Andri. ”Bank dan Lembaga Keuangan Syariah”. Kencana Praktis.
Medan, 2010.
Subagyo, Pangestu. “Forecasting Konsep dan aplikasi”. BPPE UGM.
Yogyakarta, 2000.
Sugiyono. "Metode Penelitian Kuantitatif, Kualitatif dan R&D", Alfabeta,
Bandung, 2008.
Sukirno, Sadono. “Makroekonomi Teori Pengantar”. Edisi Ketiga. Rajawali
Press. Jakarta, 2004.
Sunariyah. “Pengantar Pengetahuan Pasar Modal”. Edisi Kelima. UPP STIM
YKPN. Yogyakarta, 2006.
Sutedi, Adrian. “Pasar Modal Syariah”. Sinar Grafika. Jakarta, 2011.
Suseno, Yustiantomo Budi. “Analisis Faktor-faktor yang Mempengaruhi Beta
Saham (Studi Kasus Perbandingan Perusahaan Finance dan manufaktur
yang Listing di BEI pada Tahun 2005-2007”. Tesis Program Studi
Magister Manajemen Universitas Diponegoro, 2009.
Utami, Mudji, dan Mudjilah Rahayu. “Peranan dari Profitabilitas, Suku Bunga,
Inflasi, dan Nilai Tukar dalam Mempengaruhi Pasar Modal Indonesia
selama Krisis Ekonomi”. Jurnal Manajemen & Kewirausahaan, Vol. 5,
No. 2, 2003.
Widarjono, Agus. “Ekonometrika: Teori dan Aplikasi Untuk Ekonomi dan
Bisnis”, FE Universitas Islam Indonesia, Yogyakarta, 2007.
Widoatmojo, Sawidji. “Cara Benar Mencapai Kemakmuran Financial a’la
Robert T. Kiyosaki”. Elex Media Kompatindo. Jakarta, 2007.
Winarno, Wing Wahyu. "Analisis Ekonometrika dan Statistika dengan Ewiews
Edisi 4",UPP STIM YKPN, Yogyakarta, 2015.
Yuliana, Indah. “Investasi Produk Keuangan Syariah”. UIN – Maliki Press.
Malang, 2010.
Zubir, Zalmi. “Manajemen Portofolio: Penerapannya dalam Investasi Saham”.
Salemba Empat. Jakarta, 2013.

145
www.BI.go.id
www.idx.co.id
www.bps.go.id
www.wikipedia.com
www.finance.yahoo.com

146
 DAFTAR LAMPIRAN

Actual Return Saham JII

R_AALI R_ADRO R_AKRA R_ASII R_ASRI R_ICBP R_INDF R_INTP R_KBLF
Jan-12 -0,0507 0,0339 0,2066 0,0662 0,0543 -0,0192 0,0435 -0,0059 0,0368
Feb-12 0,0825 0,0492 -0,0137 -0,1020 0,1753 0,1078 0,0625 0,0295 -0,0071
Mar-12 0,0471 0,0052 0,1944 0,0438 0,0877 -0,0354 -0,0490 0,0573 0,0143
Apr-12 -0,0835 -0,0363 -0,0407 -0,0399 -0,0323 0,0367 0,0000 -0,0217 0,1338
Mei-12 -0,0444 -0,2097 -0,1818 -0,0944 -0,1000 0,0000 -0,0258 -0,0139 -0,0373
Jun-12 -0,0196 -0,0136 0,0296 0,0653 -0,0926 0,0177 0,0265 -0,0253 -0,0258
Jul-12 0,1471 0,0069 0,0504 0,0219 -0,0612 0,1478 0,1134 0,2392 0,0132
Agu-12 -0,0304 -0,0616 -0,0411 -0,0357 -0,0435 -0,0076 0,0000 -0,0581 0,0131
Sep-12 -0,0157 0,0949 0,2143 0,0963 0,1250 -0,0305 0,0463 0,0049 0,2129
Okt-12 -0,0456 -0,0867 0,0471 0,0878 0,1717 0,1260 0,0088 0,0516 0,0319
Nov-12 -0,1408 -0,0219 -0,0337 -0,0994 0,0517 0,0350 0,0263 0,0864 -0,7876
Des-12 0,0611 0,1866 -0,0581 0,0414 -0,0164 0,0946 0,0000 -0,0258 0,0000
Jan-13 -0,0131 0,0377 -0,0432 -0,0265 0,2833 -0,0123 0,0342 -0,0397 0,0583
Feb-13 -0,0212 -0,0485 0,1548 0,0816 0,2078 0,0625 0,2066 0,0092 0,1835
Mar-13 0,0027 -0,1656 0,1173 -0,0063 0,1505 0,1294 0,0205 0,0615 -0,0388
Apr-13 -0,0432 -0,0611 0,0300 -0,0696 -0,0187 0,1927 -0,0134 0,1330 0,1210
Mei-13 0,1017 -0,2439 0,0388 -0,0408 0,0095 0,1441 0,0000 -0,1004 0,0432
Jun-13 0,0103 -0,0753 -0,0093 -0,0071 -0,2925 -0,0687 0,0000 0,0295 -0,0069
Jul-13 -0,2107 -0,1860 -0,1840 -0,0714 -0,0667 -0,0820 -0,1156 -0,1472 -0,0069
Agu-13 0,2701 0,3286 -0,0809 -0,0692 -0,2143 -0,1071 0,0000 -0,0552 -0,0559
Sep-13 -0,0127 -0,0323 0,0063 0,0661 0,0909 0,0250 0,0846 -0,0863 -0,1259
Okt-13 -0,0462 0,1333 0,2125 0,0310 0,0167 0,0927 -0,0567 0,1611 0,1017
Nov-13 0,2097 0,1078 -0,0361 -0,0602 -0,2213 -0,1071 0,0000 -0,0981 -0,0615
Des-13 0,1156 -0,0354 -0,0642 0,0880 -0,0947 0,0200 -0,0075 0,0610 0,0246
Jan-14 -0,1444 -0,1284 0,0057 -0,0551 0,1860 0,0784 0,0568 0,1200 0,1240
Feb-14 0,1874 0,0474 0,0364 0,0817 0,1275 0,0159 0,0287 0,0022 0,0320
Mar-14 0,0196 -0,0151 0,0603 0,0612 0,0348 -0,0962 0,0174 0,0412 0,0103
Apr-14 0,1308 0,2092 -0,0134 0,0068 -0,1092 -0,0099 -0,0308 -0,0610 0,0546
Mei-14 -0,0706 0,0338 -0,1352 -0,0471 -0,0566 0,0200 -0,0353 0,0319 -0,0032
Jun-14 0,0311 -0,0408 0,0497 0,0283 -0,1160 -0,0196 -0,0183 -0,0044 0,0779
Jul-14 -0,0524 0,0085 0,0162 0,0619 0,1878 0,0450 0,0560 0,1064 0,0422
Agu-14 -0,0449 0,1097 0,1932 -0,0194 -0,0286 0,0048 -0,0283 -0,0281 -0,0405
Sep-14 -0,0980 -0,1065 0,0381 -0,0693 -0,1078 0,0810 0,0182 -0,1113 0,0241
Okt-14 0,0217 -0,0340 -0,0963 -0,0390 0,0198 -0,0264 -0,0250 0,1137 0,0029
Nov-14 0,0213 -0,0485 -0,0558 0,0517 0,2069 0,0181 -0,0183 0,0281 0,0264
Des-14 0,0104 -0,0370 -0,1140 0,0421 0,0000 0,1644 0,0075 0,0132 0,0457
Jan-15 -0,0865 -0,0385 0,1396 0,0572 0,0625 0,1069 0,1185 -0,0800 0,0191
Feb-15 0,0602 -0,0400 0,0373 0,0000 0,1261 -0,0138 -0,0199 0,0457 -0,0322
Mar-15 -0,0142 -0,0104 0,0524 0,0924 -0,1716 0,0262 0,0068 -0,0884 0,0332
147
Apr-15 -0,1626 -0,0789 0,0146 -0,2012 0,1081 -0,1005 -0,0940 -0,0422 -0,0375
Mei-15 0,2187 -0,0171 0,0529 0,0657 -0,0244 0,0682 0,0815 0,0667 0,0251
Jun-15 -0,0742 -0,1163 0,0822 -0,0308 -0,0417 -0,1152 -0,0993 -0,0681 -0,0897
Jul-15 -0,1256 -0,2237 -0,0295 -0,0601 -0,1217 -0,0140 -0,0722 -0,0407 0,0418
Agu-15 -0,1470 0,0085 -0,0043 -0,1090 -0,3168 1,0610 -0,1598 -0,0200 -0,0516
Sep-15 0,0584 -0,1008 0,0218 -0,1181 -0,0841 -0,5108 0,0732 -0,1618 -0,1692
Okt-15 0,0979 0,1121 0,0085 0,1292 0,2310 0,0645 0,0045 0,0942 0,0400
Nov-15 -0,1483 -0,0756 0,0339 0,0042 -0,1285 -0,0428 -0,1176 0,0389 -0,0664
Des-15 -0,0649 -0,0636 0,1762 0,0127 0,0118 0,0665 0,0615 0,1939 -0,0112
Jan-16 0,0773 0,0194 0,0244 0,0750 -0,0641 0,0724 0,1981 -0,1176 0,0114
Feb-16 -0,1303 0,1524 0,1122 0,0543 0,0717 0,0900 0,1371 0,0165 -0,0262
Mar-16 0,2256 0,0661 -0,1498 0,0662 0,0814 -0,0349 0,0248 -0,0150 0,1115
Apr-16 -0,1154 0,1318 -0,0540 -0,0724 0,0645 0,0049 -0,0138 0,0000 -0,0484
Mei-16 -0,1211 -0,0274 -0,0266 -0,0186 -0,0253 0,0606 -0,0281 -0,1559 0,0400
Jun-16 0,0903 0,1972 -0,0078 0,1212 0,2435 0,0633 0,0469 0,0135 0,0699
Jul-16 -0,0136 0,2235 0,0630 0,0439 0,0938 -0,0015 0,1483 0,0119 0,0948
Agu-16 0,1310 0,1058 -0,0111 0,0550 -0,0629 -0,4201 -0,0480 0,0366 0,0716
Sep-16 -0,0960 0,0478 -0,0337 0,0123 -0,0610 -0,0501 0,0978 -0,0198 -0,0446
Okt-16 0,0287 0,3154 0,1008 -0,0030 -0,0303 -0,0079 -0,0230 -0,0519 0,0146
Nov-16 0,0852 -0,0347 -0,0599 -0,0821 -0,1518 -0,0798 -0,1088 -0,0289 -0,1379
Des-16 0,0136 0,1078 -0,1011 0,0960 -0,0737 -0,0087 0,0462 -0,0360 0,0100

