i
PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE
INDEX MODEL DAN MENGANALISIS PENGARUH FAMA-
FRENCH THREE FACTOR MODEL TERHADAP RETURN
SAHAM
(Studi pada Indeks SRI-KEHATI Periode 2013-2017)
Skripsi
Diajukan untuk Memenuhi Persyaratan Memperoleh
Gelar Sarjana Ekonomi (S.E)
Oleh
Intan Rachmasari Rahardja
NIM 11140810000074
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA 1439 H / 2018 M
ii
PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE
INDEX MODEL DAN MENGANALISIS PENGARUH FAMA-
FRENCH THREE FACTOR MODEL TERHADAP RETURN
SAHAM
(Studi pada Indeks SRI-KEHATI Periode 2013-2017)
Skripsi
Diajukan untuk Memenuhi Persyaratan Memperoleh
Gelar Sarjana Ekonomi (S.E)
Oleh
Intan Rachmasari Rahardja
NIM 11140810000074
Pembimbing
JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA 1439 H / 2018 M
iii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari ini, Senin, 9 April 2018 telah dilakukan Ujian Komprehensif atas
mahasiswa:
1. Nama : Intan Rachmasari Rahardja
2. NIM : 11140810000074
3. Jurusan : Manajemen (Keuangan)
4. Judul Skripsi : Pembentukan Portofolio Optimal dengan Single Index
Model dan Analisis Pengaruh Fama-French Three Factor
Model terhadap Return Saham (Studi Kasus pada Indeks
SRI-KEHATI Tahun 2013-2017)
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa mahasiswa
tersebut di atas dinyatakan LULUS dan diberi kesempatan untuk melanjutkan ke
tahap Ujian Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana
Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif
Hidayatullah Jakarta.
Jakarta, 09 April 2018
1. Titi Dewi Warninda, SE., M.Si
NIP. 197312212005012002
2. Umiyati, SE.I., M.Si
NUPN. 9920100301
iv
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Rabu 6 Juni 2018 telah dilakukan Ujian Skripsi atas mahasiswa:
1. Nama : Intan Rachmasari Rahardja
2. NIM : 11140810000074
3. Jurusan : Manajemen Keuangan
4. Judul Skripsi : Pembentukan Portofolio Optimal dengan Single Index Model dan
Menganalisis Pengaruh Fama-French Three Factor Model
terhadap Return saham. (Studi pada Indeks SRI-KEHATI tahun
2013-3017)
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama ujian Skripsi, maka diputuskan bahwa mahasiswa tersebut di
atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu syartat untuk
memperoleh gelar Sarjana ekonomi pada Fakultas Ekonomi dan Bisnis Universitas
Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 6 Juni 2018
1. Titi Dewi Warninda, SE., M.Si
NIP. 197312212005012002
Ketua
2. Dr. Pudji Astuti, SE., MM
NIDN. 0311065804
3. Dr. Indoyama Nasaruddin, SE., MAB
NIP. 19741127 200112 1 002
4. Dr. Pudji Astuti, SE., MM
NIDN. 0311065804
v
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertanda tangan di bawah ini
Nama : Intan Rachmasari Rahardja
NIM : 11140810000074
Jurusan : Manajemen Keuangan
Fakultas : Ekonomi dan Bisnis
Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:
1. Tidak menggunakan ide orang lain tanpa mampu mengembangkan dan
mempertanggungjawabkan.
2. Tidak melakukan plagiasi terhadap naskah karya orang lain.
3. Tidak menggunakan karya orang lain tanpa menyebutkan sumber asli
atau tanpa izin pemilik karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu bertanggung jawab atas karya
ini.
Jikalau di kemudian hari ada tuntutan dari pihak lain atas karya saya, dan telah
melalui pembuktian yang dapat dipertanggung jawabkan, ternyata memang
ditemukan bukti bahwa saya telah melanggar pernyataan ini, maka saya siap dikenai
sanksi berdasarkan aturan yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarif
Hidayatullah Jakarta.
Demikian pernyataan ini saya buat dengan sesungguhnya.
Jakarta, 23 Mei 2018
Yang Menyatakan
Intan Rachmasari
vi
DAFTAR RIWAYAT HIDUP
I. Identitas Diri
1. Nama : Intan Rachmasari Rahardja
2. Tempat, tanggal lahir : Jakarta, 18 Oktober 1996
3. Alamat : Jalan Jati Kavling 1112 Bukit Nusa Indah
RT05/RW16 Kel. Sarua, Kec. Ciputat, Kota
Tangerang Selatan
4. Telepon : 021-7412247
5. Email : [email protected]
II. Pendidikan
1. Uin Syarif Hidayatullah Jakarta : 2014-2018
2. Madrasah Aliyah Pembangunan : 2012-2014
3. Madrasah Tsanawiyah Pembangunan : 2010-2012
4. SD Taruna Bangsa : 2005-2010
III. Pengalaman Organisasi
1. Anggota OSIS Madrasah Aliyah Pembangunan UIN JKT periode 2012-
2013
2. Panitia Pelaksana Pentas Seni (Pensi) di Madrasah Aliyah Pembangunan
tahun 2013
3. Anggota remaja Karang Taruna Komplek Bukit Nusa Indah RW16
vii
CONSTRUCTING OPTIMAL PORTOFOLIO USING SINGLE INDEX
MODEL AND ANALYZING THE INFLUENCE OF FAMA-FRENCH THREE
FACTOR MODEL TO STOCK RETURN
(Study in SRI-KEHATI Index period 2013-2017)
ABSTRACT
This study aims to analyze the optimal portfolio formation with Single Index
Model and perform the measurement of portfolio performance with Sharpe Index,
Jensen Index, and Treynor Index. And analyze the influence of Fama-French Three
Factor Model that consist of Risk Premium (Beta), Size, and Book to Equity Market
to Stock Return. The object of study includes stocks listed on the SRI-KEHATI Index
of 2013-2017 in a row.
The research results show that from 18 companies listed in SRI-KEHATI
Index in 2013-207, there are only 9 companies that eligible to be a candidate of
optimal portfolio, they are; UNVR (PT Unilever Indonesia, Tbk), BDMN (PT Bank
Danamon, Tbk), BBNI (PT Bank Negara Indonesia Tbk), UNTR (PT United Tractors
Indonesia, Tbk), BBCA (PT Bank Central Asia Tbk), TLKM (PT Telekomunikasi
Indonesia, Tbk), KLBF (PT Kalbe Farma, Tbk ), INDF (PT Indofood Sukses Makmur,
Tbk), and ADHI (PT Adhi Karya, Tbk).
Thus, the result of analysis Fama-French Three Factor Model shows that
Risk Premium have a positive and significant influence to Stock Return. Size also
have a positive influence but not significant to Stock Return, while Book to Equity
Market have negative influence and not significant to Stock Return. Risk Premium,
Size, and Book to Equity Market have a simultaneous influence on stock Return.
Keywords: SRI-KEHATI Index, Optimal Portfolio, Single Index Model, Sharpe Index,
Jensen Index, Treynor Index, Stock Return, Risk Premium, Size, Book to Equity
Market
viii
PEMBENTUKAN PORTOFOLIO OPTIMAL DENGAN SINGLE INDEX
MODEL DAN MENGANALISIS PENGARUH FAMA-FRENCH THREE
FACTOR MODEL TERHADAP RETURN SAHAM
(Studi pada Indeks SRI-KEHATI Periode 2013-2017)
ABSTRAK
Penelitian ini bertujuan untuk menganalisis pembentukan portofolio optimal
dengan Single Index Model dan melakukan pengukuran kinerja portofolio dengan
Indeks Sharpe, Indeks Jensen, dan Indeks Treynor. Serta menganalisis pengaruh dari
Fama-French Three Factor Model yaitu yang terdiri dari Premi Risiko (Beta), Size,
dan Book to Equity Market terhadap Return saham. Objek penelitian meliputi saham
yang terdaftar pada Indeks SRI-KEHATI tahun 2013-2017 secara berturut-turut.
Hasil penelitian menunjukanan dari 18 perusahaan yang terdafatar dalam
Indeks SRI-KEHATI tahun 2013-207, hanya terdapat 9 perusahaan yang layak
menjadi kandidat portofolio optimal yaitu UNVR (PT. Unilever Indonesia, Tbk),
BDMN (PT. Bank Danamon, Tbk), BBNI (PT. Bank Negara Indonesia, Tbk), UNTR
(PT. United Tractors Indonesia, Tbk), BBCA (PT. Bank Central Asia, Tbk), TLKM
(PT. Telekomunikasi Indonesia, Tbk), KLBF (PT. Kalbe Farma, Tbk), INDF (PT.
Indofood Sukses Makmur, Tbk), dan ADHI (PT. Adhi Karya, Tbk).
Sedangkan hasil analisis pengaruh Fama-French Three Factor Model
menunjukan bahwa Premi Risiko memiliki pengaruh positif dan signifikan terhadap
Return saham. Size Book to Equity Market memiliki pengaruh positif namun tidak
signifikan terhadap Return saham, sedangkan Book to Equity Market memiliki
pengaruh yang negatif dan tidak signifikan terhadap Return saham. Premi Risiko,
Size, dan Book to Equity Market memiliki pengaruh simultan terhadap Return saham.
Kata Kunci: Indeks SRI-KEHATI, Portofolio Optimal, Single Index Model, Indeks
Sharpe, Indeks Jensen, Indeks Treynor, Return saham, Premi Risiko, Size, Book to
Equity Market
ix
KATA PENGANTAR
Assalamu’alaikum Wr. Wb
Alhamdulillahirrabil’alamin. Puji dan syukur penulis ucapkan atas rahmat
dan hidayah yang telah diberikan Allah SWT kepada penulis selama proses
penyusunan Skripsi ini yang berjudul “Pembentukan Portofolio Optimal Dengan
Single Index Model Dan Menganalisis Pengaruh Fama-French Three Factor Model
Terhadap Return Saham”. Shalawat serta salam semoga senantiasa selalu tercurah
kepada junjungan Nabi Muhammad SAW, keluarga beserta para sahabat yang telah
memberikan pencerahan dimuka bumi ini.
Skripsi ini ditunjukan sebagai salah satu syarat dalam memperoleh gelar
Sarjana Ekonomi di UIN Syarif Hidayatullah Jakarta, dan sebagai media pengamalan
ilmu yang telah diterima penulis semasa kuliah.
Penulis menyadari, Skripsi ini masih jauh dari kata sempurna dan masih
banyak kekurangan yang terkandung didalamnya, oleh karena itu penulis
mengharapkan segala saran dan kritik dari pembaca sekalian demi kesempurnaan
karya ilmiah ini.
Penyelesaian Skripsi ini dapat terselesaikan dengan baik tentunya karena
bantuan dan dukungan dari berbagai pihak. Oleh karena itu, pada kesempatan kali ini
penulis ingin menyampaikan rasa terimakasih kepada seluruh pihak yang telah
membantu, antara lain:
1. Allah Subhanahu Wa Ta’ala, yang telah mencurahkan segala Rahmat dan
RidhoNya sehingga penulis dapat menyelesaikan Skripsi ini dengan sebaik-
baiknya.
2. Orang-tuaku, Mama dan Babe, terimakasih atas segala Doa, usaha, dan
kebaikannya untuk penulis hingga saat ini. Serta untuk Kakakku satu-satunya,
Mba Desi.
3. Bapak Dr. M. Arief Mufraini, Lc, M.Si, selaku Dekan Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta.
4. Ibu Titi Dewi Warninda. S.E., M.Si, selaku Ketua Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
x
5. Ibu Dr. Pudji Astuty, S.E., MM, selaku Dosen Pembimbing I yang telah
memberikan arahan dan bimbingannya kepada penulis
6. Seluruh Dosen Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta
yang telah memberikan ilmu yang sangat bermanfaat kepada penulis.
7. Teman-teman seperjuangan di Manajemen Keuangan angkatan 2014, yang telah
bersedia membantu penulis semasa kuliah.
8. Teman-teman senasib sepernanggungan, Permak (Avi, Tsizy, Kayu, Thia, Pipiw)
yang senantiasa menghibur penulis semasa kuliah, semoga kesuksesan
mengiringi kita terus. Amin.
9. Sahabat-sahabatku, My Second Family, My Unbiological Sister, Pinpin, Tica,
Mbadit, Abuy, Pipiw, Ceceu, terimakasih atas Limitless Jokes, canda tawa, Doa,
Support, dan kasih sayang kalian yang terus mengiringi penulis hingga saat ini.
10. At last but not least, for my partner in crime, for my forever buddy, Muhammad
Rizky Fazar Hidayat.
Demikian beberapa pihak yang berperan penting dalam penyelesaian Skripsi
ini, sekali lagi penulis mengucapkan terimakasih sebanyak-banyaknya, semoga
segala kebaikan kalian dapat dibalas oleh Allah Subhanahu Wa Ta’ala. Semoga
Skripsi ini dapat bermanfaat bagi para pembaca sekalian.
Wassalamu’alaikum. Wr. Wb
Jakarta, 16 Mei 2018
Intan Rachmasari Rahardja
xi
DAFTAR ISI
LEMBAR PENGASAHAN PEMBIMBING SKRIPSI .......................................................... ii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ......................................................... iii
LEMBAR PENGESAHAN UJIAN SKRIPSI ......................................................................... iv
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH .................................................v
DAFTAR RIWAYAT HIDUP................................................................................................... vi
ABSTRACT ................................................................................................................................ vii
ABSTRAK ................................................................................................................................ viii
KATA PENGANTAR ................................................................................................................ ix
BAB I: PENDAHULUAN .......................................................................................................... 1
A. Latar Belakang Penelitian ................................................................................................... 1
B. Identifikasi Masalah .......................................................................................................... 11
C. Pembatasan Masalah ......................................................................................................... 12
D. Perumusan Masalah .......................................................................................................... 12
E. Tujuan Penelitian ............................................................................................................... 13
F. Manfaat Penelitian ............................................................................................................. 13
BAB II: TINJAUAN PUSTAKA ............................................................................................ 14
A. Investasi ............................................................................................................................ 14
B. Saham ................................................................................................................................ 15
C. Konsep Tingkat Pengembalian (Return) dan Risiko (Risk) Investasi ............................... 18
D. Teori Portofolio ................................................................................................................. 23
E. Capital Asset Pricing Model (CAPM) ............................................................................... 27
F. Arbitrage Pricing Theory (APT) ....................................................................................... 30
G. Single Index Model ............................................................................................................ 31
H. Pengukuran Kinerja Portofolio.......................................................................................... 34
I. Fama-French Three Factor Model ...................................................................................... 36
J. Penelitian Terdahulu ........................................................................................................... 42
K. Kerangka Pemikiran .......................................................................................................... 47
L. Hipotesis Penelitian ........................................................................................................... 47
BAB III: METODOLOGI PENELITIAN ............................................................................. 49
xii
A. Ruang Lingkup Penelitian ................................................................................................. 49
B. Model Penentuan Sampel .................................................................................................. 50
C. Metode Pengumpulan Data ............................................................................................... 51
D. Metode Analisis Data ........................................................................................................ 52
E. Operasional Variabel Penelitian ........................................................................................ 75
BAB IV: ANALISIS DAN PEMBAHASAN .......................................................................... 77
A. Gambaran Umum Objek Penelitian .................................................................................. 77
B. Analisis Deskriptif ............................................................................................................. 77
C. Pembentukan Portofolio Optimal dengan Single Index Model .......................................... 87
D. Menganalisis Pengaruh Model Tiga Faktor terhadap Return Saham .............................. 101
BAB V: KESIMPULAN DAN SARAN ................................................................................ 119
A. Kesimpulan ..................................................................................................................... 119
B. Saran ................................................................................................................................ 120
DAFTAR PUSTAKA ............................................................................................................. 122
LAMPIRAN ............................................................................................................................ 126
xiii
DAFTAR TABEL
Tabel 2.1: Penelitian Terdahulu................................................................................42
Tabel 3.1: Daftar Saham SRI-KEHATI Tahun 2013-2017.......................................51
Tabel 3.2: Operasional Variabel Penelitian...............................................................75
Tabel 4.1: Pergerakan IHSG 2013-2017...................................................................78
Tabel 4.2: Pergerakan Indeks SRI-KEHATI 2013-2017...........................................81
Tabel 4.3: Expected Return dan Standar Deviasi Individual......................................88
Tabel 4.4: Expected Return dan Standar Deviasi Pasar.............................................91
Tabel 4.5: Alpha, Beta, dan Variance Error Saham Individual.................................91
Tabel 4.6: Excess Return to Beta (ERB)....................................................................94
Tabel 4.7: ERB Terbesar Hingga Terkecil................................................................95
Tabel 4.8: Cut Off Point............................................................................................96
Tabel 4.9: Proporsi Masing-masing Saham...............................................................98
Tabel 4.10: Expected Return dan Standar Deviasi Portofolio....................................99
Tabel 4.11: Penilaian Kinerja Portofolio.................................................................100
Tabel 4.12: Perusahaan dalam Indeks SRI-KEHATI Sept 2010-Des 2017.............102
Tabel 4.13: Statistik Deskriptif...............................................................................103
Tabel 4.14: Uji Stasioneritas...................................................................................107
Tabel 4.15: Uji Normalitas......................................................................................108
Tabel 4.16: Uji Autokorelasi...................................................................................109
Tabel 4.17: Uji Multikolonearitas...........................................................................110
Tabel 4.18: Uji Heterokedastisitas..........................................................................111
Tabel 4.19: Analisis Regresi Linear Berganda........................................................112
Tabel 4.20: Uji T.....................................................................................................113
Tabel 4.21: Uji F.....................................................................................................115
xiv
DAFTAR GAMBAR
Gambar 1.1: Perkembangan Investasi Langsung&Portofolio di Indonesia.................3
Gambar 2.1: Kerangka Pemikiran.............................................................................47
Gambar 4.1: Pergerakan IHSG 2013-2017................................................................79
Gambar 4.2: Kriteria Indeks SRI-KEHATI...............................................................81
Gambar 4.3: Pergerakan SRI-KEHATI 2013-2017..................................................82
Gambar 4.4: Premi Risiko Periode September 2010-Desember 2017.......................83
Gambar 4.5: Size Periode September 2010-Desember 2017.....................................84
Gambar 4.6: Book to Market Equity Periode September 2010-Desember 2017........85
Gambar 4.7: Return Saham Periode September 2010-Desember 2017.....................86
Gambar 4.8: Proporsi Masing-masing Saham...........................................................99
xv
DAFTAR LAMPIRAN
Lampiran 1: Risk Free Rate.....................................................................................124
Lampiran 2: Rekapitulasi Data Fama-French Three Factor Model.........................125
Lampiran 3: Premi Risiko (Variabel X1)................................................................126
Lampiran 4: Size......................................................................................................127
Lampiran 5: Book to Equity Market........................................................................128
Lampiran 6: Portofolio S/L, S/M, S/H, B/L, B/M, B/H...........................................129
Lampiran 7: Return Saham (Excess Return) (Y).....................................................163
Lampiran 8: Statistik Deskriptif..............................................................................174
Lampiran 9: Hasil Uji Stasioneritas.........................................................................175
Lampiran 10: Hasil Uji Normalitas.........................................................................178
Lampiran 11: Hasil Uji Autokorelasi......................................................................180
Lampiran 12: Hasil Uji Multikolonearitas...............................................................181
Lampiran 13: Hasil Uji Heterokedastisitas..............................................................183
Lampiran 14: Hasil Uji Regresi Linear Berganda...................................................185
1
BAB I
PENDAHULUAN
A. Latar Belakang Penelitian
Dalam investasi sering terdengar istilah “Don’t put all your eggs in one
basket”, atau yang berarti jangan tempatkan semua telur anda dalam satu
keranjang. Jika keranjangnya jatuh maka semua telur yang ada di dalamnya akan
pecah, untuk menghindari kerugian tersebut, sebaiknya telur-telur tadi di
tempatkan pada beberapa wadah yang berbeda. Demikian pula halnya dengan
investasi. Dalam investasi, pemodal atau investor bisa menanamkan dananya
dalam berbagai instrumen investasi seperti saham, obligasi, deposito, properti, dan
lain-lain.