R_LPKR R_LSIP R_PGAS R_SMGR R_TLKM R_UNTR R_UNVR

Jan-12 0,0152 0,0778 0,0630 -0,0131 -0,0284 0,0759 0,0426
Feb-12 0,0448 0,0928 0,1111 -0,0044 0,0292 0,0229 -0,0179
Mar-12 0,1429 0,0849 0,0133 0,0889 -0,0071 0,1379 0,0390
Apr-12 0,0375 0,0174 -0,1184 -0,0082 0,2143 -0,1030 -0,0075
Mei-12 -0,0482 -0,1795 0,1045 -0,0988 -0,0824 -0,2196 0,0353
Jun-12 0,0127 0,1146 -0,0473 0,0320 0,0449 -0,0758 0,1144
Jul-12 0,1125 0,0280 0,0780 0,1460 0,1166 -0,0164 0,0590
Agu-12 -0,0225 -0,1273 -0,0263 -0,0425 0,0220 -0,0452 0,1175
Sep-12 0,1379 0,0208 0,1149 0,1653 0,0161 0,0324 -0,0387
Okt-12 -0,0606 -0,0510 0,1273 0,0311 0,0317 0,0193 0,0000
Nov-12 0,1505 -0,1957 -0,0269 -0,0067 -0,0769 -0,1919 0,0115
Des-12 -0,0654 0,2032 -0,0110 0,0608 -0,0056 0,1496 -0,1954
Jan-13 0,0300 -0,0222 0,0447 0,0032 0,0838 0,0077 0,0401
Feb-13 0,0971 -0,0568 0,0267 0,1016 0,1082 -0,0228 0,0363
Mar-13 0,2124 -0,0699 0,2396 0,0202 0,0233 -0,0570 -0,0022
Apr-13 -0,0146 -0,2124 0,0504 0,0395 0,0636 -0,0247 0,1513
Mei-13 0,3630 0,2632 -0,1200 -0,0217 -0,0556 -0,0817 0,1619
Jun-13 -0,1739 -0,1042 0,0455 -0,0500 0,0181 0,1166 0,0082
Jul-13 -0,1579 -0,3488 0,0261 -0,1111 0,0578 -0,0769 0,0341
148
Agu-13 -0,1016 0,3304 -0,0847 -0,1711 -0,0756 -0,0595 -0,0189
Sep-13 -0,0522 -0,1477 -0,0370 0,0317 -0,8091 0,0316 -0,0337
Okt-13 0,0367 0,2598 -0,0192 0,1038 0,1190 0,0736 -0,0050
Nov-13 -0,1947 0,1500 -0,0490 -0,1080 -0,0745 0,0429 -0,1133
Des-13 0,0000 0,0489 -0,0773 0,1055 -0,0115 0,0411 -0,0226
Jan-14 0,0440 -0,1425 0,0659 0,0035 0,0581 0,0158 0,0981
Feb-14 -0,0105 0,2508 0,0273 0,0563 0,0220 -0,0168 0,0009
Mar-14 0,1543 0,0676 0,0459 0,0533 -0,0473 0,0935 0,0236
Apr-14 -0,0138 0,1086 0,0390 -0,0601 0,0226 0,0458 0,0000
Mei-14 -0,0327 -0,0571 0,0188 -0,0084 0,1369 -0,0012 -0,0043
Jun-14 -0,0725 0,0022 0,0276 0,0238 -0,0427 0,0657 0,0052
Jul-14 0,1458 -0,0929 0,0583 0,0995 0,0751 -0,0087 0,0504
Agu-14 -0,0273 -0,1095 -0,0169 -0,0211 0,0057 -0,0328 -0,3163
Sep-14 -0,1215 0,0160 0,0345 -0,0493 0,0938 -0,1016 0,5125
Okt-14 0,1383 0,0237 -0,0083 0,0292 -0,0566 -0,0766 -0,0440
Nov-14 0,0888 0,0206 0,0000 0,0079 0,0273 -0,0027 0,0461
Des-14 -0,1245 -0,0479 0,0084 0,0125 0,0142 -0,0532 0,0157
Jan-15 0,1127 -0,0265 -0,1583 -0,1003 -0,0122 0,0317 0,1091
Feb-15 0,0396 0,0217 0,0297 0,0206 0,0371 0,1592 0,0049
Mar-15 0,1441 -0,0798 -0,0769 -0,0824 -0,0153 0,0506 0,1014
Apr-15 -0,1222 -0,1763 -0,1458 -0,0842 -0,0952 -0,0183 0,0744
Mei-15 0,0970 0,1684 0,0476 0,0760 0,0880 -0,0514 0,0164
Jun-15 -0,0923 -0,0661 0,0047 -0,1078 0,0299 0,0037 -0,0878
Jul-15 -0,0212 -0,1286 -0,0730 -0,1583 0,0034 -0,0086 0,0127
Agu-15 -0,1082 -0,2030 -0,3050 -0,0842 -0,0238 -0,0532 -0,0069
Sep-15 0,0971 0,2824 -0,0899 -0,0216 -0,0784 -0,0863 -0,0434
Okt-15 0,0531 0,1191 0,1858 0,0829 0,0132 0,0358 -0,0263
Nov-15 0,0798 -0,2258 -0,1150 0,0842 0,0933 -0,0994 -0,0068
Des-15 -0,1946 0,1000 0,0339 0,0729 0,0597 0,0399 0,0068
Jan-16 0,0193 0,0795 -0,1239 -0,0307 0,0757 0,0265 -0,0081
Feb-16 -0,0284 0,0035 0,0956 -0,0724 -0,0269 -0,1078 0,2132
Mar-16 0,0195 0,2727 -0,0076 -0,0073 0,0231 -0,0145 -0,0359
Apr-16 -0,0287 -0,1566 0,0019 -0,0270 0,0677 -0,0196 -0,0082
Mei-16 -0,0591 -0,0554 -0,0534 -0,0909 0,0423 -0,0533 0,0123
Jun-16 0,1990 -0,0483 -0,0565 0,0389 0,0757 0,0423 0,0458
Jul-16 -0,0087 0,0181 0,4060 0,0027 0,0628 0,0642 -0,0006
Agu-16 -0,0308 0,1388 -0,0821 0,0560 -0,0047 0,1905 0,0133
Sep-16 -0,1000 -0,0656 -0,0497 0,0202 0,0238 -0,0560 -0,0241
Okt-16 -0,0859 0,0201 -0,1080 -0,0248 -0,0209 0,2218 -0,0017
149
 Nov-16 -0,1547 0,1902 0,0352 -0,0990 -0,1043 -0,0289 -0,0888
Des-16 -0,0131 -0,0413 0,0717 0,0338 0,0529 0,0119 -0,0426
Tabel Covarian dan Varian ICAPM

AALI ADRO ADRO

Bulan/tahun
Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var Rm)
Jan-12 0,000735937 0,039714994 0,001380773 0,039714994 0,001724304 0,039714994
Feb-12 0,001103894 0,055188105 0,003128904 0,055188105 0,006157408 0,055188105
Mar-12 0,001125137 0,055661291 0,003183136 0,055661291 0,006260442 0,055661291
Apr-12 0,001127762 0,056076512 0,003240157 0,056076512 0,006307 0,056076512
Mei-12 0,0011107 0,056479143 0,00327635 0,056479143 0,006388655 0,056479143
Jun-12 0,001048295 0,055459377 0,002946376 0,055459377 0,006136743 0,055459377
Jul-12 0,001078074 0,055863208 0,003013708 0,055863208 0,006248837 0,055863208
Agu-12 0,000980197 0,056063054 0,003077326 0,056063054 0,006348382 0,056063054
Sep-12 0,000988693 0,05655239 0,003110587 0,05655239 0,00644549 0,05655239
Okt-12 0,001022714 0,056764583 0,00310415 0,056764583 0,006412027 0,056764583
Nov-12 0,001063085 0,057248439 0,003209056 0,057248439 0,006529693 0,057248439
Des-12 0,000913787 0,057217812 0,003225198 0,057217812 0,006587295 0,057217812
Jan-13 0,000932337 0,057810757 0,003290718 0,057810757 0,006721886 0,057810757
Feb-13 0,000954182 0,058414943 0,003356326 0,058414943 0,006871984 0,058414943
Mar-13 0,001007179 0,058427672 0,003507365 0,058427672 0,006865984 0,058427672
Apr-13 0,001030035 0,059032107 0,003642952 0,059032107 0,006986787 0,059032107
Mei-13 0,001081214 0,05957293 0,003771308 0,05957293 0,00714082 0,05957293
Jun-13 0,001142793 0,060206081 0,003753054 0,060206081 0,007307391 0,060206081
Jul-13 0,001173747 0,060706252 0,003759715 0,060706252 0,007448758 0,060706252
Agu-13 0,000864799 0,060598347 0,003509279 0,060598347 0,007293571 0,060598347
Sep-13 0,001285749 0,060558018 0,004043549 0,060558018 0,007295845 0,060558018
Okt-13 0,001308533 0,061217571 0,004108628 0,061217571 0,00746069 0,061217571
Nov-13 0,001392972 0,061689631 0,004109381 0,061689631 0,007473015 0,061689631
Des-13 0,001815697 0,061426733 0,004367772 0,061426733 0,00754025 0,061426733
Jan-14 0,001879126 0,062269487 0,004478219 0,062269487 0,007731847 0,062269487
Feb-14 0,001998965 0,063086964 0,004677574 0,063086964 0,007961653 0,063086964
Mar-14 0,001909376 0,063839442 0,004799158 0,063839442 0,008190284 0,063839442
Apr-14 0,001958648 0,064778883 0,004953385 0,064778883 0,008424904 0,064778883
Mei-14 0,00202131 0,065783119 0,005107761 0,065783119 0,008678976 0,065783119
Jun-14 0,002088392 0,06683472 0,005266979 0,06683472 0,008961409 0,06683472
Jul-14 0,002175051 0,06788373 0,005403176 0,06788373 0,00925319 0,06788373
Agu-14 0,002309272 0,06859872 0,005613463 0,06859872 0,009601426 0,06859872
Sep-14 0,002375612 0,069786308 0,005835439 0,069786308 0,009985559 0,069786308
Okt-14 0,002404333 0,070992675 0,005961615 0,070992675 0,010341101 0,070992675
Nov-14 0,002528862 0,071965196 0,006087902 0,071965196 0,010530128 0,071965196
Des-14 0,002620684 0,073382271 0,006339878 0,073382271 0,01095669 0,073382271
Jan-15 0,002726504 0,074894782 0,00658867 0,074894782 0,011384535 0,074894782

150
 Feb-15 0,002872707 0,076480002 0,006895306 0,076480002 0,011824891 0,076480002
Mar-15 0,002972376 0,07817491 0,007229116 0,07817491 0,012344887 0,07817491
Apr-15 0,003105743 0,080009529 0,007546534 0,080009529 0,012906 0,080009529
Mei-15 0,002467339 0,078738742 0,007260687 0,078738742 0,013331885 0,078738742
Jun-15 0,002221959 0,0804213 0,007750051 0,0804213 0,014000871 0,0804213
Jul-15 0,002064988 0,080629662 0,007426691 0,080629662 0,014852833 0,080629662
Agu-15 0,001876656 0,082283334 0,007104846 0,082283334 0,015471825 0,082283334
Sep-15 0,00114819 0,081577533 0,007086286 0,081577533 0,016034706 0,081577533
Okt-15 0,001527969 0,080119202 0,006283451 0,080119202 0,016781157 0,080119202
Nov-15 0,001499297 0,08273916 0,006688696 0,08273916 0,017979943 0,08273916
Des-15 0,001112624 0,084974608 0,006583108 0,084974608 0,019154742 0,084974608
Jan-16 0,001232571 0,088429931 0,007168343 0,088429931 0,020581078 0,088429931
Feb-16 0,001436943 0,092164196 0,007576081 0,092164196 0,022231801 0,092164196
Mar-16 0,001725524 0,096593803 0,008248591 0,096593803 0,024200658 0,096593803
Apr-16 0,002303308 0,101611968 0,008930302 0,101611968 0,026192151 0,101611968
Mei-16 0,002008137 0,106918159 0,009871089 0,106918159 0,028494748 0,106918159
Jun-16 0,00130007 0,112665078 0,009943157 0,112665078 0,031226732 0,112665078
Jul-16 0,001293732 0,121286911 0,011247832 0,121286911 0,03613075 0,121286911
Agu-16 0,001530123 0,132858156 0,013093736 0,132858156 0,042182973 0,132858156
Sep-16 0,002186771 0,148287093 0,015540018 0,148287093 0,050047763 0,148287093
Okt-16 0,00068324 0,167300887 0,017439045 0,167300887 0,0589704 0,167300887
Nov-16 0,000357942 0,198816632 0,026676889 0,198816632 0,07539796 0,198816632
Des-16 0,00400483 0,20336391 0,01851425 0,20336391 0,07501327 0,20336391