Investasi secara garis besar dapat diartikan sebagai komitmen saat ini atas
uang atau sumber daya lain dengan harapan untuk mendapatkan keuntungan
dimasa depan. Investasi merupakan suatu bentuk pengorbanan kekayaan di masa
sekarang untuk mendapatkan keuntungan di masa depan dengan tingkat risiko
tertentu. Saat ini, terdapat banyak pilihan instrumen investasi yang ditawarkan
seperti investasi aset riil (properti, emas, benda seni, dll) maupun investasi dalam
hal finansial (saham, obligasi, derivatif, dll). Tentunya setiap pilihan investasi
tersebut memiliki risiko dan tingkat keuntungan (return) masing-masing.
Hubungan antara risiko dan return yang diharapkan dari investasi merupakan
hubungan yang searah. Artinya semakin besar risiko yang harus ditanggung,
semakin besar juga tingkat return yang diharapkan, atau dapat dikatakan sebagai
2
high risk, high return (Susanti dkk, 2012). Menurut Fawziah, (2016:1), dalam
melakukan investasi finansial, risiko yang akan diterima oleh investor lebih tinggi
dibandingkan melakukan investasi di sektor riil, sehingga investor akan sangat
berhati-hati dalam memilih saham atau surat berharga yang akan dibeli. Mayoritas
investor akan berinvestasi pada instrumen investasi yang berupa saham, karena
saham dapat memberikan return yang lebih besar dibanding instrumen investasi
lainnya (Indi, 2017). Saham adalah tanda kepemilikan atau tanda penyertaan
modal seseorang atau suatu pihak pada sebuah perusahaan.
Di Indonesia, saham-saham diperjual-belikan di pasar modal atau capital
market. Pasar modal menurut Undang-undang Pasar Modal no. 8 tahun 1995
adalah sebagai berikut: “Pasar Modal yaitu sebagai suatu kegiatan yang
bersangkutan dengan penawaran umum dan perdagangan efek, perusahaan publik
yang berkaitan dengan efek yang diterbitkannya, serta lembaga dan profesi yang
berkaitan dengan efek”. Secara formal pasar modal dapat didefinisikan sebagai
pasar untuk berbagai instrumen keuangan (atau sekuritas) jangka panjang yang
bisa diperjualbelikan, baik dalam bentuk hutang ataupun modal sendiri, baik yang
diterbitkan oleh pemerintah, public authorities, maupun perusahaan swasta
(Husnan, 2005:3).
Menurut Salim dan Sutrisno (2008), investasi jika ditinjau dari bentuknya
terbagi atas dua jenis; investasi langsung dan investasi portofolio. Investasi
langsung adalah investasi dalam bentuk membangun, membeli, atau mengakuisisi
perusahaan. Sedangkan investasi portofolio adalah investasi yang dilakukan di
Pasar Modal dengan instrumen surat berharga.
3
Perkembangan investasi langsung dan investasi portofolio di Indonesia dapat
dilihat pada grafik berikut:
GAMBAR 1.1
PERKEMBANGAN INVESTASI LANGSUNG DAN INVESTASI PORTOFOLIO DI
INDONESIA
Sumber: www.bappenas.go.id, Bank Indonesia
Menurut Badan Perencanaan Pembangunan Nasional (Bappenas), investasi
portofolio pada triwulan I tahun 2017 surplus sebesar USD6,5 miliar, meningkat
signifikan dari triwulan sebelumnya yang defisit sebesar USD0,3 miliar dan
triwulan I tahun 2016 yang surplus sebesar USD4,4 miliar. Kinerja tersebut
didorong oleh meningkatnya aliran masuk modal asing karena investor asing
menambah kepemilikannya terhadap instrumen portofolio dalam denominasi
Rupiah. Selain itu juga didukung oleh penerbitan sukuk global pemerintah dalam
jumlah besar yaitu sebesar USD3,0 miliar.
Fenomena diatas menunjukan bahwa dibutuhkan penelitian yang dapat
meningkatkan pengetahuan investor domestik terhadap investasi di Indonesia
sehingga perkembangan investasi portofolio dapat terus konsisten tiap tahunnya,
tanpa bergantung pada modal asing. Ketidakpastian atas tingkat pengembalian
saham pada saat investor melakukan investasi di pasar modal menunjukkan risiko
4
yang tinggi bagi investor untuk menanamkan modalnya di sektor tersebut. Pada
dasarnya investor yang rasional akan mempertimbangkan hasil yang didapat
(return) dengan tingkat risiko investasi yang dihadapi.
Risiko adalah tingkat potensi kerugian yang timbul karena perolehan hasil
investasi yang diharapkan tidak sesuai dengan harapan. Menurut Jorion, (2000),
risiko adalah sebagai volatility dari suatu hasil yang tidak diekspektasi, secara
general nilai dari aset atau kewajiban dari bunga. Oleh karena itu, para investor
dipasar modal harus dapat menyadari sungguh-sungguh bahwa secara teoritis
setiap investasi yang dilakukan disamping mengharapkan keuntungan, investor
juga harus sadar terdapat kemungkinan risiko atau kerugian yang harus dihadapi.
Risiko pasar juga harus dihadapi oleh para pemodal atau para investor jika
berinvestasi pada instrumen investasi berupa saham. Di Indonesia, tolak ukur
untuk risiko pasar atau biasa dikenal dengan market risk adalah IHSG atau Indeks
Harga Saham Gabungan.
Karena pemodal atau investor menghadapi kesempatan investasi yang
berisiko, pilihan investasi tidak hanya mengandalkan pada tingkat keuntungan
yang diharapkan (expected return). Apabila pemodal mengharapkan untuk
memperoleh tingkat keuntungan tinggi, maka ia harus bersedia menanggung
risiko yang tinggi pula. Salah satu karakteristik investasi pada sekuritas adalah
kemudahan untuk membentuk portofolio investasi. Artinya, pemodal dapat
dengan mudah menyebar (melakukan diversifikasi) investasinya pada berbagai
kesempatan investasi (Husnan, 2005:47).
5
Harry Markowitz memubliskan artikel yang berjudul “Portfolio Selection”
pada tahun 1952. Artikel tersebut membuka pintu dimulainya teori portofolio
modern. Markowitz mengatakan bahwa proses pemilihan portofolio dibagi atas
dua tahap. Tahap pertama adalah mengobservasi sekuritas yang akan dipilih.
Tahap kedua adalah memilih sekuritas yang akan dimasukkan dalam portofolio
yang dilandasi oleh keyakinan terhadap kinerja sekuritas tersebut dimasa yang
akan datang. Markowitz menekankan bahwa investor menganalisis dan memilih
suatu sekuritas berdasarkan expected return dan variance return sekuritas tersebut.
Portofolio pilihan investor adalah yang memberikan expected return maksimum
pada varians tertentu, atau portofolio dengan varians terkecil pada expected return
tertentu.
Teori portofolio Markowitz mengimplikasikan bahwa untuk dapat menerima
risiko yang lebih besar, investor harus dikompensasi dengan kesempatan untuk
mendapatkan returnyang besar pula. Portofolio saham adalah investasi yang
terdiri dari berbagai saham perusahaan yang berbeda dengan harapan bila harga
salah satu saham menurun, sementara yang lain meningkat, maka investasi
tersebut tidak mengalami kerugian (Zubir, 2010:2). Selain itu, korelasi antara
return satu saham dan saham lain juga akan memperkecil varians return portofolio
tersebut.
Dalam mengalokasikan dana untuk setiap saham dalam portofolio, Warrent
Buffet seorang investor terkenal mengatakan bahwa: “Jika Anda telah
menemukan saham yang tepat, mengapa harus membeli sedikit? Investasikanlah
uang Anda sebanyak-banyaknya dalam saham tersebut.” Saham yang tepat adalah
6
saham perusahaan yang diperkirakan mempunyai prospek yang baik di masa
mendatang. Warrent Buffet memilih saham-saham perusahaan dengan kriteria
sebagai berikut. Pertama, bisnis perusahaan tersebut dapat dimengerti. Kedua,
prospek jangka panjang yang menguntungkan. Ketiga, dijalankan oleh orang-
orang jujur dan kompeten. Keempat, bisnis yang harganya sangat menarik.
Teori portofolio menjelaskan bahwa risiko portofolio lebih rendah daripada
risiko saham individu dalam portofolio tersebut karena varians return saham
sebagai ukuran risiko investasi tersebut saling meredam. Oleh karena itu untuk
menurunkan risiko, yang sebaiknya dilakukan adalah mengkombinasi berbagai
jenis instrumen investasi. Pembentukan portofolio investasi merupakan salah satu
cara bagi investor untuk mengantisipasi ketidakpastian hasil (return) dari investasi
yang dilakukan.
Penentuan alokasi dana pada aset-aset tertentu sangat tergantung kepada
preferensi dari setiap investor atas tingkat risiko yang dihadapi. Sharpe dan
kawan-kawan pada tahun 1997, mengatakan bahwa dalam teori portofolio ada tiga
jenis preferensi investor apabila dihadapkan oleh risiko, antara lain: Investor
menyenangi risiko (risk seeking), investor yang menghindari risiko (risk aversion),
dan investor yang netral atau acuh terhadap risiko (risk neutral). Namun dalam
menentukan portofolio yang efisien, semua jenis investor dapat memilih
alternative investasi pada portofolio-portofolio yang terletak pada suatu daerah
yang disebut dengan efficient frontier (Elton & Gruber, 1995).
Portofolio efisien diartikan sebagai portofolio dengan return tertinggi pada
risiko tertentu, atau portofolio dengan risiko terendah pada return tertentu.
7
Investor perlu mempertimbangkan dan menentukan sekuritas apa saja yang
membentuk portofolio dan dapat mencapai efisiensi maksimal. Indikator
portofolio efisien adalah mampu memberikan expected return terbesar dengan
risiko yang sama, dan mampu memberi risiko terkecil dengan expected return
yang sama. Portofolio efisien merupakan portofolio yang baik, tetapi bukan yang
terbaik. Portofolio yang terbaik adalah portofolio yang optimal. Portofolio efisien
hanya mempunyai satu dari faktor terbaik, yaitu faktor expected return atau faktor
risikonya. Sementara, portofolio yang optimal adalah portofolio yang memiliki
kombinasi expected return dan risiko yang terbaik. Maka itu untuk membentuk
suatu portofolio optimal seorang investor haruslah memperhatikan metode yang
akan digunakan untuk menghitung return secara akurat. Hal ini juga harus
didukung oleh ketepatan analisis teknikal dan fundamental dari saham yang dibeli.
Pemilihan model untuk menghitung return tertentu harus menjelaskan
fenomena yang ada. Di pasar modal sendiri perkembangan metode penghitungan
return dimulai sejak lima abad yang lalu di mana William Sharpe (1964) dan John
Lintner (1965) merumuskan suatu model yang diberi nama Capital Asset Pricing
Model (CAPM). Secara spesifik, tujuan dari CAPM menurut Hanafi (2004) adalah
menjelaskan hubungan antara risiko dengan return dan menjelaskan kondisi
keseimbangan dalam pasar keuangan. Model ini menjelaskan bagaimana
hubungan antara rata-rata return saham dengan faktor risiko pasar (market risk).
Menurut konsep dari Capital Asset Pricing Model (CAPM), satu-satunya faktor
yang mempengaruhi return saham adalah risiko pasar atau market risk (Sudiyatno
dan Irsad, 2011).
8
Beberapa peneliti meragukan model CAPM yang hanya menggunakan beta
sebagai satu-satunya indikator penilaian return. Mereka beranggapan bahwa
terdapat variabel lain selain beta yang mampu memengaruhi return. Penelitian
pertama dan paling popular adalah efek size (ukuran perusahaan). Penelitian yang
dilakukan oleh Banz (1981) dalam Hanafi (2004) yang menunjukkan bahwa
return (baik yang disesuaikan maupun tidak dengan risiko) berhubungan terbalik
dengan size (ukuran perusahaan). Beliau menemukan bahwa return rata-rata
tahunan kelompok paling kecil dari saham New York Stock Exchange (NYSE)
19,8% lebih besar dibandingkan dengan return rata-rata kelompok paling besar
size nya pada sampel saham perusahaan tersebut.
Penolakan lain ditunjukkan oleh Basu (1977, 1983) dalam Hanafi (2004)
bahwa variabel Price Earning Ratio (PER) juga memengaruhi return.
Menurutnya, saham dengan rasio P/E rendah mempunyai return yang lebih tinggi
dibandingkan saham dengan P/E tinggi. Selanjutnya Ross (1976) meluncurkan
metode baru yang dikenal sebagai Arbitrage Pricing Theory (APT). Pada model
ini berlaku konsep hukum satu harga (The Law of One Prices). Hukum tersebut
pada dasarnya mengatakan bahwa aset dengan karakterisitik yang sama akan
terjual dengan harga yang sama di manapun didunia ini. Tingkat return atas
berbagai aset dipengaruhi oleh berbagai faktor dalam industri dan perekonomian
(Hanafi, 2004). Model ini dianggap lebih efisien dari CAPM karena terdiri dari
berbagai faktor sehingga perhitungan tingkat keuntungan diharapkan lebih akurat.
Selanjutnya pada 1992, Fama dan French mengembangkan model penentuan
harga saham dengan mengkombinasikan CAPM dan APT. Menurut Fama dan
9
French (1992), bahwa beta saham sebagai indikator risiko pasar tidak mampu
menjelaskan return saham, sedangkan size dan book-to-market ratio (BE/ME
ratio) mampu. Selanjutnya Fama dan French (1993, 1996) menggunakan tiga
faktor yang menjelaskan return portofolio saham, yaitu; market (beta) size, dan
book to market ratio.