ASII ASRI ICBP

Bulan/tahun
Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var Rm)
Jan-12 0,002106855 0,039714994 0,002836561 0,039714994 0,000636998 0,039714994
Feb-12 0,003327719 0,055188105 0,004019453 0,055188105 0,007053597 0,055188105
Mar-12 0,003380623 0,055661291 0,004092936 0,055661291 0,007175174 0,055661291
Apr-12 0,003426186 0,056076512 0,004132736 0,056076512 0,007328036 0,056076512
Mei-12 0,003465042 0,056479143 0,004189768 0,056479143 0,007453124 0,056479143
Jun-12 0,003344415 0,055459377 0,00408259 0,055459377 0,007507664 0,055459377
Jul-12 0,003380125 0,055863208 0,004202719 0,055863208 0,007657203 0,055863208
Agu-12 0,003433421 0,056063054 0,004336994 0,056063054 0,007715403 0,056063054
Sep-12 0,003483583 0,05655239 0,004402254 0,05655239 0,007844532 0,05655239
Okt-12 0,00347725 0,056764583 0,004387522 0,056764583 0,008060661 0,056764583
Nov-12 0,003512088 0,057248439 0,004403528 0,057248439 0,008184882 0,057248439
Des-12 0,003454828 0,057217812 0,004547853 0,057217812 0,008336584 0,057217812
Jan-13 0,003525279 0,057810757 0,004640702 0,057810757 0,00850663 0,057810757
Feb-13 0,003603626 0,058414943 0,004699404 0,058414943 0,008691542 0,058414943
Mar-13 0,003591704 0,058427672 0,004538419 0,058427672 0,008855316 0,058427672
Apr-13 0,003674704 0,059032107 0,004586014 0,059032107 0,009020421 0,059032107
Mei-13 0,003801908 0,05957293 0,004692973 0,05957293 0,009134478 0,05957293

151
Jun-13 0,003868149 0,060206081 0,004807149 0,060206081 0,009382687 0,060206081
Jul-13 0,003943242 0,060706252 0,00470023 0,060706252 0,009518522 0,060706252
Agu-13 0,003905748 0,060598347 0,004713446 0,060598347 0,009554056 0,060598347
Sep-13 0,003872468 0,060558018 0,004502712 0,060558018 0,009556667 0,060558018
Okt-13 0,003998273 0,061217571 0,00466672 0,061217571 0,009782913 0,061217571
Nov-13 0,004084812 0,061689631 0,00477019 0,061689631 0,009987335 0,061689631
Des-13 0,004050631 0,061426733 0,004477615 0,061426733 0,009961415 0,061426733
Jan-14 0,004168904 0,062269487 0,00458614 0,062269487 0,010226924 0,062269487
Feb-14 0,004318366 0,063086964 0,004628521 0,063086964 0,01049778 0,063086964
Mar-14 0,00439095 0,063839442 0,004663952 0,063839442 0,010824538 0,063839442
Apr-14 0,004507178 0,064778883 0,004791531 0,064778883 0,011184159 0,064778883
Mei-14 0,004643591 0,065783119 0,004934093 0,065783119 0,01152149 0,065783119
Jun-14 0,004792637 0,06683472 0,005092114 0,06683472 0,011883946 0,06683472
Jul-14 0,004953393 0,06788373 0,005196749 0,06788373 0,012228686 0,06788373
Agu-14 0,005052122 0,06859872 0,005113885 0,06859872 0,012659277 0,06859872
Sep-14 0,005214417 0,069786308 0,005279058 0,069786308 0,013075471 0,069786308
Okt-14 0,005348923 0,070992675 0,005399229 0,070992675 0,013553142 0,070992675
Nov-14 0,005465794 0,071965196 0,005616485 0,071965196 0,013927893 0,071965196
Des-14 0,005669272 0,073382271 0,00578979 0,073382271 0,014473882 0,073382271
Jan-15 0,005897524 0,074894782 0,006021411 0,074894782 0,015059 0,074894782
Feb-15 0,006127443 0,076480002 0,006246878 0,076480002 0,015669245 0,076480002
Mar-15 0,006400465 0,07817491 0,006466382 0,07817491 0,016381274 0,07817491
Apr-15 0,0067058 0,080009529 0,006729148 0,080009529 0,017118301 0,080009529
Mei-15 0,005955175 0,078738742 0,007594437 0,078738742 0,017096488 0,078738742
Jun-15 0,006181561 0,0804213 0,008004671 0,0804213 0,017963954 0,0804213
Jul-15 0,006289286 0,080629662 0,008276886 0,080629662 0,018118955 0,080629662
Agu-15 0,006426784 0,082283334 0,008441613 0,082283334 0,0188753 0,082283334
Sep-15 0,006027544 0,081577533 0,007141973 0,081577533 0,025433769 0,081577533
Okt-15 0,00539264 0,080119202 0,006900845 0,080119202 0,023476379 0,080119202
Nov-15 0,005632921 0,08273916 0,007066183 0,08273916 0,025047502 0,08273916
Des-15 0,005912176 0,084974608 0,007100784 0,084974608 0,026469792 0,084974608
Jan-16 0,006380958 0,088429931 0,007652798 0,088429931 0,02851053 0,088429931
Feb-16 0,006961708 0,092164196 0,00813404 0,092164196 0,030877182 0,092164196
Mar-16 0,007583814 0,096593803 0,008831594 0,096593803 0,033671222 0,096593803
Apr-16 0,008388396 0,101611968 0,009819754 0,101611968 0,036809808 0,101611968
Mei-16 0,008809351 0,106918159 0,011089247 0,106918159 0,040525034 0,106918159
Jun-16 0,009420354 0,112665078 0,01216657 0,112665078 0,045341074 0,112665078
Jul-16 0,010550066 0,121286911 0,013097656 0,121286911 0,051962591 0,121286911
Agu-16 0,012313414 0,132858156 0,015234793 0,132858156 0,06067368 0,132858156
Sep-16 0,014770466 0,148287093 0,018124218 0,148287093 0,0707358 0,148287093
Okt-16 0,01767801 0,167300887 0,021809838 0,167300887 0,08338597 0,167300887
Nov-16 0,021657956 0,198816632 0,028292707 0,198816632 0,102702178 0,198816632
Des-16 0,01184193 0,20336391 0,0233675 0,20336391 0,09567733 0,20336391

152
 INDF INTP KLBF
Bulan/tahun
Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var Rm)
Jan-12 0,001501722 0,039714994 0,001555675 0,039714994 0,002368764 0,039714994
Feb-12 0,00483855 0,055188105 0,001995914 0,055188105 0,002825454 0,055188105
Mar-12 0,004921838 0,055661291 0,002030585 0,055661291 0,00287303 0,055661291
Apr-12 0,005032899 0,056076512 0,002045356 0,056076512 0,002918327 0,056076512
Mei-12 0,005111185 0,056479143 0,002071034 0,056479143 0,003026693 0,056479143
Jun-12 0,005116262 0,055459377 0,002079928 0,055459377 0,003014725 0,055459377
Jul-12 0,005208232 0,055863208 0,002130687 0,055863208 0,00308207 0,055863208
Agu-12 0,00523135 0,056063054 0,00197588 0,056063054 0,003129541 0,056063054
Sep-12 0,005322899 0,05655239 0,001995192 0,05655239 0,003192332 0,05655239
Okt-12 0,005405157 0,056764583 0,002028997 0,056764583 0,003071106 0,056764583
Nov-12 0,005516996 0,057248439 0,002046564 0,057248439 0,003116443 0,057248439
Des-12 0,005631488 0,057217812 0,002191791 0,057217812 0,002248822 0,057217812
Jan-13 0,005746457 0,057810757 0,002236561 0,057810757 0,002294738 0,057810757
Feb-13 0,005864679 0,058414943 0,002288167 0,058414943 0,002336288 0,058414943
Mar-13 0,005761133 0,058427672 0,002322866 0,058427672 0,00217187 0,058427672
Apr-13 0,005885906 0,059032107 0,002352623 0,059032107 0,002234178 0,059032107
Mei-13 0,006035455 0,05957293 0,002325869 0,05957293 0,002218847 0,05957293
Jun-13 0,006164924 0,060206081 0,002342193 0,060206081 0,00228373 0,060206081
Jul-13 0,006292647 0,060706252 0,002423069 0,060706252 0,002327395 0,060706252
Agu-13 0,006229167 0,060598347 0,002258753 0,060598347 0,002363282 0,060598347
Sep-13 0,006344392 0,060558018 0,002232167 0,060558018 0,00232609 0,060558018
Okt-13 0,006538187 0,061217571 0,002237863 0,061217571 0,002306225 0,061217571
Nov-13 0,006787116 0,061689631 0,002132393 0,061689631 0,00227255 0,061689631
Des-13 0,006918518 0,061426733 0,002008523 0,061426733 0,002200585 0,061426733
Jan-14 0,007101398 0,062269487 0,002070373 0,062269487 0,00226184 0,062269487
Feb-14 0,00728415 0,063086964 0,002069392 0,063086964 0,002269838 0,063086964
Mar-14 0,007489955 0,063839442 0,002122731 0,063839442 0,002314812 0,063839442
Apr-14 0,007712563 0,064778883 0,002172114 0,064778883 0,002381671 0,064778883
Mei-14 0,007944902 0,065783119 0,002236621 0,065783119 0,002455026 0,065783119
Jun-14 0,008197236 0,06683472 0,00230413 0,06683472 0,00253223 0,06683472
Jul-14 0,008438 0,06788373 0,002379381 0,06788373 0,00265015 0,06788373
Agu-14 0,008683743 0,06859872 0,002297612 0,06859872 0,002681324 0,06859872
Sep-14 0,008962205 0,069786308 0,002370394 0,069786308 0,00275898 0,069786308
Okt-14 0,009273618 0,070992675 0,002392602 0,070992675 0,002870893 0,070992675
Nov-14 0,009534735 0,071965196 0,002651415 0,071965196 0,002979206 0,071965196
Des-14 0,009912852 0,073382271 0,002745187 0,073382271 0,003088455 0,073382271
Jan-15 0,010307476 0,074894782 0,00285659 0,074894782 0,003214886 0,074894782
Feb-15 0,010704545 0,076480002 0,003002767 0,076480002 0,0033406 0,076480002
Mar-15 0,011192041 0,07817491 0,003110892 0,07817491 0,003497955 0,07817491
Apr-15 0,011694946 0,080009529 0,003237746 0,080009529 0,003663469 0,080009529
Mei-15 0,011591478 0,078738742 0,003226074 0,078738742 0,003663175 0,078738742

153
 Jun-15 0,012108603 0,0804213 0,003260959 0,0804213 0,003802204 0,0804213
Jul-15 0,012157026 0,080629662 0,003196506 0,080629662 0,003639792 0,080629662
Agu-15 0,012525163 0,082283334 0,003292279 0,082283334 0,003940102 0,082283334
Sep-15 0,012041071 0,081577533 0,003408292 0,081577533 0,003879567 0,081577533
Okt-15 0,012813073 0,080119202 0,002603908 0,080119202 0,002999006 0,080119202
Nov-15 0,013762507 0,08273916 0,002647001 0,08273916 0,003161535 0,08273916
Des-15 0,014115198 0,084974608 0,002968975 0,084974608 0,003128164 0,084974608
Jan-16 0,015212743 0,088429931 0,003109676 0,088429931 0,003381781 0,088429931
Feb-16 0,016668103 0,092164196 0,003198699 0,092164196 0,003647872 0,092164196
Mar-16 0,018122127 0,096593803 0,003458747 0,096593803 0,004031401 0,096593803
Apr-16 0,019829692 0,101611968 0,00380284 0,101611968 0,004610049 0,101611968
Mei-16 0,02160596 0,106918159 0,004288489 0,106918159 0,004828704 0,106918159
Jun-16 0,023496744 0,112665078 0,003876429 0,112665078 0,005539291 0,112665078
Jul-16 0,027075553 0,121286911 0,004387282 0,121286911 0,006153498 0,121286911
Agu-16 0,03157283 0,132858156 0,005113107 0,132858156 0,007142234 0,132858156
Sep-16 0,037288451 0,148287093 0,006280926 0,148287093 0,008834377 0,148287093
Okt-16 0,045842083 0,167300887 0,007665832 0,167300887 0,010463345 0,167300887
Nov-16 0,056395596 0,198816632 0,00900104 0,198816632 0,014440773 0,198816632
Des-16 0,04661277 0,20336391 0,00906659 0,20336391 0,00640629 0,20336391

LPKR LSIP PGAS

Bulan/tahun
Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var Rm)
Jan-12 0,001762464 0,039714994 0,001092725 0,039714994 0,001654188 0,039714994
Feb-12 0,004094133 0,055188105 0,00277322 0,055188105 0,002561227 0,055188105
Mar-12 0,004164449 0,055661291 0,002822847 0,055661291 0,002608009 0,055661291
Apr-12 0,004189016 0,056076512 0,002843486 0,056076512 0,00264941 0,056076512
Mei-12 0,004273114 0,056479143 0,002897509 0,056479143 0,002642748 0,056479143
Jun-12 0,00424259 0,055459377 0,002621009 0,055459377 0,002863228 0,055459377
Jul-12 0,004320255 0,055863208 0,002620315 0,055863208 0,002939194 0,055863208
Agu-12 0,004319153 0,056063054 0,002653386 0,056063054 0,002933454 0,056063054
Sep-12 0,004389694 0,05655239 0,002660252 0,05655239 0,00297936 0,05655239
Okt-12 0,00436615 0,056764583 0,002703328 0,056764583 0,002941063 0,056764583
Nov-12 0,004481981 0,057248439 0,002782879 0,057248439 0,002945249 0,057248439
Des-12 0,00473633 0,057217812 0,002591595 0,057217812 0,00297292 0,057217812
Jan-13 0,004833123 0,057810757 0,00264415 0,057810757 0,003033612 0,057810757
Feb-13 0,004931149 0,058414943 0,002703994 0,058414943 0,003090764 0,058414943
Mar-13 0,004927752 0,058427672 0,002848997 0,058427672 0,003122397 0,058427672
Apr-13 0,004968461 0,059032107 0,002938551 0,059032107 0,003111938 0,059032107
Mei-13 0,005089449 0,05957293 0,003136446 0,05957293 0,003148148 0,05957293
Jun-13 0,005345082 0,060206081 0,003301797 0,060206081 0,003175955 0,060206081
Jul-13 0,005337794 0,060706252 0,003285059 0,060706252 0,003289164 0,060706252
Agu-13 0,005217885 0,060598347 0,002787043 0,060598347 0,003418457 0,060598347
Sep-13 0,005183573 0,060558018 0,003319149 0,060558018 0,003382921 0,060558018