Penelitian yang dikembangkan oleh Fama dan French ini dimotivasi oleh
penelitian sebelumnya tentang model CAPM yang menghasilkan temuan berbeda-
beda, antara lain dilakukan oleh Black, Jensen dan Scholes (1972), dan Fama dan
MacBeth (1973) yang menemukan bahwa beta berpengaruh positif dan signifikan
terhadap excess return (Yuningsih dan Yudaruddin, 2007). Sementara temuan
yang berbeda ditemukan dari hasil penelitian Fama dan French (1992, Hossein
Asgharian dan Bjorn Hansson (1998), Hodoshima, Gomez, dan Kunimura (2000),
Eduardo Sandoval A dan Rodigro Saenss, N (2004), dan Grigoris Michailidis,
Stavros Tsopoglou dan Demetrios Papanastasiou (2007), mereka menemukan
tidak ada pengaruh signifikan antara beta pasar dengan return saham.
Pengujian yang membandingkan model CAPM dan model tiga faktor dari
Fama dan French sudah banyak dilakukan. Belen Blanco pada 2012 melakukan
penelitian terhadap penggunaan CAPM dan Fama-French Three Factor Model.
Blanco menguji pemilihan portofolio pada New York Stock Exchange (NYSE) dari
tahun 1926 sampai 2006. Hasil pengujian Blanco adalah model tiga faktor dari
Fama dan French lebih baik dari pada model CAPM dalam menjelaskan expected
return dari portofolio. Walaupun, hasil dari perbandingan dua model ini
bergantung dengan bagaimana portofolio dibentuk.
10
Namun pada tahun 2011, terdapat penelitian yang berlawanan dengan
penelitian yang dilakukan oleh Blanco. Tijmen Kampman melakukan penelitian
yang berjudul “Explaining Stock Returns: the CAPM, Fama-French Three Factor
Model and Carhart’s Four Factor Model”. Menurut Kampman CAPM masih
merupakan teori yang layak dibandingkan dengan model tiga faktor dari Fama dan
French. Selama 20 tahun terakhir, model tiga faktor dari Fama dan French
membuktikan secara empiris bahwa modelnya telah digunakan secara luas dan
menjelaskan lebih banyak dibanding model CAPM. Namun dengan begitu
Kampman berpendapat bahwa CAPM tidak seharusnya menjadi tidak berguna
karena dibandingkan dengan model tiga faktor. Menurut Kampman model CAPM
dan model tiga faktor seharusnya bisa eksis bersama-sama dengan
memperhitungkan faktor beta. Penelitian lebih lanjut disarankan oleh Kampman
sebelum memutuskan bahwa model CAPM dinyatakan sudah tidak lagi layak
untuk digunakan.
Penelitian selanjutnya dilakukan oleh Prakarsa Panji Negara pada tahun 2012.
Panji melakukan pengujian terhadap Model Tiga Faktor dari Fama dan French
terhadap pembentukan portofolio efisien. Studi dilakukan pada Indeks saham
LQ45 dari tahun 2007 sampai tahun 2011. Hasil penelitian yang dilakukan oleh
Panji membuahkan hasil bahwa faktor size dan value dari model tiga faktor Fama
dan French memiliki hubungan yang signifikan terhadap return. Penelitian ini
juga menegaskan bahwa model Fama dan French lebih baik daripada model
CAPM.
11
Penelitian berlawanan selanjutnya dilakukan oleh Sudiyatno dan Irsad pada
tahun 2011. Penelitian yang bertujuan untuk menguji peranan Model Tiga Faktor
dari Fama dan French tersebut membuahkan hasil bahwa faktor premi risiko (beta)
berpengaruh signifikan positif terhadap return saham. Sedangkan dua faktor lain
yaitu size dan book to market ratio berpengaruh negatif, tetapi tidak signifikan
terhadap return saham. Artinya, dua faktor dari model tiga faktor Fama dan
French tidak terbukti berpengaruh terhadap return saham.
Berdasarkan latar belakang di atas, penelitian akan dilakukan dengan
judul, ”Pembentukan Portofolio Optimal dengan Single Index Model dan
Menganalisis Pengaruh Fama-French Three Factor Model terhadap Return
Saham”
B. Identifikasi Masalah
Berdasarkan latar belakang masalah diatas, maka dapat diidentifikasi
beberapa masalah berikut:
1. Menentukan portofolio optimal pada Indeks SRI-KEHATI dengan Model
Indeks Tunggal (Single Index Model)
2. Menganalisis pengaruh Fama-French Three Factor Model yang terdiri dari
Beta, Size, dan Book to Market Equity terhadap Return saham.
12
C. Pembatasan Masalah
Untuk membatasi masalah agar tidak terlalu luas dan pembahasannya lebih
mengarah pada permasalahan yang akan diteliti, maka penulis memberikan
batasan-batasan yang sudah ditentukan. Peneliti dalam hal ini membatasi masalah
sebagai berikut:
A. Periode waktu penelitian untuk Pembuatan Portofolio Optimal adalah dari
tahun 2013 – 2017, sedangkan periode waktu untuk Analisis Pengaruh Fama-
French Three Factor Model terhadap Return saham adalah dari September
2010 – Desember 2017.
B. Saham yang menjadi bahan penelitian adalah saham-saham yang selalu
masuk secara konsisten dan berturut-turut pada Indeks SRI-KEHATI selama
periode penelitian.
C. Peneliti menggunakan Model Indeks Tunggal sebagai metode pembuatan
portofolio optimal, dan Model Tiga Faktor dari Fama-French yang terdiri dari
Beta, Size, dan Book to Market Equity sebagai faktor-faktor yang
mempengaruhi Return saham.
D. Perumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan sebelumnya, maka
rumusan masalah dalam penelitian ini sebagai berikut:
1. Saham apa saja yang membentuk portofolio optimal dengan Single Index
Model pada Indeks SRI-KEHATI tahun 2013-2017?
2. Apa hasil analisis dari pengaruh Fama-French Three Factor Model yaitu
Premi Risiko (Beta), Size, dan Book to Market Equity Ratio terhadap Return
13
saham pada perusahaan yang terdaftar di Indeks SRI-KEHATI pada periode
September 2010-Desember 2017?
E. Tujuan Penelitian
Berdasarkan perumusan masalah diatas, tujuan penelitian ini adalah sebagai
berikut:
1. Untuk mengetahui saham apa saja yang membentuk portofolio optimal
dengan Single Index Model pada Indeks SRI-KEHATI tahun 2013-2017
2. Untuk mengetahui hasil analisis dari pengaruh Fama-French Three Factor
Model yaitu Premi Risiko (Beta), Size, dan Book to Market Equity Ratio
terhadap Return saham pada perusahaan yang terdaftar di Indeks SRI-
KEHATI pada periode September 2010-Desember 2017
F. Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat bagi pihak-pihak
yang membutuhkan. Berikut ini beberapa manfaat penelitian ini adalah sebagai
berikut:
1. Bagi perusahaan dan calon investor
Dapat membantu perusahaan sebagai referensi saham-saham yang dapat
dibentuk sebagai portofolio optimal dan memban calon investor dalam
mengambil keputusan investasi di pasar modal.
2. Bagi kalangan akademisi atau peneliti
Dapat menambah bahan kajian dan pustaka, serta bahan acuan untuk
mahasiswa yang ingin melakukan pengembangan penelitian berikutnya.
14
BAB II
TINJAUAN PUSTAKA
A. Investasi
Investasi merupakan salah satu cara perusahaan dalam mengoptimalkan
penggunaan kas jika terjadi surplus. Dengan berinvestasi maka dana yang terdapat
dalam kas perusahaan tidak menganggur. Investasi dapat dimaksudkan sebagai
akumulasi dari suatu bentuk aktiva untuk memperoleh manfaat dimasa yang akan
datang. Dengan adanya investasi maka perusahaan mengharapkan beberapa
keuntungan yakni terjaminnya manajemen kas, terciptanya hubungan yang erat
dan memperkuat posisi keuangan suatu perusahaan. Investasi merupakan unsur
yang sangat penting dalam perusahaan. Aktivitas investasi yang dilakukan oleh
perusahaan akan dijadikan sebagai dasar penilaian manajemen kas perusahaan.
Penilaian kinerja perusahaan ini sebagian atau seluruhnya dapat dinilai dari
penggunaan kas untuk investasi. Bagi perusahaan investasi adalah cara untuk
menempatkan kelebihan dana sedangkan untuk perusahaan lainnya investasi
merupakan sarana untuk mempererat hubungan bisnis atau memperoleh suatu
keuntungan perdagangan. Apapun motivasi perusahaan dalam melakukan
investasi, investasi tetap merupakan sarana dalam menentukan posisi keuangan
perusahaan.
Menurut Jack Clark Francis (1991), Investasi adalah penanaman modal
yang diharapkan dapat menghasilkan tambahan dana pada masa yang akan datang.
Maka itu investasi merupakan suatu bentuk pengorbanan kekayaan di masa
sekarang untuk mendapatkan keuntungan di masa depan dengan tingkat resiko
15
tertentu. Investasi dapat dibedakan menjadi dua jenis, yaitu investasi dalam
bentuk aset riil dan investasi dalam bentuk surat berharga atau sekuritas
(Bodie,dkk, 1995). Investasi dalam bentuk aset riil atau real assets adalah
investasi yang berupa aktiva berwujud fisik, seperti emas, batu mulia dan
sebagainya. Sedangkan investasi dalam bentuk surat berharga atau sekuritas
adalah investasi yang berbentuk surat-surat berharga yang pada dasarnya
merupakan klaim atas aktiva riil yang diawasi oleh suatu lembaga atau perorangan
tertentu.
Untuk mencapai suatu efektivitas dan efisiensi dalam keputusan investasi
terdapat beberapa tujuan dalam melakukan investasi (Tandelilin, 2010), yaitu:
1. Mendapat kesejahteraan atau kehidupan yang lebih baik dimasa yang akan
datang. Seseorang akan berfikir bagaimana untuk dapat meningkatkan taraf
hidupnya untuk memperoleh kehidupan yang lebih layak di masa depan.
2. Membantu mengurangi tekanan inflasi.
3. Terciptanya keuntungan dalam investasi yang berkesinambungan
(continuity).
4. Penghematan pajak.
B. Saham
Saham merupakan salah satu instrumen pasar modal yang paling diminati
investor karena dianggap dapat memberikan tingkat keuntungan yang
menjanjikan. Secara umum saham dapat diartikan sebagai surat berharga yang
diperjual-belikan di pasar modal, yang dikeluarkan oleh perusahaan berbentuk PT
16
(Perseroan Terbatas), di mana pihak yang memiliki saham tersebut berarti juga
memiliki sebagian kekayaan perusahaan tersebut.
Menurut Suad Husnan (2008:29), Saham adalah secarik kertas yang
menunjukkan hak pemodal yaitu pihak yang memiliki kertas tersebut untuk
memperoleh bagian dari prospek atau kekayaan organisasi yang menerbitkan
sekuritas tersebut, dan berbagai kondisi yang memungkinkan pemodal tersebut
menjalankan haknya.
Saham merupakan surat berharga yang paling populer dan dikenal luas di
masyarakat. Menurut Darmadji dan Fakhruddin, (2012:6), ada beberapa jenis
saham jika ditinjau dari segi kemampuan dalam hak tagih atau klaim, yaitu:
1. Saham biasa (Common Stock), yaitu merupakan saham yang menempatkan
pemiliknya paling junior terhadap pembagian dividen, dan hak atas harta
kekayaan perusahaan apabila perusahaan tersebut dilikuidasi.
2. Saham preferen (Preferred Stock), merupakan saham yang memiliki
karakteristik gabungan antara obligasi dan saham biasa, karena bisa
menghasilkan pendapatan tetap (seperti bunga obligasi), tetapi juga bisa tidak
mendatangkan hasil seperti ini dikehendaki oleh investor.
1. Indeks Harga Saham
Indeks harga saham merupakan indikator utama yang menggambarkan
pergerakan harga saham. Di Pasar Modal sebuah Indeks saham diharapkan
berfungsi sebagai indikator tren pasar, indikator tingkat keuntungan, tolak ukur
(Benchmark) suatu kinerja portofolio, memfasilitasi pembentukan portofolio
17
dengan strategi pasif, dan memfasilitasi berkembangnya produk derivatif
(Darmadji dan Fakhruddin, 2001)
Di Indonesia, terdapat beberapa Indeks saham yang terdaftar di Bursa
Efek Indonesia, antara lain Indeks LQ45, Indeks SRI-KEHATI, Indeks
KOMPAS100, Indeks PEFINDO25, Jakarta Islamic Index (JII), Indeks Bisnis-
27, Indeks Saham Syariah Indonesia (ISSI), Indeks Infobank15, Indeks Papan
Utama, dan Indeks Papan Pengembangan.
2. Indeks Harga Saham Gabungan
Indeks Harga Saham Gabungan atau IHSG digunakan untuk
mengukur nilai kinerja seluruh saham yang tercatat di suatu Bursa Efek dengan
menggunakan semua saham yang tercatat di Bursa Efek sebagai komponen
penghitungan indeks. IHSG digunakan untuk mengetahui perkembangan dan
situasi umum Pasar Modal, bukan situasi perusahaan tertentu. Indeks ini
mencakup pergerakan harga seluruh saham biasa dan saham preferen yang
tercatat di BEI.
3. Indeks SRI-KEHATI
Sustainable and Responsible Investment (SRI-KEHATI) merupakan
salah satu indeks yang menjadi indikator pergerakan harga saham di Bursa
Efek Indonesia (BEI). Indeks ini menggunakan prinsip keberlanjutan,
keuangan, dan tata kelola yang baik, serta kepedulian terhadap lingkungan
hidup sebagai tolok ukurnya. Indeks yang diluncurkan pada 8 Juni 2009 oleh
Yayasan Keanekaragaman Hayati Indonesia (KEHATI) bekerja sama dengan
PT BEI, dapat menjadi benchmark bagi investor ataupun manajer investasi
18
dalam menentukan perusahaan publik mana yang memiliki kinerja baik dalam
menjalankan usahanya dari sisi tata kelola finansial, sosial, sekaligus
lingkungan secara berkelanjutan.
Ada 25 emiten yang menjadi konstituen indeks SRI-KEHATI, yang
diseleksi setiap dua periode dalam setahun, yaitu pada bulan April dan Oktober.
Setelah terpilih, nama-nama dari 25 emiten tersebut akan dipublikasikan oleh
BEI.
C. Konsep Tingkat Pengembalian (Return) dan Risiko (Risk) Investasi
1. Tingkat Pengembalian atau Return
Tujuan investor dalam berinvestasi adalah memaksimalkan return,
tanpa melupakan faktor risiko investasi yang harus dihadapinya. Return
merupakan salah satu faktor yang memotivasi investor untuk berinvestasi dan
juga merupakan imbalan atas keberanian investor menanggung risiko atas
investasi yang dilakukannya. Menurut Jogiyanto (2009: 199), return
merupakan hasil yang diperoleh dari investasi. Sedangkan menurut Brigham
dan Houston (2006: 215), return atau tingkat pengembalian adalah selisih
antara jumlah yang diterima dan jumlah yang diinvestasikan, dibagi dengan
jumlah yang diinvestasikan.
Menurut Tandelilin (2001: 48), return saham terdiri dari dua komponen,
yaitu:
a. Capital gain (loss), yaitu kenaikan (penurunan) harga suatu saham yang
bisa memberikan keuntungan (kerugian) bagi investor.
19
b. Yield, merupakan komponen return yang mencerminkan aliran kas atau
pendapatan yang diperoleh secara periodik dari suatu investasi saham.
Menurut Jogiyanto (2009: 199), return saham dapat dibagi menjadi
dua yaitu return realisasian dan return ekspektasian. Return realisasian
merupakan return yang telah terjadi yang dihitung berdasarkan data historis.
Return realisasian atau yang bisa disebut sebagai return aktual penting karena
digunakan sebagai salah satu pengukur kinerja dari perusahaan. Return
realisasian atau return histori ini juga berguna sebagai dasar penentuan return
ekspektasian (expected return) dan risiko di masa datang. Sedangkan return
ekspektasian adalah return yang diharapkan akan diperoleh oleh investor
dimasa mendatang.
Menurut Brigham dan Houston (2006: 410), perhitungan return
realisasi atau return aktual adalah sebagai berikut:
Return (R) = P1 − P0
𝑃0 (2.1)
Keterangan:
P1 = Price atau harga untuk waktu t
P0 = Price atau harga untuk waktu t-1
Sedangkan menurut Suad Husnan (2005:50), tingkat keuntungan
yang diharapkan atau expected return bisa dihitung dengan cara sebagai berikut:
𝐸(𝑅𝑖) = ∑ 𝑃𝑀𝐽=1 𝑖𝑗 𝑥 𝑅𝑖𝑗 (2.2)
20
Keterangan:
E(Ri) = Tingkat keuntungan yang diharapkan dari investasi i
Pij = Probabilitas memperoleh tingkat keuntungan pada investasi i
Rij = Tingkat keuntungan pada investasi i
M = Banyaknya peristiwa yang mungkin terjadi
2. Risiko atau Risk
Menurut Francis (1991), risiko didefinisikan sebagai kesempatan atau
kemungkinan timbulnya kerugian (risk is the chance or probability of loss).
Dalam arti lain dapat dikatakan bahwa resiko investasi merupakan suatu
kemungkinan yang terdiri dari berbagai faktor yang dapat menyebabkan tidak
kembalinya dana yang diinvestasikan pada suatu instrumen investasi tertentu
atau dengan kata lain, merupakan faktor-faktor yang dapat menyebabkan
terjadinya kerugian dalam suatu investasi.
Semua jenis investasi selalu punya resiko, tidak ada investasi yang
bebas resiko, resiko selalu melekat pada tiap investasi besar atau kecil dan juga
dapat dikatakan bahwa hasil yang tinggi resikonya juga tinggi sehingga
diperlukan pemahaman atas resiko yang berkaitan dengan alternatif sarana
investasi yang dapat terdiri dari resiko likuiditas, ketidakpastian hasil,
kehilangan hasil, penurunan nilai investasi sampai resiko hilangnya modal
investasi tersebut.
Didalam Peraturan Bank Indonesia No.11/25/PBI/2009 Pasal 4 Ayat
(1), yang berbunyi: Risiko sebagaimana dimaksud dalam pasal 2 mencakup:
21
a. Risiko Kredit, adalah risiko akibat kegagalan debitur dan atau pihak lain
di dalam memenuhi kewajibannya kepada bank. Risiko kredit dapat
bersumber dari berbagai aktivitas fungsional bank seperti perkreditan
(penyediaan dana), treasury dan investasi, serta pembiayaan perdagangan,
yang tercatat dalam trading book maupun dalam banking book. Contohnya
timbulnya kredit macet dan persentase piutang meningkat.
b. Risiko Pasar, adalah risiko-risiko pada posisi neraca dan rekening
administratif termasuk transaksi deviratif, akibat perubahan secara
keseluruhan dari kondisi pasar, termasuk risiko perubahan harga Option.
c. Risiko Likuiditas, adalah risiko akibat ketidakmampuan bank untuk
memenuhi kewajiban yang jatuh tempo dari sumber pendanaan arus kas
dan/ atau dari aset likuid berkualitas tinggi yang dapat diagunkan, tanpa
mengganggu aktifitas dan kondisi keuangan bank. Menurut Irham Fahmi
(2011:6): “Risiko Likuiditas merupakan risiko karena ketidakmampuan
memenuhi kebutuhan kas”. Contohnya kepemilikan kas menurun,
sehingga tidak mampu membayar hutang secara tepat, menyebabkan
perusahaan harus menjual aset yang dimilikinya.
d. Risiko Operasional, adalah risiko akibat ketidakcukupan dan/atau tidak
berfungsinya proses internal, kesalahan manusia, kegagalan sistem,
dan/atau adanya kejadian-kejadian eksternal yang mempengaruhi
operasional bank. Contohnya terjadi kerusakan pada komputer karena
berbagai hal termasuk terkena virus.
22
e. Risiko Hukum, adalah risiko akibat tuntutan hukum dan/atau kelemahan
aspek yuridis. Kelemahan aspek yuridis antara lain disebabkan oleh
adanya tuntutan hukum, ketiadaan peraturan perundang-undangan yang
mendukung atau kelemahan perikatan seperti tidak dipenuhinya syarat
sahnya kontrak dan pengikatan agunan tidak sempurna.
f. Risiko Reputasi, adalah risiko akibat menurunnya tingkat kepercayaan
stakeholder yang bersumber dari persepsi negatif terhadap bank.
g. Risiko Stratejik, adalah risiko akibat ketidaktepatan dalam pengambilan
dan/atau pelaksanaan suatu keputusan stratejik serta kegagalan dalam
mengantisipasi perubahan lingkungan bisnis.
h. Risiko Kepatuhan, adalah risiko akibat bank tidak mematuhi dan/atau
adanya tidak melaksanakan peraturan perundang-undangan dan ketentuan
yang berlaku. Pengelolaan risiko kepatuhan dilakukan melalui penerapan
sistem pengendalian intern secara konsisten.
Van Horne dan Wachowics, Jr (1992) dalam Jogiyanto (2012)
mendefinisikan risiko sebagai variabilitas return terhadap return yang
diharapkan. Maka risiko suatu investasi dapat diukur dengan variance atau akar
dari variance yaitu Standar Deviasi. Secara matematis Standar Deviasi dapat
dirumuskan sebagai berikut (Husnan, 2005:53):
σi2 = ∑
[(𝑅𝑖𝑗−𝐸(𝑅𝑖)]2
𝑁
𝑀𝑗=1 (2.3)
σ = √𝜎2
23
Keterangan:
Rij = Tingkat keuntungan aktual pada investasi i
E(Ri) = Tingkat keuntungan yang diharapkan pada investasi i
N = Jumlah peristiwa yang mungkin terjadi
D. Teori Portofolio
Salah satu metode yang menjadi perhatian terhadap strategi investasi
portofolio diperkenalkan oleh Markowitz (1952) dengan teorinya tentang
portofolio. Strategi tersebut menjelaskan bagaimana menghasilkan return
maksimal dengan risiko minimal. Portofolio investasi berarti investasi yang
melibatkan banyak sekuritas dalam satu keputusan investasi dengan harapan dapat
mengeliminasi risiko (Hadi, 2013). Menurut Markowitz, teori portofolio
didasarkan pada kenyataan bahwa investor akan menginvestasikan uang dalam
berbagai jenis surat berharga dengan tujuan mengurangi risiko yang harus
ditanggung atau dengan melakukan diversifikasi (membentuk portofolio).
Menurut Husnan (2003), langkah-langkah dalam menentukan investasi
portofolio adalah sebagai berikut:
a. Menentukan Kebijakan Investasi
Pada tahap awal pengambilan keputusan, investor perlu menetapkan
tujuannya berinvestasi dan menentukan besarnya investasi yang akan ditanam.
Mengingat adanya korelasi antara risiko dan keuntungan (return) yang
diperoleh, maka investor tidak dapat mengatakan bahwa tujuan investasinya
adalah mencari keuntungan yang sebesar-besarnya karena akan ada kerugian
24
yang harus dihadapinya. Jadi, tujuan investasi harus dinyatakan, baik dalam
keuntungan maupun risiko.
b. Analisis Sekuritas
Pada tahap ini akan diadakan analisis terhadap individual (sekelompok)
sekuritas. Ada dua filosofi dalam melakukan analisis sekuritas, yaitu sebagai
berikut:
1) Pendapat pertama menyatakan bahwa sekuritas mispriced (harganya
salah, mungkin terlalu tinggi, mungkin terlalu rendah) Dengan analisis
ini akan dapat dideteksi sekuritas-sekuritas tersebut. Ada berbagai cara
untuk melakukan analisis ini. Cara tersebut dikelompokkan menjadi dua,
yaitu analisis teknikal dan analisis fundamental. Analisis teknikal
menggunakan data (perubahan) harga pada masa yang lalu sebagai upaya
memperkirakan harga sekuritas di masa yang akan datang dengan
melihat nilai transaksi yang terjadi. Sedangkan analisis fundamental
didasarkan pada informasi-informasi yang diterbitkan oleh emiten
maupun oleh administratur bursa efek.
2) Pendapat kedua menyatakan bahwa pasar modal adalah efisien. Dengan
demikian, peralihan sekuritas tidak didasarkan atas frekuensi risiko para
pemodal (pemodal yang bersedia menanggung risiko tinggi akan
memilih sekuritas yang berisiko tinggi), pola kebutuhan kas, dan
sebagainya. Jadi, menurut pendapat ini keuntungan yang diperoleh
pemodal sesuai dengan risiko yang ditanggung.
25
c. Pembentukan Portofolio
Tahap ini menyangkut identifikasi sekuritas mana saja yang akan dipilih
untuk membentuk portofolio dan berapa proporsi dana yang akan ditanam
pada tiap-tiap sekuritas tersebut. Adanya pemilihan sekuritas ini (dengan kata
lain pemodal melakukan diversifikasi) dimaksudkan untuk meminimalkan
risiko yang ditanggung. Pemilihan sekuritas ini akan dipengaruhi oleh
preferensi risiko, pola kebutuhan kas, dan status pajak.
d. Melakukan Revisi Portofolio
Tahap ini merupakan pengurangan terhadap ketiga tahap sebelumnya dengan
maksud jika diperlukan akan diadakan perubahan terhadap portofolio yang
telah dimiliki. Jika portofolio yang dimiliki sekarang dirasakan tidak lagi
optimal atau tidak sesuai dengan prefensi risiko pemodal, maka pemodal
dapat melakukan perubahan terhadap sekuritas-sekuritas yang membentuk
portofolio tersebut.
e. Evaluasi Kinerja Portofolio
Dalam tahap ini pemodal mengadakan penilaian terhadap kinerja
portofolionya, baik dalam aspek tingkat keuntungan yang diperoleh maupun
risiko yang ditanggung. Tidak benar bahwa suatu portofolio yang
memberikan keuntungan yang lebih tinggi mesti lebih baik daripada
portofolio lainnya karena adanya faktor risiko yang perlu dimasukkan juga.
1. Return Portofolio
Pada praktiknya para pemodal pada sekuritas sering melakukan
diversifikasi dalam investasi mereka. Mereka mengkombinasikan berbagai
26
sekuritas dalam investasi mereka. Dengan kata lain, mereka membentuk
portofolio. Jadi portofolio tidak lain adalah sekumpulan kesempatan investasi.
Mengapa mereka melakukan diversifikasi? Ada pepatah mengatakan bahwa
“Wise investors do not put all their eggs into just one basket”. Mereka
melakukan diversifikasi untuk mengurangi risiko.
Karena itu perlu dipahami bagaimana menghitung tingkat keuntungan
yang diharapkan dan standar deviasi kalau kita mengkombinasikan beberapa
investasi, atau membentuk portofolio. Perhitungan tingkat keuntungan yang
diharapkan dari suatu portofolio relatif sangat mudah, karena tidak lain
merupakan rata-rata tertimbang dari tingkat keuntungan yang diharapkan dari
masing-masing sekuritas yang membentuk portofolio tersebut (Suad Husnan,
2005:60), dinyatakan dalam rumus:
E(Rp) = ∑ Xi E(Ri) (2.4)
Keterangan:
E(Rp) = Tingkat keuntungan yang diharapkan dari portofolio
Xi = proporsi dana yang diinvestasikan pada saham i
E(Ri) = Tingkat keuntungan yang diharapkan dari saham i
2. Risiko Portofolio
Risiko pada umumnya dibagi menjadi dua yaitu, risiko sistematis atau
systematic risk dan risiko tidak sistematis atau unsystematic risk. Menurut
Tandelilin (2010: 104), risiko sistematis dapat didefinisikan sebagai "risiko
yang berkaitan dengan perubahan yang terjadi di pasar secara keseluruhan.
27
Perubahan pasar tersebut akan mempengaruhi variabilitas return suatu
investasi.Risiko sistematis merupakanrisiko yang tidak dapat didiversifikasi”.
Untuk mengukur risiko sistematis, digunakan cara yang disebut dengan Beta
(ᵦ). Sedangkan unsystematic risk risiko yang dapat dihilangkan dengan
melakukan diversifikasi, karena risiko ini hanya ada dalam satu perusahaan
atau industry tertentu. Misalnya faktor struktur modal, struktur aset, tingkat
likuiditas, tingkat keuntungan, dan lain sebagainya.
Menurut Suad Husnan (2005:54), perhitungan risiko portofolio atau
deviasi standar tingkat keuntungan portofolio agak rumit karena adanya unsur
korelasi antar tingkat keuntungan dari sekuritas-sekuritas yang membentuk
portofolio tersebut. Standar deviasi adalah akar dari varians, untuk varians
portofolio rumus umumnya adalah:
σp2 = ∑ 𝑋𝑁
𝑖=1 i2 σi
2 + ∑ ∑ 𝑋𝑁𝑗=1
𝑁𝑖=1 i Xj σij (2.5)
Keterangan:
σp2 = variance portofolio
σi2 = variance saham i
σij = covariance saham i dan saham j (σij = ρ ij σ i σ j)
E. Capital Asset Pricing Model (CAPM)
Kemampuan untuk mengestimasi return suatu individual suatu sekuritas
merupakan hal yang penting dan diperlukan oleh investor. Oleh karena itu, model
keseimbangan hadir untuk dapat mengestimasikan return suatu sekuritas dengan
28
baik dan mudah. Model yang digunakan dalam mensestimasi return dan risiko
yaitu Capital Assets Pricing Model (CAPM) (Tandelilin, 2010).
CAPM dikembangkan oleh William Sharpe, John Lintner, dan Jan Mossin
dua belas tahun setelah Harry Markowitz mengemukakan teori portofolio modern
pada tahun 1952. CAPM adalah sebuah model hubungan antara risiko dan
expected return suatu sekuritas atau portofolio. Model tersebut dapat digunakan
untuk menentukan harga aset berisiko (Zubir, 2010:197). Sedangkan menurut
Bodie dkk (2005) menjelaskan bahwa Capital Asset Pricing Model (CAPM)
merupakan hasil utama dari ekonomi keuangan modern. Capital Asset Pricing
Model (CAPM) memberikan prediksi yang tepat antara hubungan risiko sebuah
aset dan tingkat harapan pengembalian (expected return).
CAPM merupakan bagian penting dalam bidang keuangan yang digunakan
untuk memprediksi hubungan antara expected return dan risiko suatu aset. CAPM
memiliki dua fungsi utama, yakni;
a. Sebagai tolak ukur (benchmark) dalam mengevaluasi tingkat pengembalian
(rate of return) suatu investasi.
b. Membantu dalam menduga atau memprediksi expected return suatu aset yang
tidak atau belum diperdagangkan di pasar.
Model CAPM menggambarkan tingkah laku (behaviour) investor secara
bersama-sama dalam melakukan investasi. Dengan memahami tingkah laku
investor keseluruhan dalam berinvestasi, kita dapat memahami proses pemilihan
dan pembentukan portofolio investasi yang dilakukan oleh investor (Zubir,
2010:198).
29
Husnan (2005:160) memaparkan beberapa asumsi-asumsi yang digunakan
dalam model CAPM adalah sebagai berikut:
a. Diasumsikan tidak ada biaya transaksi, dengan demikian pemodal bisa
membeli atau menjual sekuritas tanpa menanggung biaya transaksi.
b. Diasumsikan bahwa investasi sepenuhnya bisa dipecah-pecah (fully divisible),
artinya pemodal bisa melakukan investasi sekecil apapun setiap jenis
sekuritas.
c. Diasumsikan tidak ada pajak penghasilan bagi para pemodal.
d. Diasumsikan pemodal tidak bisa mempengaruhi harga saham dengan
tindakan membeli atau menjual saham.
e. Para pemodal di asumsikan akan bertindak semata-mata atas pertimbangan
expected value dengan deviasi standar tingkat keuntungan portofolio.
f. Diasumsikan bahwa para pemodal bisa melakukan short sales.
g. Terdapat riskless lending and borrowing rate, sehingga pemodal bisa
menyimpan dan meminjam dengan tingkat bunga yang sama.
h. Pemodal diasumsikan mempunyai pengharapan yang homogen. Ini berarti
bahwa para pemodal sepakat tentang expected returns, deviasi standar, dan
koefisien korelasi antar tingkat keuntungan.
i. Diasumsikan bahwa semua aktiva bisa diperjual belikan.
Asumsi-asumsi diatas tidak terlihat realitis. Jika asumsi-asumsi pada model
CAPM dibuat realistis, maka kerangka analisis dan alternatif pertimbangan yang
melandasi keputusan investasi oleh investor akan makin luas dan model tersebut
akan sangat kompleks dan tidak mudah untuk digunakan. CAPM berfokus pada
30
perubahan faktor lain (selain yang diasumsikan diatas) yang mempengaruhi
investor dalam melakukan investasi. CAPM hanya menggambarkan tingkah laku
investor secara bersama-sama (kolektif) dalam melakukan investasi. Pilihan
investasi hanya disasarkan pada pertimbangan return dan risiko suatu sekuritas
(Zubir, 2010:200).
Menurut Gitman dan Zutter (2012), menjelaskan rumus CAPM sebagai
berikut:
E(Ri) = Rf + βi (Rm – Rf) (2.6)
Keterangan:
E(Ri) = Tingkat keuntungan yang diharapkan untuk saham i
Rf = Tingkat bunga bebas risiko
βi = Koefisien beta atau risiko sistematis untuk saham i
Rm = Tingkat pengembalian pasar
F. Arbitrage Pricing Theory (APT)
Ross pada tahun 1976 merumuskan suatu teori yang disebut sebagai
Arbitrage Pricing Theory (APT). Pada model CAPM, analisis dimulai dari
bagaimana pemodal membentuk portofolio yang efisien, APT mendasarkan diri
atas pemikiran yang berlainan. APT pada dasarnya menggunakan pemikiran yang
menyatakan bahwa dua kesempatan investasi mempunyai karakteristik yang
identik sama tidak bisa dijual dengan harga yang berbeda. Konsep yang digunakan
pada model APT ialah hukum satu harga (the law of one price).