154
Okt-13 0,005278967 0,061217571 0,003303548 0,061217571 0,003448969 0,061217571
Nov-13 0,00538472 0,061689631 0,003148674 0,061689631 0,003552334 0,061689631
Des-13 0,005146202 0,061426733 0,003478768 0,061426733 0,003561311 0,061426733
Jan-14 0,005283774 0,062269487 0,003576929 0,062269487 0,00364837 0,062269487
Feb-14 0,00541545 0,063086964 0,003751705 0,063086964 0,003717585 0,063086964
Mar-14 0,005587585 0,063839442 0,003677012 0,063839442 0,003800148 0,063839442
Apr-14 0,005712159 0,064778883 0,003769662 0,064778883 0,003898018 0,064778883
Mei-14 0,005884722 0,065783119 0,003886269 0,065783119 0,004017211 0,065783119
Jun-14 0,006071296 0,06683472 0,00401189 0,06683472 0,004141117 0,06683472
Jul-14 0,006226326 0,06788373 0,004137599 0,06788373 0,004291949 0,06788373
Agu-14 0,006243801 0,06859872 0,004422473 0,06859872 0,004339656 0,06859872
Sep-14 0,006446346 0,069786308 0,004530995 0,069786308 0,004487066 0,069786308
Okt-14 0,006596188 0,070992675 0,004691828 0,070992675 0,004674882 0,070992675
Nov-14 0,007017112 0,071965196 0,004874189 0,071965196 0,004853365 0,071965196
Des-14 0,007270073 0,073382271 0,005060983 0,073382271 0,005037426 0,073382271
Jan-15 0,007552485 0,074894782 0,005259248 0,074894782 0,00524027 0,074894782
Feb-15 0,00782647 0,076480002 0,005497125 0,076480002 0,005517063 0,076480002
Mar-15 0,008153873 0,07817491 0,005736198 0,07817491 0,005741949 0,07817491
Apr-15 0,008550873 0,080009529 0,005977481 0,080009529 0,005989972 0,080009529
Mei-15 0,008349562 0,078738742 0,005252377 0,078738742 0,005579125 0,078738742
Jun-15 0,008611296 0,0804213 0,005289084 0,0804213 0,005777891 0,0804213
Jul-15 0,008677619 0,080629662 0,005171994 0,080629662 0,006108413 0,080629662
Agu-15 0,009091172 0,082283334 0,005051091 0,082283334 0,006270203 0,082283334
Sep-15 0,008974487 0,081577533 0,003962086 0,081577533 0,004914146 0,081577533
Okt-15 0,010072385 0,080119202 0,005668237 0,080119202 0,004506692 0,080119202
Nov-15 0,010680331 0,08273916 0,005937165 0,08273916 0,004576113 0,08273916
Des-15 0,011683999 0,084974608 0,005491428 0,084974608 0,004472096 0,084974608
Jan-16 0,012669323 0,088429931 0,005895307 0,088429931 0,00481244 0,088429931
Feb-16 0,013730341 0,092164196 0,006429462 0,092164196 0,0049547 0,092164196
Mar-16 0,015027211 0,096593803 0,007067917 0,096593803 0,005341378 0,096593803
Apr-16 0,016528763 0,101611968 0,008214433 0,101611968 0,005794506 0,101611968
Mei-16 0,018145798 0,106918159 0,008262702 0,106918159 0,006284789 0,106918159
Jun-16 0,019841936 0,112665078 0,008535436 0,112665078 0,006440184 0,112665078
Jul-16 0,022071913 0,121286911 0,010198166 0,121286911 0,007761179 0,121286911
Agu-16 0,025760572 0,132858156 0,011930379 0,132858156 0,008897424 0,132858156
Sep-16 0,030733262 0,148287093 0,014464182 0,148287093 0,010325653 0,148287093
Okt-16 0,03619409 0,167300887 0,015296823 0,167300887 0,01151907 0,167300887
Nov-16 0,044392871 0,198816632 0,017389764 0,198816632 0,01113404 0,198816632
Des-16 0,03569116 0,20336391 0,02864496 0,20336391 0,00890122 0,20336391

155
 SMGR TLKM UNTR
Bulan/tahun
Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var (Rm) Cov(Ri,Rm) Var Rm)
Jan-12 0,001960722 0,039714994 0,001534626 0,039714994 0,001210946 0,039714994
Feb-12 0,001670631 0,055188105 0,003480299 0,055188105 0,001090021 0,055188105
Mar-12 0,001698865 0,055661291 0,00353978 0,055661291 0,001109283 0,055661291
Apr-12 0,001694567 0,056076512 0,003608431 0,056076512 0,001076527 0,056076512
Mei-12 0,001722185 0,056479143 0,003759126 0,056479143 0,001052519 0,056479143
Jun-12 0,001585471 0,055459377 0,003663726 0,055459377 0,000691383 0,055459377
Jul-12 0,001598621 0,055863208 0,003714957 0,055863208 0,000739824 0,055863208
Agu-12 0,001506403 0,056063054 0,003697237 0,056063054 0,000768977 0,056063054
Sep-12 0,001522902 0,05655239 0,003770987 0,05655239 0,000768275 0,05655239
Okt-12 0,00140605 0,056764583 0,003837543 0,056764583 0,000758261 0,056764583
Nov-12 0,001417171 0,057248439 0,00390313 0,057248439 0,000766218 0,057248439
Des-12 0,001447324 0,057217812 0,003879758 0,057217812 0,000550601 0,057217812
Jan-13 0,001476738 0,057810757 0,003958965 0,057810757 0,000561582 0,057810757
Feb-13 0,001505756 0,058414943 0,004031505 0,058414943 0,000572745 0,058414943
Mar-13 0,001399116 0,058427672 0,003994085 0,058427672 0,000617844 0,058427672
Apr-13 0,001418962 0,059032107 0,004075616 0,059032107 0,000651186 0,059032107
Mei-13 0,001420128 0,05957293 0,004133255 0,05957293 0,000683158 0,05957293
Jun-13 0,001449471 0,060206081 0,004203408 0,060206081 0,00066439 0,060206081
Jul-13 0,001455294 0,060706252 0,004309936 0,060706252 0,000763801 0,060706252
Agu-13 0,001336651 0,060598347 0,004492839 0,060598347 0,000652662 0,060598347
Sep-13 0,001123219 0,060558018 0,004478236 0,060558018 0,00056544 0,060558018
Okt-13 0,001173914 0,061217571 0,004112313 0,061217571 0,000592617 0,061217571
Nov-13 0,001090084 0,061689631 0,004124604 0,061689631 0,000541681 0,061689631
Des-13 0,000935405 0,061426733 0,004044892 0,061426733 0,000623441 0,061426733
Jan-14 0,000974755 0,062269487 0,004149331 0,062269487 0,000644614 0,062269487
Feb-14 0,000994736 0,063086964 0,004250626 0,063086964 0,000657437 0,063086964
Mar-14 0,000969834 0,063839442 0,004376949 0,063839442 0,000693258 0,063839442
Apr-14 0,000979611 0,064778883 0,004526885 0,064778883 0,000689011 0,064778883
Mei-14 0,001008218 0,065783119 0,004663869 0,065783119 0,000710929 0,065783119
Jun-14 0,001039347 0,06683472 0,00480278 0,06683472 0,000733329 0,06683472
Jul-14 0,001091764 0,06788373 0,004923 0,06788373 0,000788583 0,06788373
Agu-14 0,000963598 0,06859872 0,005022395 0,06859872 0,000826848 0,06859872
Sep-14 0,000996255 0,069786308 0,00518749 0,069786308 0,000843634 0,069786308
Okt-14 0,001013528 0,070992675 0,005412444 0,070992675 0,000810786 0,070992675
Nov-14 0,001118817 0,071965196 0,00549419 0,071965196 0,000724968 0,071965196
Des-14 0,001155849 0,073382271 0,005706053 0,073382271 0,000755092 0,073382271
Jan-15 0,001204242 0,074894782 0,005933286 0,074894782 0,000781367 0,074894782
Feb-15 0,001285793 0,076480002 0,006197779 0,076480002 0,00080542 0,076480002
Mar-15 0,001325595 0,07817491 0,006465343 0,07817491 0,00078018 0,07817491
Apr-15 0,001374116 0,080009529 0,00675014 0,080009529 0,0008247 0,080009529
Mei-15 0,001111334 0,078738742 0,006426641 0,078738742 0,000767354 0,078738742

156
 Jun-15 0,001011206 0,0804213 0,006666823 0,0804213 0,000896991 0,0804213
Jul-15 0,000700142 0,080629662 0,00698372 0,080629662 0,000940066 0,080629662
Agu-15 0,000380682 0,082283334 0,007283758 0,082283334 0,000958886 0,082283334
Sep-15 -3,02012E-05 0,081577533 0,007350812 0,081577533 0,000685424 0,081577533
Okt-15 -0,000155854 0,080119202 0,007012285 0,080119202 0,000108785 0,080119202
Nov-15 -0,000288733 0,08273916 0,007536097 0,08273916 8,56627E-05 0,08273916
Des-15 -9,93265E-06 0,084974608 0,008201645 0,084974608 -0,00027891 0,084974608
Jan-16 -4,88928E-05 0,088429931 0,008829036 0,088429931 -0,000308466 0,088429931
Feb-16 -7,12851E-05 0,092164196 0,009607442 0,092164196 -0,000323154 0,092164196
Mar-16 -1,96007E-05 0,096593803 0,010564087 0,096593803 -0,000212986 0,096593803
Apr-16 -6,9583E-06 0,101611968 0,011553291 0,101611968 -0,000327596 0,101611968
Mei-16 -6,0908E-05 0,106918159 0,012874658 0,106918159 -0,000612977 0,106918159
Jun-16 -0,000589173 0,112665078 0,014375265 0,112665078 -0,001333243 0,112665078
Jul-16 -0,000833432 0,121286911 0,016372077 0,121286911 -0,00148083 0,121286911
Agu-16 -0,000978407 0,132858156 0,019098629 0,132858156 -0,001731671 0,132858156
Sep-16 -0,00091381 0,148287093 0,022682434 0,148287093 -0,001560041 0,148287093
Okt-16 -0,00032189 0,167300887 0,02753973 0,167300887 -0,003410765 0,167300887
Nov-16 -7,57778E-05 0,198816632 0,033959813 0,198816632 0,000155889 0,198816632
Des-16 -0,00685926 0,20336391 0,0248055 0,20336391 -0,00193411 0,20336391