31
APT mengasumisikain bahwa tingkat keuntungan dipengaruhi oleh berbagai
faktor dalam perekonomian dan industri. Korelasi antara tingkat keuntungan dua
sekuritas terjadi karena sekuritas-sekuritas tersebut dipengaruhi oleh faktor atau
korelasi antar tingkat keuntungan, model tersebut tidak menjelaskan faktor-faktor
yang mempengaruhi korelasi tersebut. Baik CAPM maupun APT berpendapat
bahwa ada hubungan yang positif antara tingkat keuntungan yang diharapkan
dengan risiko (Husnan, 2005:198).
Model APT memiliki asumsi bahwa tingkat pengembalian acak atas sekuritas
𝑖 dipengaruhi oleh beberapa faktor. Asumsi tersebut dapat dinyatakan dalam
persamaan sebagai berikut (Vian Riska Ayuning Tyas, dkk, 2014):
Ri = Ṝi + bi1Fi1 + bi2Fi2 + ... + bijFj + ei (2.7)
Keterangan:
Ri = Tingkat return sekuritas i
Ṝi = Konstanta
bi,j= Sensitivitas pendapatan sekuritas i terhadap faktor j
Fi,j = Faktor j yang mempengaruhi pendapatan
ei = random error
G. Single Index Model
Konsep Single Index Model menurut Zubir (2011:97), adalah sebuah teknik
untuk mengukur return dan risiko sebuah saham atau portofolio. Model tersebut
mengasumsikan bahwa pergerakan return saham hanya berhubungan dengan
pergerakan pasar. Single Index Model membagi return dari sekuritas ke dalam dua
bagian, yaitu komponen return yang unik diwakili oleh αi yang independen
32
terhadap return pasar, dan komponen return yang berhubungan dengan return
pasar yang diwakili oleh βi . RM. Single Index Model dapat dinyatakan dalam
bentuk return ekspektasi (expected return) (Jogiyanto, 2012:371)
1. Analisis Portofolio Menggunakan Single Index Model
Hasil perhitungan berdasarkan Single Index Model selain dapat
digunakan sebagi input analisis portofolio, tetapi juga dapat digunakan secara
langsung untuk analisis portofolio. Analisis tersebut berhubungan dengan
return ekspektasi portofolio dan risiko portofolio (Jogiyanto, 2013:385).
a. Expected Return portofolio bersadarkan Single Index Model
Return ekspektasi portofolio merupakan rata-rata tertimbang dari return
ekspektasi individual sekuritas.
b. Risiko Portofolio
Risiko yang dihitung berdasarkan Single Index Model terdiri dari dua
bagian, yaitu risiko yang berhubungan dengan pasar (market related risk)
yaitu βi2.σ2M dan risiko unik masing–masing perusahaan (unique risk)
yaitu σ2ei.
2. Portofolio Optimal Berdasarkan Model Indeks Tunggal
Perhitungan untuk menentukan portofolio optimal akan sangat
dimudahkan jika hanya didasarkan pada sebuah angka yang dapat menentukan
apakah suatu sekuritas dapat dimasukkan ke dalam portofolio optimal tersebut.
Angka tersebut adalah rasio antara ekses return dengan beta (Excess Return to
Beta) (Jogiyanto, 2015:430).
33
Excess Return to Beta (ERB) didefinisikan sebagai selisih return
ekspektasi dengan return aktiva bebas risiko. Excess Return to Beta (ERB)
berarti mengukur kelebihan return relatif terhadap satu unit risiko yang tidak
dapat didiversifikasikan yang diukur dengan beta. Rasio beta ini juga
menunjukkan hubungan antara dua faktor penentu investasi, yaitu risiko dan
return.
Excess Return to Beta (ERB) dapat dihitung dengan menggunakan
rumus sebagai berikut: (Jogiyanto, 2015:430).
ERB = E(Ri) – Rf (2.8)
βi
Keterangan:
ERB = Excess Return to Beta sekuritas ke-i
E(Ri) = Expected Return sekuritas i
Rf = Return aktiva bebas risiko
βi= beta sekuritas ke-i
Portofolio yang optimal akan berisi dengan aktiva-aktiva yang
mempunyai nilai rasio ERB (Excess Return to Beta) yang tinggi. Aktiva-aktiva
dengan rasio ERB (Excess Return to Beta) yang rendah tidak akan dimasukkan
ke dalam portofolio optimal.
Diperlukan sebuah titik pembatas (Cut-off point/Ci) yang menentukan
batas nilai ERB (Excess return to beta) berapa yang dikatakan tinggi atau
rendah. Besarnya Cut-off rate (C*) ditentukan oleh nilai Ci terbesar. Sekuritas-
sekuritas yang membentuk portofolio optimal adalah sekuritas-sekuritas yang
34
mempunyai nilai ERB (Excess Return to Beta lebih besar atau sama dengan
nilai ERB (Excess Return to Beta) di titik C*. Sekuritas-sekuritas yang
mempunyai ERB lebih kecil dari titik C* tidak diikutsertakan dalam
pembentukan portofolio optimal (Jogiyanto, 2015:432).
Setelah menemukan sekuritas-sekuritas mana saja yang membentuk
portofolio optimal sesuai kriteria ERB > C*, maka langkah selanjutnya adalah
menghitung seberapa besar proporsi masing-masing sekuritas tersebut dalam
portofolio optimal.
H. Pengukuran Kinerja Portofolio
Perkembangan konsep pengukuran kinerja portofolio terjadi pada akhir tahun
60-an yang dipelopori oleh Wiliam Sharpe, Treynor, dan Michael Jensen.
Konsep ini berdasarkan teori Capital Market. Ketiga ukuran ini dikenal dengan
istilah Composite (risk-adjusted) Measure of Portofolio Performance (Samsul,
2006).
1. Sharpe’s Model
Menurut Sharpe, kinerja portofolio dimasa yang akan datang dapat
diprediksi dengan menggunakan dua ukuran yaitu dengan Expected Return dan
Predicted Variability of Risk yang diekspresikan sebagai Standar Deviasi dan
menghubungkan antara besarnya Return dan besarnya risiko. Dengan Rumus
sebagai berikut (Samsul, 2006):
R/Vs = E(Rp) - Rf (2.9)
σp
35
Keterangan:
R/Vs = Reward To Variability Ratio Model Sharpe
E(Rp) = Average Return Portofolio
Rf = Risk Free Rate
p = Standar Deviasi portofolio sebagai tolak ukur risiko
2. Jensen’s Model
Jensen menekankan bahwa hasil Return yang dimaksud adalah Average
Return (Rp) masa lalu sedangkan Minimum Rate Of Return adalah Expected
Return E(Rp). Dimana Jensen menggunakan Rumus CAPM yang ditulis
dengan rumus sebagai berikut (Samsul, 2006):
E(Ri) = Rf + βi (Rm – Rf) (2.10)
Keterangan:
E(Ri) = Tingkat keuntungan yang diharapkan untuk saham i
Rf = Tingkat bunga bebas risiko
βi = Koefisien beta atau risiko sistematis untuk saham i
Rm = Tingkat pengembalian pasar
3. Treynor’s Model
Menurut Treynor dalam mengevaluasi kinerja dengan menggunakan
Average Return masa lalu sebagai Expected Return dan menggunakan beta
sebagai tolak ukur risiko. Model Treynor dinyatakan dengan rumus sebagai
berikut (Samsul, 2006):
R/Vs = E(Rp) – Rf (2.11)
βp
36
Keterangan:
R/Vt = Reward To Variability Ratio Model Treynor
E(Rp) = Average Return Portofolio
Rf = Risk Free Rate
βp = Beta portofolio sebagai tolak ukur risiko
I. Fama-French Three Factor Model
Model penentuan harga aset merupakan sekumpulan prediksi
mengenai imbal hasil yang akan diperoleh terhadap aset berisiko yang telah
dipilih. Model lain yang dapat digunakan sebagai wadah untuk perhitungan
return adalah model yang dikembangkan oleh Eugene F. Fama dan Kenneth R.
French pada tahun 1992 yang dikenal sebagai teori Fama-French Three-Factor
Model.
Apabila pada metode Capital Asset Pricing Model (CAPM) satu-
satunya yang menjadi indikator penilaian return adalah premi risiko (Beta),
maka pada pengembangan teori yang dilakukan oleh Fama dan French
melibatkan dua variabel yang ditambahkan untuk mengukur return saham yang
dimiliki oleh investor. Kedua variabel tersebut adalah Size dan Book to Market
Equity Ratio. Penambahan dua variabel tersebut memberikan anggapan bagi
sebagian peneliti bahwa model inilah yang paling efisien untuk digunakan
dalam menghitung Return.
Fama dan French (1998) mengemukakan bahwa perusahaan dengan
high book-to-market equity (value stock) memberikan return yang lebih tinggi
dibandingkan dengan low book-to-market equity (growth stock) di 12 pasar
37
modal, dan perusahaan dengan small stock memberikan return lebih tinggi
daripada large stock di 11 pasar modal (Hardianto dan Suherman , 2009).
Semua hasil studi mengkonfirmasi model Fama dan French mampu
menjelaskan average return of stock di pasar modal lebih baik dari Capital
Asset Pricing Model (CAPM). Fama dan French (2004) juga mengatakan
bahwa Capital Asset Pricing Model (CAPM) sangat manjur (powerful) sebagai
pengukur risiko dan hubungan antara keuntungan yang diharapkan dan risiko
(expected return and risk). Sayangnya, banyak hasil penelitian empiris dengan
model ini tidak ditemukan demikian
Formula yang dapat dituliskan untuk metode Fama-French Three
Factor Model adalah sebagai berikut (Hanafi, 2004):
𝑅𝑖 − 𝑅𝑓 = 𝛼 + 𝛽𝑖 (𝑅𝑚 − 𝑅𝑓) + 𝛾𝑖 (𝑆𝑀𝐵) + 𝛿𝑖 (𝐻𝑀𝐿) + 𝑒𝑖 (2.12)
Keterangan:
Ri = return saham i historis
Rf = return aset bebas risiko historis
α = intercept
βi = beta pasar atau koefisien regresi
Rm = return atau tingkat keuntungan pasar historis
γi= koefisien regresi saham i terhadap return SMB
SMB = Small Minus Big, yaitu selisih return portofolio saham kecil dengan
portofolio saham besar
δi = koefisien regresi saham i terhadap return HML
38
HML = High Minus Low, yaitu selisih return portofolio saham dengan B/M
tinggi dengan portofolio saham dengan B/M rendah.
ei = error term
1. Premi Risiko
Return merupakan salah satu faktor yang paling memotivasi investor
untuk berinvestasi dan salah satu imbalan bagi investor karena telah berani
menanggung risiko tertentu sesuai dengan karakternya masing-masing.
Menurut Webster dalam Brigham dan Housto, (2012) risiko (risk)
didefinisikan sebagai suatu halangan, gangguan, eksposur terhadap kerugian
atau kecelakaan. Jadi, risiko disini diartikan sebagai adanya peluang dari
berbagai hal yang tidak dikehendaki.
Hubungan antara risiko dan return merupakan hubungan yang bersifat
searah dan linier. Oleh karena itu semakin besar risiko suatu aset, maka
semakin besar pula tingkat pengembalian yang akan diperoleh dari aset
tersebut.
Risiko sekuritas dapat ditunjukkan dengan beta, karena pada pasar yang
seimbang portofolio yang terbentuk sudah terdiversifikasi dengan baik
sehingga risiko yang relevan adalah risiko sistematis (beta). Beta merupakan
ukuran risiko sistematis suatu sekuritas yang tidak dapat dihilangkan melalui
diversifikasi. Beta menunjukkan sensitivitas return sekuritas terhadap
perubahan return pasar. Semakin tinggi beta suatu sekuritas maka semakin
sensitif sekuritas tersebut terhadap pasar. Sebagai ukuran sensitivitas return
39
saham, beta juga dapat digunakan untuk membandingkan risiko sistematis
antara satu saham dengan saham yang lain (Tandelilin, 2001).
Premi risiko pasar (market risk premium/RPm) menurut Brigham dan
Houston (2012) menunjukkan premi yang diminta oleh investor untuk
menanggung risiko saham rata-rata. Besarnya premi ini akan bergantung pada
seberapa besar investor menilai pasar saham dan seberapa tinggi penghindaran
risikonya.
𝑅𝑃𝑚 = 𝑅𝑚− 𝑅𝑟𝑓 (2.13)
Keterangan:
RPm = Premi risiko “pasar” dan juga premi saham rata-rata. Ini merupakan
tambahan pengembalian di atas tingkat bebas risiko yang diminta untuk
memberikan kompensasi bagi seorang investor karena menanggung risiko
saham rata-rata.
2. Size (Ukuran Perusahaan)
Faktor kedua yang dijelaskan oleh Fama-French Three-Factor Model
adalah Size atau ukuran perusahaan. Menurut Nurafiyana (2010), ukuran suatu
perusahaan diperhitungkan karena perusahaan yang lebih kecil akan memiliki
risiko yang lebih tinggi daripada perusahaan yang lebih besar, maka dari itu
investor mengharap return yang lebih besar pada perusahaan yang ukurannya
lebih kecil.
Sedangkan menurut Ferry dan Jones dalam Sujianto (2001), ukuran
perusahaan menggambarkan besar kecilnya suatu perusahaan yang ditunjukkan
40
oleh total aktiva, jumlah penjualan, rata–rata total penjualan dan rata–rata total
aktiva. Jadi, ukuran perusahaan merupakan ukuran atau besarnya asset yang
dimiliki oleh perusahaan. Pada dasarnya ukuran perusahaan hanya terbagi
dalam dua kategori yaitu perusahaan besar (large firm), dan perusahaan kecil
(small firm).
Alasan mengapa perusahaan kecil memberikan premium (return) yang
lebih besar daripada perusahaan besar adalah (Zubir, 2013):
a. Perusahaan kecil pada umumnya mempunyai risiko yang lebih besar
daripada perusahaan besar, oleh karena itu return saham yang diminta
investor terhadap perusahaan kecil lebih besar daripada perusahaan besar.
b. Adanya kesalahan dalam penetapan harga saham perusahaan kecil
(mispricing), sehingga terjadi koreksi harga.
c. Perusahaan kecil sering mempunyai tingkat pertumbuhan yang tinggi.
Pertumbuhan tersebut akan memengaruhi harga sahamnya. Semakin tinggi
tingkat pertumbuhan cash flow, semakin besar nilai perusahaan. Untuk
bertumbuh besar, dividen yang dibagikan (Dividen Payout Ratio/DPR)
cenderung kecil karena sebagian besar dari keuntungan diinvestasikan
kembali.
Menurut Paulo Alves (2013) Size dihitung dengan menggunkan
pengukuran Kapitalisasi Pasar atau Market Capitalization, yaitu dengan
persamaan sebagai berikut:
Size = Close Price x Jumlah Saham Beredar (2.14)
41
3. Book to Market Equity Ratio
Book to Market Equity adalah rasio harga pasar suatu saham terhadap
nilai bukunya (Brigham dan Houston, 2012). Rasio ini memberikan gambaran
bagi para investor dalam menilai perkembangan suatu perusahaan karena
apabila perusahaan dipandang baik berarti perusahaan tersebut mengalami
pertumbuhan dilihat dari laba yang diperoleh dan arus kas nya.
Rasio book to market equity menyatakan perbandingan Book Equity
terhadap Market Equity perusahaan. Fama dan French (1995) mendefinisikan
Book to Market Equity sebagai “Book common equity for the fiscal year ending
in calendar year (t-1), divied by market equity at the end of December of the
year (t-1)”. Book to market ratio dihitung dengan membagi Equity per Share
dengan closing price bulan desember (akhir tahun), untuk membagi perusahaan
menjadi tiga kategoti yaitu perusahaan dengan Book to Market Ratio rendah,
sedang (medium), dan tinggi.
Book to Market Equity Ratio (BE/ME) = Total Ekuitas
𝐾𝑎𝑝𝑖𝑡𝑎𝑙𝑖𝑠𝑎𝑠𝑖 𝑃𝑎𝑠𝑎𝑟 (2.15)
Beberapa alasan investor menggunakan Book to Market Ratio di dalam
menganalisis investasi antara lain:
a. Book value memberikan pengukuran yang relatif stabil, untuk
dibandingkan dengan market price. Untuk investor yang tidak
mempercayai estimasi discounted cash flow, book value dapat menjadi
benchmark dalam memperbandingkan dengan market price.
b. Karena standar akuntansi yang hampir sama pada setiap perusahaan, Book
to Market Ratio bisa dikomparasikan dengan perusahaan lain yang berada
42
pada satu sektor, untuk mengetahui apakah perusahaan tersebut masih
undervalue atau sudah overvalue.
c. Perusahaan dengan earnings negatif, sehingga tidak bisa dinilai dengan
menggunakan earning-price ratio, dapat dievaluasi dengan menggunakan
book to market ratio. Perusahaan yang mempunyai book value negatif,
lebih sedikit daripada perusahaan yang mempunyai earnings negatif.
Secara teoritis rasio Book to market memiliki pengaruh negatif terhadap
return saham dengan kata lain semakin tinggi rasio Book to Market suatu
perusahaan maka semakin rendah return saham yang dihasilkan, begitu pula
sebaliknya dimana perusahaan dengan Rasio Book to Market rendah memiliki
tingkat Return saham yang relatif lebih tinggi.
J. Penelitian Terdahulu
TABEL. 2.1
PENELITIAN TERDAHULU
No Nama
Peneliti
(Tahun)
Judul
Penelitian
Sampel Metode
Peneliti
an
Hasil Penelitian
1. Belen
Blanco
(2012)
“The use of
CAPM and
Fama and
French Three
Factor
Model:
portfolios
selection”
Pasar saham
Amerika dari
Juli 1926
sampai Januari
2006 (955
observasi)
Fama-
French
Three
Factor
Model
dan
CAPM
Three factor
model dari Fama-
French lebih baik
dari CAPM untuk
menjelaskan
return yang
diharapkan pada
portofolio. Tetapi
hasil tersebut
bergantung pada
bagaimana
portofolio
dibentuk.
43
2. Paulo
Alves
(2013)
“The Fama
French
Model Or The
Capital Asset
Pricing
Model:
International
Evidence”
Perusahaan
yang terdaftar
pada European
Monetary
Union (EMU),
yaitu Austria,
Belgia,
Finlandia,
Perancis,
Jerman,
Islandia, Italia,
Portugal, dan
Spanyol.
Fama-
French
Three
Factor
Model
dan
CAPM
Fama-French
Three Factor
Model lebih baik
dibandingkan
CAPM untuk
Perusahaan
dengan Size kecil
dan BE/ME Ratio
tinggi.
3. Valsamis
Monolakis
(2012)
“Fama and
French
Three-Factor
Model:
Application
to Greek
Stock
Market”
Pasar Saham di
Greek dari Juni
2001-Juni 2011
Fama-
French
Three
Factor
Model
Model Tiga
Faktor dari Fama
and French
menjelaskan
Return saham
lebih baik
daripada CAPM
dengan
menambahkan
variabel SMB dan
HML sebagai
variabel bebas
dan Excess
Return sebagai
variabel terikat.
4. Reni
Marlina
(2015)
“Formation
Of Stock
Portfolio
Using Single
Index Model
(Case Study
On Banking
Shares In The
Indonesia
Stock
Exchange)”
Bank Syariah
yang terdaftar
di Bursa Efek
Indonesia
Single
Index
Model
Dari 30 bank,
terdapat 5 saham
yang dapat
membentuk
portofolio
optimal yaitu;
MAYA, MCOR,
BACA, BBCA,
dan SDRA.
44
5. M.
Sathyapriy
a (2016)
“Optimum
Portfolio
Construction
Using Sharpe
Index Model
With
Reference to
Infrastructue
sector and
Pharmaceuti
cal Sector”
Perusahaan
pada sektor
Infrastruktur
dan Farmasi
dari tahun
2008-2012
Model
Tunggal
Sharpe
(Sharpe
Index
Model)
Sektor Farmasi
memiliki kinerja
lebih baik dari
sektor
Infrastruktur
sebanyak 80%,
dimana dari
Sektor
Infrastruktur
hanya terdapat 1
saham yang
masuk sebagai
portofolio
optimal.
Sedangkan 4
saham lainnya
berasal dari
Sektor Farmasi.
6. Bambang
Sudiyatno,
Moch.
Irsad
(2011)
“Menguji
model tiga
faktor Fama
dan French
dalam
mempengaru
hi return
saham studi
pada saham
LQ45 di
bursa efek
Indonesia”
Saham pada
indeks saham
LQ45 periode
2007-2009
Model
Fama-
French:
Model
tiga
Faktor
Pengaruh positif
signifikan antara
premi risiko
dengan return
saham, sedangkan
ukuran
perusahaan dan
book-to-market
ratio berpengaruh
negatif, tetapi
tidak signifikan
terhadap return
saham. Oleh
karena itu, dua
faktor Fama dan
French tidak
terbukti
berpengaruh pada
return saham.
45
7. Bramantio
Cahyadi
dan Adisti
Febriwanty
(2014)
“Pengaruh
variabel
makro
terhadap
pembentukan
portofolio
optimal
dengan single
index model
pada bursa
Efek
Indonesia
(BEI)”
1. IHSG
(Indeks Pasar)
2. Indeks LQ45
periode
Februari 2006
sampai July
2012
Single
Index
Model
Diperoleh 6
saham yang dapat
membentuk
portofolio
optimal,
diantaranya
adalah PTBA
dengan nilai ERB
0,023009; BBCA
dengan nilai ERB
0,021328; INDF
dengan nilai ERB
0,019752; ASII
dengan nilai ERB
0,019063; UNTR
dengan nilai ERB
0,018632; AALI
dengan nilai ERB
0,017504
8. Yolita,
Syarief
Fauzie
(2014)
“Analisis
Stock Returns
Perusahaan
Perbankan
pada Jakarta
Composite
Index (IHSG)
Menggunaka
n Fama-
French
Three-Factor
Model”
IHSG periode
Februari 2008
sampai Januari
2014
Fama-
French:
Three
Factor
Model
Signifikansi
hampir pada
setiap portofolio
menunjukkan
bahwa Fama-
French Three
Factor Model
dapat
menjelaskan
pengembalian
saham pada
Jakarta
Composite Index
dalam sektor
perbankan.
Secara empiris,
Fama-French
Three-Factor
Model dapat
menjelaskan
pengembalian
46
saham di atas
pengembalian
tingkat bebas
risiko lebih baik
daripada model
CAPM.
9. Renny
Nur’ainy,
dkk (2013)
“Studi
Empiris
Pembentukan
Portofolio
Saham
Multifaktor di
Bursa Efek
Indonesia”
Perusahaan
yang terdaftar
di Bursa Efek
Indonesia
(BEI) dari
tahun 2007-
2011.
Pendekat
an multi-
faktor
untuk
model
tiga
faktor
dari
Fama
dan
French
Three Factor
Fama and French
dan Capital Asset
Pricing Model
mampu
menjelaskan
tingkat return
yang diharapkan.
Selain itu model
Three Factor
Fama and French
lebih baik dalam
menjelaskan
tingkat return
saham yang
diharapkan.
10. Richard
Irawan dan
Werner R.
Murhadi
(2012)
“Analisis
Pengaruh
Three Factor
Model dan
Persentase
Kepemilikan
Asing
terhadap
Tingkat
Return di
Bursa Efek
Indonesia”
269 perusahaan
yang terdaftar
di Bursa Efek
Indonesia pada
tahun 2008-
2011.
Fama
dan
French:
Three
Factor
Model
Faktor market,
size dan book to
market equity
berpengaruh
positif pada
return, sedangkan
faktor
kepemilikan
asing tidak
berpengaruh
secara signifikan
terhadap return
saham.
47
K. Kerangka Pemikiran
GAMBAR. 2.1
Kerangka Pemikiran
L. Hipotesis Penelitian
Berdasarkan perumusan masalah dan tujuan penelitian maka hipotesis dalam
penelitian ini adalah sebagai berikut:
1. Hipotesis Pertama:
H01 : Terdapat Pembentukan Portofolio Optimal dengan Single Index Model
Ha1 : Tidak terdapat Pembentukan Portofolio Optimal dengan Single Index
Model
Daftar Saham SRI-KEHATI Tahun 2013-2017
Memilih saham yang selalu masuk SRI-KEHATI dari tahun 2013-2017 berturut-
turut
Menyeleksi saham yang memberikan Return positif
Pembuatan Portofolio Optimal dengan Single Index Model
Indeks Sharpe Indeks Jensen Indeks Treynor
Menganalisis Pengaruh Fama-French Three Factor Model terhadap Return
Saham
Variabel Independen:
Premi Risiko (Beta)
Size
Book to Market Equity
Variabel Dependen:
Return Saham
48
2. Hipotesis Kedua:
H02 : Terdapat pengaruh Fama-French Three Factor Model terhadap Return
Saham
Ha2 : Tidak terdapat pengaruh Fama-French Three Factor Model terhadap
Return Saham
49
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Penelitian ini bertujuan untuk membentuk Portofolio Optimal dengan
menggunakan metode yang disebut dengan Single Index Model, lalu dilakukan
pengukuran kinerja terhadap portofolio optimal tersebut menggunakan Indeks
Sharpe, Indeks Jensen, dan Indeks Treynor. Kemudian, menganalisis apakah
terdapat pengaruh dari Fama-French Three Factor Model terhadap Return saham.
Adapun saham-saham yang digunakan dalam penelitian ini adalah saham
yang listed atau terdaftar dalam Bursa Efek Indonesia (BEI) dan masuk kategori
Indeks Saham SRI-KEHATI. Kriteria saham yang masuk Indeks SRI-KEHATI
(Sustainable and Responsible Invesment) adalah emiten tidak bergerak dalam
sektor pestisida, nuklir, senjata, tembakau, alkohol, pornografi,
perjudian, genetically modified organism (GMO), dan pertambangan batubara.
Selanjutnya emiten yang memiliki kapitalisasi pasar dan total aset lebih besar dari
Rp 1 triliun, free float ratio lebih besar dari 10 persen, serta rasio price
earning (PE) positif. Dan kriteria terakhir adalah menyeleksi saham-saham
dengan memperhatikan enam aspek fundamental yakni, Environmental,
Community, Corporate Governance, Human Rights, Business Behavior, dan
Labor Practices and Decent Work. Intinya, saham-saham yang masuk Indeks SRI-
KEHATI adalah saham-saham yang menggunakan prinsip keberlanjutan,
keuangan, dan tata kelola yang baik, serta kepedulian terhadap lingkungan hidup.
50
Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data
harga saham penutupan (Close Price), tingkat suku bunga bebas risiko (Risk Free
Rate) yang berupa suku bunga Bank Indonesia (BI Rate) selama tahun 2013–2017,
dan harga penutupan harian IHSG. Data dikelola menggunakan bantuan program
komputer berupa SPSS, E-Views, dan Microsoft Excel.
B. Model Penentuan Sampel
Populasi yang digunakan dalam penelitian ini adalah saham-saham yang
masuk dalam kategori Indeks SRI-KEHATI selama tahun 2013-2017. Indeks SRI-
KEHATI terdiri dari 25 saham yang memiliki total aset lebih dari Rp 1 Triliun
dan memiliki free float ratio lebih dari 10%, serta memperhatikan enam aspek
fundamental yaitu, tata kelola perusahaan, lingkungan, keterlibatan masyarakat,
perilaku bisnis, sumber daya manusia, dan hak asasi manusia (HAM). Keberadaan
perusahaan terpilih akan dievaluasi setiap 2 (dua) periode dalam setahun, yaitu
pada bulan April dan Oktober, dan setelah terpilih nama-nama dari 25 (dua puluh
lima) perusahaan tersebut akan di publikasikan oleh BEI.
Teknik yang digunakan dalam penentuan sampel adalah Purposive Sampling,
dimana sampel penelitian ditentukan berdasarkan pada pertimbangan-
pertimbangan tertentu. Kriteria yang digunakan sebagai dasar pertimbangan
adalah sebagai berikut:
1. Saham-saham yang terdaftar di Indeks SRI-KEHATI selama periode 2013 –
2017
2. Saham-saham yang selalu masuk kategori SRI-KEHATI selama periode
2013–2017 berturut-turut.
51
Berdasarkan hasil penyeleksian, terdapat saham yang memenuhi syarat untuk
menjadi sampel penelitian. Adapun daftar saham yang dijadikan sebagai sampel
penelitian dapat dilihat dalam tabel berikut:
Tabel. 3.1
Daftar Saham SRI-KEHATI Tahun 2013-2017
Sumber: IDX, Data Diolah
C. Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah jenis data sekunder. Data-
data yang diperlukan dalam penelitian ini adalah:
1. Daftar saham yang selalu masuk Indeks SRI-KEHATI selama tahun 2013-
2017
NO Kode Nama Saham
1 AALI Astra Agro Lestari Tbk
2 ADHI Adhi Karya (Persero) Tbk
3 ASII Astra Internasional Tbk
4 BBCA Bank Central Asia Tbk
5 BBNI Bank Negara Indonesia Tbk
6 BBRI Bank Rakyat Indonesia Tbk
7 BDMN Bank Danamon Indonesia Tbk
8 BMRI Bank Mandiri (Persero) Tbk
9 INDF Indofood Sukses Makmur Tbk
10 JSMR Jasa Marga (Persero) Tbk
11 KLBF Kalbe Farma Tbk
12 LSIP Perusahaan Perkebunan London Sumatra Indonesia Tbk
13 PGAS Perusahaan Gas Negara (Persero) Tbk
14 SMGR Semen Indonesia (Persero) Tbk
15 TINS Timah (Persero) Tbk
16 TLKM Telekomunikasi Indonesia (Persero) Tbk
17 UNTR United Tractors Tbk
18 UNVR Unilever Tbk
52
2. Daftar harga penutupan saham harian dan triwulanan selama tahun 2013-
2017
3. Tingkat Suku Bunga Bank Indonesia (BI Rate) selama tahun 2013-2017
4. Harga penutupan IHSG harian dan triwulanan selama tahun 2013-2017
5. Total Ekuitas dan Total Aset triwulanan dari masing-masing emiten
6. Jumlah saham beredar dari masing-masing emiten
Data-data diatas didapatkan peneliti dari hasil pencarian pada internet. Data-
data tersebut tersedia pada link url, www.kehati.or.id, www.idx.co.id,
www.bi.go.id, dan www.finance.yahoo.com dan dari laporan keuangan serta
laporan tahunan masing-masing emiten yang masuk Indeks SRI-KEHATI dari
tahun 2013-2017.
D. Metode Analisis Data
1. Pembentukan Portofolio Optimal dengan Single Index Model
Pengukuran yang dilakukan untuk membentuk portofolio optimal
menggunakan Single Index Model dalam penelitian ini adalah sebagai berikut:
a. Menghitung Actual dan Expected Return Saham Individual
Menghitung Actual Return saham individual dilakukan dengan cara
menghitung Return saham setiap bulan selama periode penelitian dengan
menggunakan harga penutupan (Close Price) dari masing-masing emiten
indeks saham SRI-KEHATI. Metode perhitungan dilakukan dengan
formula sebagai berikut:
53
Ri = Pt - Pt-1 (3.1)
Pt-1
Keterangan:
Ri = Return saham i
Pt = Harga penutupan periode t
Pt-1 = Harga penutupan periode t-1
Sedangkan menghitung expected return saham individual dilakukan
dengan cara membagi jumlah tingkat keuntungan dengan jumlah periode
(Husnan, 2005:51), yaitu sebagai berikut:
E(Ri) = ∑𝑅𝑖𝑗
𝑁
𝑁𝑖=1 (3.2)
Keterangan:
E(Ri) = Expected return saham i
Rij = Tingkat keuntungan aktual saham i
N = Banyaknya periode yang terjadi
b. Menghitung Actual dan Expected Return Pasar
Return pasar dibagi menjadi dua yaitu, return pasar aktual dan
expected return pasar. Menghitung return pasar aktual menggunakan Indeks
Harga Saham Gabungan (IHSG) harian pada saat harga penutupan (Close
Price). Formulanya sebagai berikut:
54
Rm = IHSGt – IHSGt-1 (3.3)
IHSGt-1
Keterangan:
Rm = Return pasar
IHSGt = IHSG pada periode t
IHSGt-1 = IHSG pada periode t-1
Expected return pasar dihitung dengan membagi jumlah return pasar
dengan jumlah periode yang terjadi, atau sebagai berikut:
E(Rm) = ∑ 𝑛𝑗=1 Rm (3.4)
N
Keterangan:
E(Rm) = Expected return pasar
Rm = Return pasar
N = jumlah periode yang terjadi
c. Menghitung Standar Deviasi saham dan Standar Deviasi Pasar
Standar Deviasi merupakan pengukuran seberapa jauh Actiual Return
menyimpang dari Expected Return, oleh karena itu Standar Deviasi dapat
dikatakan sebagai ukuran risiko. Standar Deviasi adalah akar dari varians
atau dapat dihitung menggunakan rumus berikut (Husnan, 2005:53).
55
σi = ∑[(𝑅𝑖𝑗−𝐸(𝑅𝑖)]2
𝑁
𝑀𝑗=1 (3.5)
Keterangan:
σi = Standar Deviasi investasi i
Rij = Tingkat keuntungan aktual pada investasi i
E(Ri) = Tingkat keuntungan yang diharapkan pada investasi i
N = Jumlah peristiwa yang mungkin terjadi
Sedangkan Standar Deviasi Pasar dapat dihitung menggunakan
persamaan berikut.