UNVR
Bulan/tahun
Cov(Ri,Rm) Var (Rm)
Jan-12 0,000645765 0,039714994
Feb-12 0,00552613 0,055188105
Mar-12 0,005618167 0,055661291
Apr-12 0,00571315 0,056076512
Mei-12 0,005795363 0,056479143
Jun-12 0,005900153 0,055459377
Jul-12 0,00597013 0,055863208
Agu-12 0,006059388 0,056063054
Sep-12 0,006200648 0,05655239
Okt-12 0,006379992 0,056764583
Nov-12 0,006518886 0,057248439
Des-12 0,006623775 0,057217812
Jan-13 0,006759364 0,057810757
Feb-13 0,00689991 0,058414943
Mar-13 0,007048885 0,058427672
Apr-13 0,007215219 0,059032107
Mei-13 0,007310592 0,05957293
Jun-13 0,007525661 0,060206081
Jul-13 0,007680989 0,060706252
Agu-13 0,007863713 0,060598347
Sep-13 0,007973987 0,060558018

157
Okt-13 0,008132831 0,061217571
Nov-13 0,008384436 0,061689631
Des-13 0,008319183 0,061426733
Jan-14 0,008535995 0,062269487
Feb-14 0,00874715 0,063086964
Mar-14 0,009029738 0,063839442
Apr-14 0,009300961 0,064778883
Mei-14 0,009581733 0,065783119
Jun-14 0,009884384 0,06683472
Jul-14 0,010182464 0,06788373
Agu-14 0,010519303 0,06859872
Sep-14 0,01075146 0,069786308
Okt-14 0,011412258 0,070992675
Nov-14 0,011708215 0,071965196
Des-14 0,012159 0,073382271
Jan-15 0,012643268 0,074894782
Feb-15 0,013146088 0,076480002
Mar-15 0,013734717 0,07817491
Apr-15 0,014369038 0,080009529
Mei-15 0,015191358 0,078738742
Jun-15 0,016000376 0,0804213
Jul-15 0,016285964 0,080629662
Agu-15 0,017087716 0,082283334
Sep-15 0,017738437 0,081577533
Okt-15 0,018175389 0,080119202
Nov-15 0,019521705 0,08273916
Des-15 0,020655736 0,084974608
Jan-16 0,022276186 0,088429931
Feb-16 0,023973035 0,092164196
Mar-16 0,026018926 0,096593803
Apr-16 0,028383803 0,101611968
Mei-16 0,031087872 0,106918159
Jun-16 0,034361223 0,112665078
Jul-16 0,039524212 0,121286911
Agu-16 0,046169414 0,132858156
Sep-16 0,054903933 0,148287093
Okt-16 0,065183578 0,167300887
Nov-16 0,080931138 0,198816632
Des-16 0,07589764 0,20336391

158
PENENTUAN EXPONENTIAL SMOOTHING

1. Inflasi

Time Series Modeler

Model Description
Model Type
Model ID INFLASI Model_1 Simple

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary Statistic Number of
Model Predictors R-squared MAPE MAE s DF Sig. Outliers
INFLASI- 0 ,000 9,195 ,005 28,165 17 ,043 0
Model_1

Time Series Modeler

Model Description
Model Type
Model ID INFLASI Model_1 Holt

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary Statistic Number of
Model Predictors R-squared MAPE MAE s DF Sig. Outliers
INFLASI- 0 ,417 9,200 ,005 28,187 16 ,030 0
Model_1

159
Time Series Modeler

Model Description
Model Type
Model ID INFLASI Model_1 Brown

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary Statistic Number of
Model Predictors R-squared MAPE MAE s DF Sig. Outliers
INFLASI- 0 ,248 11,526 ,006 48,387 17 ,000 0
Model_1

Time Series Modeler

Model Description
Model Type
Model ID INFLASI Model_1 Damped Trend

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary Statistic Number of
Model Predictors R-squared MAPE MAE s DF Sig. Outliers
INFLASI- 0 ,017 9,022 ,005 24,031 15 ,065 0
Model_1

2. Suku Bunga SBI

Time Series Modeler

Model Description
Model Type
Model ID SBI Model_1 Simple

160
Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Statistic Number of
Model Predictors squared MAPE MAE s DF Sig. Outliers
SBI- 0 -,004 2,126 ,001 7,179 17 ,981 0
Model_1

Time Series Modeler

Model Description
Model Type
Model ID SBI Model_1 Holt

Model Summary

Model Statistics

Model Fit statistics Ljung-Box Q(18)

Number of Stationary R- Number of
Model Predictors squared MAPE MAE Statistics DF Sig. Outliers
SBI- 0 ,555 2,293 ,001 6,928 16 ,975 0
Model_1

Time Series Modeler

Model Description
Model Type
Model ID SBI Model_1 Brown

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Number of
Model Predictors squared MAPE MAE Statistics DF Sig. Outliers
SBI- 0 ,450 3,121 ,002 7,033 17 ,983 0
Model_1

161
Time Series Modeler

Model Description
Model Type
Model ID SBI Model_1 Damped Trend

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Number of
Model Predictors squared MAPE MAE Statistics DF Sig. Outliers
SBI- 0 ,142 2,517 ,001 6,410 15 ,972 0
Model_1

3. Kurs (Rp/USD)

Time Series Modeler

Model Description
Model Type
Model ID KURS Model_1 Simple

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Number of
Model Predictors squared MAPE MAE Statistics DF Sig. Outliers
KURS- 0 -,055 1,865 ,228 15,906 17 ,530 0
Model_1

162
Time Series Modeler

Model Description
Model Type
Model ID KURS Model_1 Holt

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Number of
Model Predictors squared MAPE MAE Statistics DF Sig. Outliers
KURS- 0 ,553 1,776 ,216 15,563 16 ,484 0
Model_1

Time Series Modeler

Model Description
Model Type
Model ID KURS Model_1 Brown

Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Number of
Model Predictors squared MAPE MAE Statistics DF Sig. Outliers
KURS- 0 ,488 1,814 ,219 17,482 17 ,422 0
Model_1

Time Series Modeler

Model Description
Model Type
Model ID KURS Model_1 Damped Trend

163
Model Summary

Model Statistics
Model Fit statistics Ljung-Box Q(18)
Number of Stationary R- Number of
Model Predictors squared MAPE MAE Statistics DF Sig. Outliers
KURS- 0 ,015 1,754 ,214 15,671 15 ,404 0
Model_1