σm = ∑[(𝑅𝑚−𝐸(𝑅𝑚)]2
𝑁
𝑀𝑗=1 (3.6)
Keterangan:
σm = Standar Deviasi pasar
Rij = Tingkat keuntungan aktual pasar
E(Ri) = Tingkat keuntungan yang diharapkan pasar
N = Jumlah peristiwa yang mungkin terjadi
d. Menghitung Beta Saham
Beta (βi) berfungsi sebagai pengukur volatilitas return saham, atau
portofolio terhadap return pasar. Volatilitas merupakan
fluktuasi return suatu saham atau portofolio dalam suatu periode tertentu,
jika secara statistik fluktuasi tersebut mengikuti fluktuasi dari berbagai
56
tingkat pengembalian pasar, maka dikatakan beta dari sekuritas tersebut
bernilai satu (Jogiyanto, 2007). Beta bisa dihitung dengan menggunakan
rumus berikut (Husnan, 2005).
βi = 𝜎𝑖,𝑚
𝜎𝑚² (3.7)
Keterangan:
βi = beta saham
σim = kovarians return saham i dengan return pasar
σm = return pasar
e. Menghitung Alpha Saham
Alpha suatu saham (αi) menunjukan bagian return yang unik yaitu
return yang tidak dipengaruhi oleh risiko pasar. Alpha saham dapat dihitung
dengan persamaan berikut (Husnan, 2005:108):
αi = E(Rit) - βi E(Rmt) (3.8)
Keterangan:
αi = Alpha saham i
E(Rit) = Expected return saham i pada periode t
βi = beta pasar atau koefisien regresi
E(Rmt) = Expected return pasar pada periode t
f. Menghitung Varians dari kesalahan Residu
57
Varians dari kesalahan residu atau Variance Error (σei²) menunjukan
risiko tidak sistematis yang unik terjadi di dalam perusahaan atau dapat
dihitung menggunakan persamaan berikut (Nalini, 2014).
σei² = σi² - βi² . σm² (3.9)
Keterangan:
σei² = Varians dari kesalahan Residu
σi² = Varians saham i
βi² = Beta saham
σm² = Varians Return saham
g. Menghitung Return Aset bebas risiko
Return Aset bebas risiko pada penelitian ini menggunakan Suku
Bunga Bank Indonesia (BI Rate) dari tahun 2013-2017 yang dirata-ratakan
dengan 360 karena menggunakan BI Rate harian.
h. Menghitung Excess Return to Beta
Excess Return to Beta (ERB) didefinisikan sebagai selisih return
ekspektasi dengan return aktiva bebas risiko. Excess Return to Beta (ERB)
berarti mengukur kelebihan return relatif terhadap satu unit risiko yang
tidak dapat didiversifikasikan yang diukur dengan beta. Rasio beta ini juga
menunjukkan hubungan antara dua faktor penentu investasi, yaitu risiko dan
return.
58
Excess Return to Beta (ERB) dapat dihitung dengan menggunakan
rumus sebagai berikut: (Jogiyanto, 2015:430).
ERB = E(Ri) – Rf (3.10)
βi
Keterangan:
ERB = Excess Return to Beta sekuritas ke-i
E(Ri) = Expected Return sekuritas i
Rf = Return aktiva bebas risiko
βi= beta sekuritas ke-i
i. Menghitung Cut Off Point
Besarnya titik pembatas (Cut Off Point) dapat ditentukan dengan
langkah-langkah sebagai berikut (Jogiyanto, 2012):
1) Urutkan sekuritas-sekuritas berdasarkan nilai ERB terbesar ke nilai ERB
terkecil. Sekuritas-sekuritas dengan nilai ERB yang tinggi merupakan
kandidat yang akan dimasukkan ke portofolio optimal
2) Menghitung nilai Ai dan Bi untuk masing-masing sekuritas ke-i:
Ai = [E(Ri) – Rf]βi (3.11)
σei2
Bi = βi2 (3.12)
σei2
59
Keterangan:
σei2 = varian dari kesalahan residu yang sekuritas ke-i yang juga
merupakan risiko unik atau tisiko tidak sistematis.
3) Menghitung nilai Ci
Ci = σm2 ∑ 𝐴𝑗𝑖𝑗=1 (3.13)
1 + σm2 ∑ 𝐵𝑗𝑖𝑗=1
Keterangan:
σm2 = varian dari return pasar
4) Besarnya Cut Off Point (C*) adalah nilai Ci yang terbesar.
5) Sekuritas-sekuritas yang membentuk portofolio optimal adalah
sekuritas-sekuritas yang mempunyai nilai ERB lebih besar atau sama
dengan nilai ERB di titik C*. Sekuritas-sekuritas yang memiliki ERB
lebih kecil dengan ERB titik C* tidak diikutsertakan dalam pembentukan
portofolio optimal.
j. Melakukan Pembobotan Saham
Bobot atau proporsi saham ke-i (Wi) merupakan proporsi dana
masing-masing saham dalam portofolio yang dapat dihitung dengan rumus
berikut (Utamayasa dan Wiagustini, 2016).
Wi = Zi (3.14)
∑ 𝑍𝑗𝑘𝑗=1
Zi = βi
60
(ERB – C*) (3.15)
σei2
Keterangan:
Wi = Proporsi saham i
K = Jumlah saham di portofolio
Βi = Beta saham i
σei2 = Varians dari kesalahan residu sekuritas i
ERBi = Excess Return to beta saham i
C* = Nilai Cut Off Point
k. Menghitung Expected Return Portofolio
Expected Return portofolio menunjukan tingkat imbal hasil yang
diharapkan oleh para investor dalam keputusan invetasi portofolionya.
Expected Return portofolio dapat dihitung menggunakan persamaan berikut
(Husnan, 2005).
E(Rp) = XA E(RA) + XB E(RB) (3.16)
Keterangan:
E(Rp) = Expected Return portofolio
XA = Proporsi dana yang diinvestasikan pada A
XB = Proporsi dana yang diinvestasikan pada B
E(RA) = Expected Return dari investasi A
E(RB) = Expected Return dari investasi B
61
l. Menghitung Standar Deviasi Portofolio
Standar Deviasi portofolio menunjukan penyimpangan yang
dihasilkan oleh Expected Return. Standar Deviasi Portofolio dapat dihitung
menggunakan persamaan berikut (Husnan, 2005).
σp = [XA2 σA
2 + (1-XA)2 σB2 + 2XA(1-XA) σAB]1/2 (3.17)
Keterangan:
Σp = Standar Deviasi Portofolio
XA = Proporsi pada Investasi A
σA = Standar Deviasi investasi A
σB = Standar Deviasi investasi B
m. Mengukur Kinerja Portofolio
Pengukuran kinerja portofolio dilakukan untuk mengetahui apakah
portofolio optimal yang telah dibentuk dapat menghasilkan kinerja yang
baik atau tidak. Pengukuran kinerja portofolio dapat dihitung sebagai
berikut.
1) Indeks Sharpe
Indeks Sharpe memiliki persamaan sebagai berikut (Samsul, 2006):
R/Vs = E(Rp) – Rf (3.18)
σp
Keterangan:
R/Vs = Reward To Variability Ratio Model Sharpe
E(Rp) = Average Return Portofolio
62
Rf = Risk Free Rate
p = Standar Deviasi portofolio sebagai tolak ukur risiko
2) Indeks Jensen
Indeks Jensen memiliki persamaan sebagai berikut (Samsul, 2006):
E(Ri) = Rf + βi (Rm – Rf) (3.19)
Keterangan:
E(Ri) = Tingkat keuntungan yang diharapkan untuk saham i
Rf = Tingkat bunga bebas risiko
βi = Koefisien beta atau risiko sistematis untuk saham i
Rm = Tingkat pengembalian pasar
3) Indeks Treynor
Indeks Jensen memiliki persamaan sebagai berikut (Samsul, 2006):
R/Vs = E(Rp) – Rf (3.20)
βp
Keterangan:
R/Vt = Reward To Variability Ratio Model Treynor
E(Rp) = Average Return Portofolio
Rf = Risk Free Rate
βp = Beta portofolio sebagai tolak ukur risiko
63
2. Menganalisis Pengaruh Fama-French Three Factor Model terhadap
Return Saham
Dalam menganalisis pengaruh Fama-French Three Factor Model yang
terdiri dari Premi Risiko (Beta), Size, dan Book to Market Equity Ratio terhadap
Return saham, dibutuhkan beberapa pengukuran terhadap variabel-variabel
tersebut. Pengukuran tersebut dapat dijelaskan sebagai berikut.
a. Premi Risiko (Beta/β)
Premi risiko atau Risk Premium adalah Return pasar (Return IHSG)
triwulanan dikurangi dengan Risk Free Rate triwulanan. Secara matematis,
Premi risiko dihitung dengan persamaan berikut (Sudiyatno dan Irsad, 2010):
𝑅𝑃𝑚 = 𝑅𝑚 −𝑅𝑟𝑓 (3.21)
𝑅𝑚 = 𝑃𝑡 − 𝑃𝑡−1 (3.22)
𝑃𝑡−1
Keterangan :
RPm = Premi risiko pasar
Rm = Rata-rata triwulan IHSG
Rrf = Rata-rata Risk Free Rate triwulan
Pt = Harga saham pada bulan t
Pt-1 = Harga saham pada bulan t-1
b. Size (Ukuran Perusahaan)
Size merupakan perkalian dari jumlah saham yang beredar dengan
harga saham pada setiap perusahaan yang dijadikan sampel (Sudiyatno dan
Irsad, 2010). Size dibagi kedalam dua grup berdasarkan besar-kecilnya nilai
64
Size itu sendiri dengan menentukan nilai tengah (Median) maka Size dapat
diklasifikasikan sebagi Small Size (S) dan Big Size (B) (Belen Blanco,2012).
Secara matematis, Size dapat dihitung menggunakan persamaan berikut:
Size = Harga Saham Penutupan X Jumlah Saham Beredar (3.23)
c. Book to Market Equity
Book to Market Equity adalah rasio harga pasar suatu saham terhadap
nilai bukunya (Brigham dan Houston, 2012). Book to Market Equity akan
dibagi menjadi 3 grup berdasarkan 30% untuk Book to Market Equity rendah
(L), 40% untuk Book to Market Equity medium (M), dan Book to Market
Equity tinggi (H). Secara matematis, perhitungan Book to Market Equity
dapat dihitung sebagai berikut (Fawziah, 2016):
BE/ME = Total Ekuitas (3.24)
Close Price x Jumlah Saham Beredar
d. Membentuk Portofolio SMB dan HML
Setelah membentuk dua grup Ukuran Perusahaan (Size) yang terdiri
dari Small Size (S) dan Big Size (B), serta membentuk 3 grup Book to
Market Equity (BE/ME) yang terdiri BE/ME rendah atau Low (L), BE/ME
sedang atau Medium (M), dan BE/ME tinggi atau High (H), model Fama-
French selanjutnya membuat 6 portofolio yang terbagi atas S/L, S/M, S/H,
B/L, B/M, dan B/H.
S/L menunjukan portofolio perusahaan yang memiliki Small Size dan
diwaktu yang bersamaan memiliki BE/ME rendah atau Low, S/M
65
menunjukan portofolio perusahaan yang memiliki Small Size dan diwaktu
yang bersamaan memiliki BE/ME sedang atau Medium, S/H menunjukan
portofolio perusahaan yang memiliki Small Size dan diwaktu yang
bersamaan memiliki BE/ME tinggi atau High, B/L menunjukan portofolio
perusahaan yang memiliki Big Size dan diwaktu yang bersamaan memiliki
BE/ME rendah atau Low, B/M menunjukan portofolio perusahaan yang
memiliki Big Size dan diwaktu yang bersamaan memiliki BE/ME sedang
atau Medium, dan B/H menunjukan portofolio perusahaan yang memiliki
Big Size dan diwaktu yang bersamaan memiliki BE/ME tinggi atau High
(Belen Blanco, 2012).
SMB (Small Minus Big) mengukur tambahan pengembalian secara
historis yang diterima investor dalam berinvestasi pada perusahaan
berukuran kecil melalui selisih dari rata-rata pengembalian saham pada tiga
portofolio dengan kapitalisasi pasar kecil dan rata-rata pengembalian saham
pada tiga portofolio dengan kapitalisasi pasar besar (Yolita dan Fauzie,
2014). Hal ini dapat dijelaskan dalam formula sebagai berikut:
SMB = (S/L + S/M + S/H) – (B/L + B/M + B/H) (3.25)
3
Keterangan:
SMB = Perbedaan setiap bulan antara rata-rata dari return pada tiga
portofolio saham kecil (S/L, S/M, S/H) dan return pada tiga
portofolio saham besar (B/L, B/M, BH)
S/L = Portofolio size kecil dibagi BE/ME low
66
S/M = Portofolio size kecil dibagi BE/ME medium
S/H = Portofolio size kecil dibagi BE/ME high
B/L = Portofolio size besar dibagi BE/ME low
B/M = Portofolio size besar dibagi BE/ME medium
B/H = Portofolio size besar dibagi BE/ME high
HML (High Minus Low) mengukur tambahan pengembalian secara
historis yang diterima investor dalam berinvestasi pada perusahaan dengan
nilai book to market equity yang tinggi (Yolita dan Fauzie, 2014). HML
dapat dijelaskan dengan formula berikut:
HML = (S/H + B/H) – (S/L + B/L) (3.26)
2
Keterangan :
HML = Perbedaan setiap bulan antara rata-rata dari return pada dua
portofolio dengan BE/ME tinggi (S/H dan B/H) dan rata-rata dari
return pada dua portofolio dengan BE/ME rendah (S/L dam B/L)
S/H = Portofolio size kecil dibagi BE/ME high
B/H = Portofolio size besar dibagi BE/ME high
S/L = Portofolio size kecil dibagi BE/ME low
B/L = Portofolio size besar dibagi BE/ME low
e. Menghitung Return saham
Return saham dihitung dengan merata-ratakan Close Price triwulan tiap
perusahaan dikurang dengan Risk Free Rate triwulan sehingga
67
menghasilkan Excess Return. Secara matematis Return saham dapat
dihitung menggunakan formula berikut (Paulo Alves, 2013):
Excess Return = R – Rf (3.27)
R = Pt – Pt-1 (3.28)
Pt-1
Keterangan:
Ri = Return saham
Rf = Risk Free Rate
Pt = Close Price saham periode t
Pt-1 = Close Price saham periode t-1
f. Membentuk Regresi Fama-French Three Factor Model
Penelitian ini menggunakan teknik regresi linear berganda sebagai
teknik analisis dalam menganalisis pengaruh Fama-French Three Factor
Model terhadap Return saham. Pembentukan persamaan regresi dilakukan
dengan cara meregresikan (Ri - Rf) dan (Rm - Rf) untuk membentuk model
Tiga Faktor atau dengan persamaan regresi sebagai berikut:
Ri - Rf t = αi + βi (Rmt - Rft) + γi SMBt + δi HMLt + eit (3.29)
Keterangan:
Ri = Return saham i
Rf t = Tingkat return bebas risiko pada periode t
αi = intercept
βi = Beta pasar atau koefisien regresi
68
Rmt = Return atau tingkat keuntungan pasar pada periode t
γi = Koefisien regresi saham i terhadap return SMB
SMB= Small Minus Big, yaitu selisih return portofolio saham kecil dengan
portofolio saham besar
δi = koefisien regresi saham i terhadap return HML
HML= High Minus Low, yaitu selisih return portofolio saham dengan B/M
tinggi dengan portofolio saham dengan B/M rendah.
ei = error term
g. Uji Asumsi Klasik
1) Uji Stasioneritas Data
Uji stasioner dilakukan untuk melihat apakah data yang diuji bersifat
stasioner atau tidak. Data yang stasioner adalah data yang bersifat flat,
tidak mengandung komponen trend, dengan keragaman yang konstan,
serta tidak terdapat fluktuasi periodik. Uji stasioner dapat dilakukan
dengan dengan menggunakan uji akar unit (Unit Root Test).
Data-data yang tidak stasioner dalam persamaan regresi akan
menghasilkan sebuah regresi palsu (spurious regression). Untuk
memperoleh data yang stasioner, pada penelitian ini Unit Root Test
dilakukan dengan menggunakan Augemented Dickey Fuller (ADF).
Pengujian stasioneritas dapat dilakukan dengan membandingkan nilai
signifikasi probabillitas yaitu α = 5% atau dengan cara membandingkan
nilai absolute t-statistic yaitu antara tes statistik ADF dengan nilai
critical value 5% (Indi, 2017). Hipotesis penelitian sebagai berikut:
69
Ho: δ = 0 (Data return tidak bersifat stasioner)
Ha: δ ≠ 0 (Data return bersifat stasioner)
Uji stastistik yang digunakan adalah sebagai berikut:
Jika p ≤ 5% atau nilai ADF < CF 5%, maka Ho ditolak dan data
bersifat stasioner
Jika p ≥ 5% atau nilai ADF > CF 5%, maka Ho diterima dan data
bersifat tidak stasioner
2) Uji Normalitas Data
Uji normalitas digunakan untuk menguji apakah model regresi
mempunyai distribusi normal ataukah tidak. Asumsi normalitas
merupakan persyaratan yang sangat penting pada pengujian
kebermaknaan (signifikansi) koefisien regresi. Model regresi yang baik
adalah model regresi yang memiliki distribusi normal atau mendekati
normal, sehingga layak dilakukan pengujian secara statistik.