164
SURPRISE FACTOR

1. Inflasi

Inflasi yang
Bulan/Tahun Inflasi Aktual Surprise Inflasi
Diharapkan
Jan-12 0.0365 0.0347 0.0018
Feb-12 0.0356 0.0385 -0.0029
Mar-12 0.0397 0.0374 0.0023
Apr-12 0.0450 0.0414 0.0036
Mei-12 0.0445 0.0477 -0.0032
Jun-12 0.0453 0.0473 -0.0020
Jul-12 0.0456 0.0472 -0.0016
Agu-12 0.0458 0.0469 -0.0011
Sep-12 0.0431 0.0466 -0.0035
Okt-12 0.0461 0.0432 0.0029
Nov-12 0.0432 0.0460 -0.0028
Des-12 0.0430 0.0432 -0.0002
Jan-13 0.0457 0.0425 0.0032
Feb-13 0.0531 0.0456 0.0075
Mar-13 0.0590 0.0548 0.0042
Apr-13 0.0557 0.0627 -0.0070
Mei-13 0.0547 0.0590 -0.0043
Jun-13 0.0590 0.0561 0.0029
Jul-13 0.0561 0.0601 -0.0040
Agu-13 0.0879 0.0571 0.0308
Sep-13 0.0840 0.0931 -0.0091
Okt-13 0.0832 0.0932 -0.0100
Nov-13 0.0837 0.0892 -0.0055
Des-13 0.0838 0.0870 -0.0032
Jan-14 0.0822 0.0857 -0.0035
Feb-14 0.0775 0.0829 -0.0054
Mar-14 0.0732 0.0768 -0.0036
Apr-14 0.0725 0.0709 0.0016
Mei-14 0.0732 0.0699 0.0033
Jun-14 0.0670 0.0714 -0.0044
Jul-14 0.0453 0.0651 -0.0198
Agu-14 0.0399 0.0394 0.0005
Sep-14 0.0453 0.0306 0.0147
Okt-14 0.0483 0.0385 0.0099
165
Nov-14 0.0623 0.0456 0.0167
Des-14 0.0826 0.0640 0.0186
Jan-15 0.0696 0.0902 -0.0206
Feb-15 0.0629 0.0772 -0.0143
Mar-15 0.0638 0.0646 -0.0008
Apr-15 0.0679 0.0628 0.0051
Mei-15 0.0715 0.0676 0.0039
Jun-15 0.0726 0.0727 -0.0001
Jul-15 0.0726 0.0745 -0.0019
Agu-15 0.0718 0.0742 -0.0024
Sep-15 0.0683 0.0727 -0.0044
Okt-15 0.0625 0.0680 -0.0055
Nov-15 0.0489 0.0606 -0.0117
Des-15 0.0335 0.0441 -0.0106
Jan-16 0.0414 0.0250 0.0164
Feb-16 0.0442 0.0336 0.0106
Mar-16 0.0445 0.0410 0.0035
Apr-16 0.0360 0.0437 -0.0077
Mei-16 0.0333 0.0346 -0.0013
Jun-16 0.0345 0.0303 0.0042
Jul-16 0.0321 0.0320 0.0001
Agu-16 0.0279 0.0303 -0.0024
Sep-16 0.0307 0.0258 0.0049
Okt-16 0.0331 0.0289 0.0042
Nov-16 0.0358 0.0329 0.0029
Des-16 0.0302 0.0368 -0.0066

166
2. SBI

SBI yang
Bulan/Tahun SBI Aktual Surprise SBI
Diharapkan
Jan-12 0.0500 0.0370 0.0130
Feb-12 0.0384 0.0489 -0.0105
Mar-12 0.0383 0.0438 -0.0055
Apr-12 0.0400 0.0410 -0.0010
Mei-12 0.0430 0.0410 0.0020
Jun-12 0.0445 0.0433 0.0012
Jul-12 0.0450 0.0452 -0.0002
Agu-12 0.0465 0.0462 0.0003
Sep-12 0.0475 0.0476 -0.0001
Okt-12 0.0480 0.0487 -0.0007
Nov-12 0.0480 0.0493 -0.0013
Des-12 0.0485 0.0493 -0.0008
Jan-13 0.0487 0.0495 -0.0008
Feb-13 0.0487 0.0495 -0.0008
Mar-13 0.0488 0.0494 -0.0006
Apr-13 0.0500 0.0493 0.0007
Mei-13 0.0510 0.0502 0.0008
Jun-13 0.0535 0.0513 0.0022
Jul-13 0.0585 0.0537 0.0048
Agu-13 0.0586 0.0586 0.0000
Sep-13 0.0695 0.0603 0.0092
Okt-13 0.0697 0.0696 0.0001
Nov-13 0.0724 0.0730 -0.0006
Des-13 0.0724 0.0758 -0.0034
Jan-14 0.0723 0.0762 -0.0039
Feb-14 0.0721 0.0756 -0.0035
Mar-14 0.0718 0.0747 -0.0029
Apr-14 0.0713 0.0737 -0.0024
Mei-14 0.0718 0.0726 -0.0008
Jun-14 0.0714 0.0724 -0.0010
Jul-14 0.0715 0.0719 -0.0004
Agu-14 0.0704 0.0718 -0.0014
Sep-14 0.0695 0.0707 -0.0012
Okt-14 0.0693 0.0696 -0.0003
Nov-14 0.0693 0.0690 0.0003
Des-14 0.0697 0.0689 0.0008
Jan-15 0.0696 0.0692 0.0004
167
 Feb-15 0.0669 0.0693 -0.0024
Mar-15 0.0668 0.0672 -0.0004
Apr-15 0.0668 0.0663 0.0005
Mei-15 0.0668 0.0661 0.0007
Jun-15 0.0668 0.0661 0.0007
Jul-15 0.0668 0.0663 0.0005
Agu-15 0.0675 0.0664 0.0011
Sep-15 0.0710 0.0671 0.0039
Okt-15 0.0710 0.0703 0.0007
Nov-15 0.0710 0.0715 -0.0005
Des-15 0.0710 0.0718 -0.0008
Jan-16 0.0665 0.0718 -0.0053
Feb-16 0.0665 0.0680 -0.0015
Mar-16 0.0660 0.0664 -0.0004
Apr-16 0.0660 0.0655 0.0005
Mei-16 0.0660 0.0652 0.0008
Jun-16 0.0640 0.0653 -0.0013
Jul-16 0.0640 0.0638 0.0002
Agu-16 0.0640 0.0633 0.0007
Sep-16 0.0615 0.0632 -0.0017
Okt-16 0.0590 0.0613 -0.0023
Nov-16 0.0590 0.0586 0.0004
Des-16 0.0590 0.0577 0.0013

3. Kurs

Kurs yang
Bulan/Tahun Kurs Aktual Suprise Kurs
Diharapkan
Jan-12 9.020 10.339 -1.319
Feb-12 9.085 9.086 -0.001
Mar-12 9.180 9.085 0.095
Apr-12 9.190 9.175 0.015
Mei-12 9.565 9.189 0.376
Jun-12 9.480 9.546 -0.066
Jul-12 9.485 9.483 0.002
Agu-12 9.560 9.485 0.075
Sep-12 9.588 9.556 0.032
Okt-12 9.615 9.586 0.029
Nov-12 9.605 9.614 -0.009
Des-12 9.670 9.605 0.065
Jan-13 9.698 9.667 0.031
168
Feb-13 9.667 9.696 -0.029
Mar-13 9.719 9.668 0.051
Apr-13 9.722 9.716 0.006
Mei-13 9.802 9.722 0.080
Jun-13 9.929 9.798 0.131
Jul-13 10.278 9.922 0.356
Agu-13 10.924 10.260 0.664
Sep-13 11.613 10.890 0.723
Okt-13 11.234 11.577 -0.343
Nov-13 11.977 11.251 0.726
Des-13 12.189 11.941 0.248
Jan-14 12.226 12.177 0.049
Feb-14 11.634 12.224 -0.590
Mar-14 11.404 11.663 -0.259
Apr-14 11.532 11.417 0.115
Mei-14 11.611 11.526 0.085
Jun-14 11.969 11.607 0.362
Jul-14 11.591 11.951 -0.360
Agu-14 11.717 11.609 0.108
Sep-14 12.212 11.712 0.500
Okt-14 12.082 12.187 -0.105
Nov-14 12.196 12.087 0.109
Des-14 12.440 12.190 0.250
Jan-15 12.625 12.428 0.197
Feb-15 12.863 12.615 0.248
Mar-15 13.084 12.851 0.233
Apr-15 12.937 13.072 -0.135
Mei-15 13.211 12.944 0.267
Jun-15 13.332 13.198 0.134
Jul-15 13.481 13.325 0.156
Agu-15 14.027 13.473 0.554
Sep-15 14.657 13.999 0.658
Okt-15 13.639 14.624 -0.985
Nov-15 13.840 13.688 0.152
Des-15 13.795 13.832 -0.037
Jan-16 13.846 13.797 0.049
Feb-16 13.395 13.843 -0.448
Mar-16 13.276 13.417 -0.141
Apr-16 13.204 13.283 -0.079
Mei-16 13.615 13.208 0.407
Jun-16 13.189 13.595 -0.406
169
 Jul-16 13.094 13.209 -0.115
Agu-16 13.300 13.100 0.200
Sep-16 12.998 13.290 -0.292
Okt-16 13.051 13.013 0.038
Nov-16 13.563 13.049 0.514
Des-16 13.436 13.537 -0.101

170