Dasar pengambilan keputusan bisa dilakukan berdasarkan
probabilitas (Asymtotic Significance), yaitu:
Jika probabilitas > 0,05 maka distribusi dari populasi adalah normal.
Jika probabilitas < 0,05 maka populasi tidak berdistribusi secara
normal.
Ada dua cara untuk mendeteksi apakah residual berdistribusi
normal atau tidak yaitu dengan analisis grafik dan uji statistik. Untuk
70
menguji apakah data berdistribusi normal atau tidak dilakukan uji
statistik Kolmogorov-Smirnov Test. Residual berdistribusi normal jika
memiliki nilai signifikansi > 0,05 (Ghozali, 2009).
3) Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mendeteksi apakah dalam
model regresi terjadi ketidaksamaan varian dari residual satu pengamatan
ke pengamatan lain. Jika varian dari satu pengamatan ke pengamatan lain
tetap, maka disebut homoskedositas atau tidak terjadi heteroskedastisitas.
Jika varian berbeda disebut heteroskedastisitas. Model regresi yang baik
adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas
(Ghozali, 2009).
Pendeteksian heteroskedastisitas dapat dilakukan dengan
analisis grafik dengan melihat ada tidaknya pola tertentu pada grafik
scatterplot dan Uji Glejser. Uji Glejser mengusulkan untuk meregresi
nilai absolut residual terhadap variabel independen. Jika variabel
independen signifikan secara statistik mempengaruhi variabel
independen, maka ada indikasi terjadi heteroskedastisitas. Jika
probabilitas signifikansinya di atas tingkat kepercayaan 5%, maka dapat
disimpulkan model regresi tidak mengandung heteroskedastisitas
(Ghozali, 2009).
Hipotesis penelitian sebagai berikut:
Ho: Tidak terdapat gejala heteroskedastisitas atau berarti terdapat gejala
homoskedastisitas
71
Ha: Terdapat gejala heteroskedastisitas atau berarti tidak terdapat gejala
homoskedastisitas
Sedangkan pengujian statistik yang digunakan adalah sebagai berikut:
Jika p ≤ 5%, maka Ho ditolak dan terdapat gejala heteroskedastisitas
Jika p ≥ 5%, maka Ho diterima dan terdapat gejala homoskedastisitas
4) Uji Multikolonieritas
Menurut Ghozali (2012) uji multikolinearitas bertujuan untuk
menguji apakah suatu model regresi terdapat korelasi antar variabel bebas
(independen). Model regresi yang baik seharusnya tidak teriadi korelasi
antar variabel independen. Pengujian multikolinearitas dilihat dari besaran
VIF (Variance Inflation Factory) dan Tolerance. Tolerance mengukur
variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai
VIF tinggi (karena VIF = l/ltolerance). Nilai cutoff yang umum dipakai
uniuk menunjukkan adanya multikolonieritas adalah nilai tolerance ≤ 0,1
atau sama dengan nilai VIF ≥ 10.
Hipotesis penelitian sebagai berikut:
Ho: Tidak terjadi korelasi antar variabel bebas atau bersifat tidak
multikolonieritas
72
Ha: Terjadi korelasi antar variabel atau bersifat multikolonieritas
Sedangkan pengujian statistik dilakukan sebagai berikut:
Jika nilai Tolerance ≤ 0,01 atau nilai VIF ≥ 10, maka tolak Ho dan data
bersifat multikolonieritas
Jika nilai Tolerance ≥ 0,01 atau nilai VIF ≤ 10, maka terima Ho dan
data bersifat tidak multikolonieritas
5) Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu
model regresi linier terdapat korelasi pengganggu antara pada periode t
dengan kesalahan pada periode t-1 (Ghozali, 2009). Uji autokorelasi
digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi
klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu
pengamatan dengan pengamatan lain pada model regresi. Autokorelasi
muncul akibat observasi yang berurutan sepanjang waktu berkaitan satu
sama lain. Masalah ini timbul karena residual tidak bebas dari satu
observasi ke observasi lainnya. Alat analisis yang digunakan adalah uji
Durbin-Watson.
Pengujian autokorelasi dapat dilakukan dengan membandingkan
nilai statistik hitung Durbin Watson (d) pada perhitungan regresi dengan
statistik tabel Durbin Watson (dL). Hipotesis penelitian sebagai berikut:
73
Ho: Tidak terjadi autokorelasi atau tidak terjadi korelasi antara residual
Ha: Terjadi autokorelasi atau terjadi korelasi antar residual
Pengujian statistik dilakukan sebagai berikut:
Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka Ho ditolak,
yang berarti terdapat autokorelasi.
Jika d terletak antara dU dan (4-dU), maka Ho diterima, yang berarti
tidak ada autokorelasi.
Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka
tidak menghasilkan kesimpulan yang pasti.
Keterangan:
dL = Batas bawah Durbin-Watson
dU = Batas atas Durbin-Watson
6) Uji Parsial (uji t)
Uji t digunakan untuk mengetahui apakah masing-masing variabel
independen (premi risiko, size, dan book to market equity) berpengaruh
secara signifikan terhadap variabel dependen (Return saham). Pengujian
menggunakan tingkat signifikansi 0,05, yaitu :
a) Apabila tingkat signifikansi <5% maka Ho ditolak, Ha diterima.
b) Apabila tingkat signifikansi >5% maka Ho diterima, Ha ditolak.
Hipotesis dalam penelitian ini dirumuskan sebagai berikut :
a) Pengaruh beta (X1) terhadap return saham (Y)
74
Ho1 : β1 ≤ 0, artinya tidak terdapat pengaruh positif X1 terhadap Y
Ha1 : β1 > 0, artinya terdapat pengaruh positif X1 terhadap Y
b) Pengaruh size (X2) terhadap return saham (Y)
Ho2 : β2 ≤ 0, artinya tidak terdapat pengaruh positif X2 terhadap Y
Ha2 : β2 > 0, artinya terdapat pengaruh positif X2 terhadap Y
c) Pengaruh book to market ratio (X3) terhadap return saham (Y)
Ho3 : β3 ≤ 0, artinya tidak terdapat pengaruh positif X3 terhadap Y
Ha3 : β3 > 0, artinya terdapat pengaruh positif X3 terhadap Y
7) Uji Model (F)
Uji model merupakan uij koefisiensi regresi secara bersama-sama
untuk melihat signifikansi pengaruh masing-masing variabel independen
terhadap variabel dependen. Pengujian menggunakan tingkat signifikansi
0,05. Langkah-langkah uji F adalah sebagai berikut:
a. Merumuskan hipotesis
Ho: Premi risiko, size dan book to market equity secara simultan tidak
berpengaruh terhadap return saham.
Ha: Premi risiko, size dan book to market equity secara simultan
berpengaruh terhadap return saham.
b. Menentukan F hitung dan signifikansi
c. Menentukan F tabel dengan melihat tabel F.
d. Kriteria pengujian:
a) Jika F hitung ≤ F tabel, maka Ho diterima.
75
b) Jika F hitung ≥ F tabel, maka Ho ditolak.
E. Operasional Variabel Penelitian
TABEL. 3.2
OPERASIONAL VARIABEL PENELITIAN
No Variabel Keterangan Indikator
1 Ri Return aktual dari saham individual Ri = Pt – Pt-1
Pt-1
2 E(Ri) Return yang diharapkan dari saham
individual
E(Ri) = ∑𝑅𝑖𝑗
𝑁
𝑁𝑖=1
3 Rm Return pasar aktual yang
diekspresikan oleh Indeks Harga
Saham Gabungan pada periode t
Rm = IHSGt – IHSGt-1
IHSGt-1
4 E(Rm) Return pasar yang diharapkan
dengan membagi jumlah return
pasar dengan jumlah periode
E(Rm) = ∑ 𝑛𝑗=1 Rm
N
5 αi Alpha atau intercept tidak
dipengaruhi oleh return pasar
sehingga dikatakan variabel
independen
αi = E(Rit) - βi E(Rmt)
6 βi Beta atau koefisien regresi
digunakan untuk menghitung ERB
dan Cut-Off Point
βi = 𝜎𝑖𝑚
𝜎𝑚²
7 ERB ERB berarti mengukur kelebihan
dana relative terhadap satu unit
resiko yang tidak dapat
ERB = E(Ri) – E(Rf)
76
didiversifikasi yang diukur dengan
beta.
βi
8 C* Sekuritas-sekuritas yang
membentuk portofolio optimal
adalah sekuritas-sekuritas yang
mempunyai nilai ERB lebih besar
atau sama dengan nilai ERB di titik
C*.
Ci = σm2 ∑ 𝐴𝑗𝑖𝑗=1
1 + σm2 ∑ 𝐵𝑗𝑖𝑗=1
9 Wi Bobot atau proporsi dana masing-
masing saham dalam portofolio.
Wi = Zi
∑ 𝑍𝑗𝑘𝑗=1
10 Tp Tujuan Indeks Treynor adalah untuk
menemukan ukuran kinerja yang
dapat diaplikasikan kepada seluruh
investor dengan tidak
mempedulikan preferensi risiko
personal.
Tp = Rp - Rf
βp
11 Sp Indeks Sharpe mendasarkan
perhitungannya pada konsep garis
pasar modal ( Capital Market Line –
CML ) sebagai patokan.
Sp = Rp - Rf
σp
12 Ap Indeks Jensen menunjukkan
perbedaan antara tingkat return
aktual yang diperoleh portofolio
dengan tingkat return yang
diharapkan jika portofolio tersebut
berada pada garis pasar modal.
Ap = Rp -[Rf + bp (Rm -
Rf)]
Sumber: Data Diolah
77
BAB IV
ANALISIS DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Penelitian ini bertujuan untuk membentuk Portofolio Optimal dengan
menggunakan metode yang disebut dengan Single Index Model, lalu dilakukan
pengukuran kinerja terhadap portofolio optimal tersebut menggunakan Indeks
Sharpe, Indeks Jensen, dan Indeks Treynor. Kemudian, menganalisis apakah
terdapat pengaruh dari Fama-French Three Factor Model terhadap Return saham.
Adapun saham-saham yang digunakan dalam penelitian ini adalah saham
yang listed atau terdaftar dalam Bursa Efek Indonesia (BEI) dan masuk kategori
Indeks Saham SRI-KEHATI. Saham-saham yang masuk Indeks SRI-KEHATI
adalah saham-saham yang menggunakan prinsip keberlanjutan, keuangan, dan
tata kelola yang baik, serta kepedulian terhadap lingkungan hidup.
B. Analisis Deskriptif
1. Indeks Harga Saham Gabungan (IHSG)
IHSG adalah satu-satunya komponen penting yang wajib digunakan
dalam memantau pergerakan harga saham di Indonesia. Para investor
biasanya menggunakan parameter dalam IHSG untuk membaca
perkembangan harga dan menjadikan acuan pada portofolio.
Indeks Harga Saham Gabungan atau disingkat IHSG, atau disebut
juga Indonesia Composite Index, ICI, atau IDX Composite merupakan salah
satu indeks pasar saham yang digunakan oleh Bursa Efek Indonesia sebagai
78
indikator pergerakan harga saham. Indeks ini mencakup pergerakan harga
seluruh saham biasa dan saham preferen yang tercatat di BEI.
Data pergerakan IHSG selama 5 tahun terakhir (2013-2017) dapat
dilihat dari tabel berikut ini:
TABEL. 4.1
PERGERAKAN IHSG 5 TAHUN TERAKHIR
Date High Low Close
31/12/2013 4510.216 4161.193 4418.757
31/12/2014 5325.039 5121.815 5289.404
31/12/2015 4639.237 4408.804 4615.163
31/12/2016 5360.061 5228.286 5294.103
30/09/2017 6042.449 5860.761 6005.784
Sumber: Data Diolah
Dari data historical pergerakan IHSG dari tahun 2013-2017
mengalami kenaikan dan penurunan dalam beberapa periode pengamatan.
Secara grafik, fluktuasi IHSG selama periode pengamatan sebagai berikut:
79
GAMBAR. 4.1
PERGERAKAN IHSG 2013-2017
Sumber: Microsoft Excel, Data Diolah
Secara grafik yang berisikan data pergerakan Indeks Harga Saham
Gabungan selama 5 tahun terakhir mengindikasikan bahwa pergerakan IHSG
mengalami fluktuasi naik dan turun dari tahun ke tahunnya dengan rentang
nilai yang tidak terlalu besar. Dari total keseluruhan 1228 data close price
IHSG selama tahun 2013 sampai 2017, Close Price IHSG berada pada posisi
tertinggi pada 29 Desember 2017 dengan harga penutupan sebesar Rp6355.65
dan posisi terendah pada 27 Agustus 2012 dengan harga penutupan sebesar
Rp3967.84.
2. Indeks SRI-KEHATI
Sejak 8 Juni 2009, Yayasan KEHATI bekerjasama dengan PT Bursa
Efek Indonesia (BEI) meluncurkan indeks SRI KEHATI yang mengacu pada
tata cara Sustainable and Responsible Investment (SRI) dengan nama Indeks
SRI KEHATI. Diharapkan dengan peluncuran indeks SRI KEHATI ini
80
masyarakat mengenal adanya indeks yang menggambarkan perusahaan-
perusahaan yang menguntungkan secara ekonomi dengan tetap
memperhatikan kelestarian lingkungan hidup.
Tujuan dibentuknya indeks ini adalah untuk memberikan informasi
secara terbuka kepada masyarakat luas mengenai ciri dari perusahaan terpilih
pada indeks SRI KEHATI yang dianggap memiliki bermacam bentuk
pertimbangan dalam usahanya berkaitan dengan kepedulian pada lingkungan,
tata kelola perusahaan, keterlibatan masyarakat, sumber daya manusia, hak
asasi manusia, dan perilaku bisnis dengan etika bisnis yang diterima di tingkat
international.
Yayasan KEHATI menetapkan 25 (dua puluh lima) perusahaan
terpilih yang dianggap dapat memenuhi kriteria dalam indeks SRI KEHATI
sehingga dapat menjadi pedoman bagi para investor. Keberadaan perusahaan
terpilih akan dievaluasi setiap 2 (dua) periode dalam setahun, yaitu pada bulan
April dan Oktober, dan setelah terpilih nama-nama dari 25 (dua puluh lima)
perusahaan tersebut akan di publikasikan oleh BEI yang dapat dilihat
di www.idx.co.id
Mekanisme pemilihan perusahaan-perusahaan untuk masuk indeks
SRI KEHATI dilakukan melalui dua tahap, yaitu tahap pertama adalah
penapisan awal seleksi negatif dan aspek keuangan kemudian pada tahap
kedua adalah dengan aspek fundamental. Pada tahap pertama di penapisan
awal ini dilakukan untuk memastikan bahwa perusahaan-perusahaan yang
dinilai memenuhi prasyarat penilaian adalah sebagai berikut:
81
GAMBAR. 4.2
KRITERIA INDEKS SRI-KEHATI
Sumber: www.kehati.or.id
Data pergerakan Indeks SRI-KEHATI selama periode pengamatan
yaitu dari tahun 2012-2017 dapat dilihat pada tabel berikut:
TABEL. 4.2
PERGERAKAN SRI-KEHATI 2013-2017
Sumber: www.investing.com, Data Diolah
Date High Low Close
02/Jan/2013 234.18 231.08 232.89
12/Feb/2014 251.03 248.94 250.01
17/Sep/2015 253.28 249.86 252.11
...
...
...
...
...
...
...
...
18/Ags/2016 327.71 321.95 325.95
29/Des/2017 397.67 391.93 395.56
82
Dari data historical pergerakan IHSG dari tahun 2013-2017
mengalami kenaikan dan penurunan dalam beberapa periode pengamatan.
Secara grafik, fluktuasi IHSG selama periode pengamatan sebagai berikut.
GAMBAR. 4.3
PERGERAKAN SRI-KEHATI 2013-2017
Sumber: Microsoft Excel, Data Diolah
Indeks SRI-KEHATI mencapai harga penutupan tertinggi pada 29
Desember 2017 yaitu sebesar Rp397.67. Sedangkan, Indeks SRI-KEHATI
berada pada harga penutupan terendah pada 27 Agustus 2013 yaitu sebesar
Rp216.13.
3. Premi Risiko (Beta)
Premi risiko ditentukan oleh selisih dari rata-rata (average) return
triwulan saham IHSG dengan Risk free rate triwulan. Data Premi Risiko
periode September 2010 – Desember 2017 adalah sebagai berikut:
050
100150200250300350400450
Jan
02
, 20
13
Mar
08
, 20
13
May
16
, 20
13
Jul 2
2, 2
01
3O
ct 0
1, 2
01
3D
ec 0
9, 2
01
3Fe
b 1
8, 2
01
4A
pr
24
, 20
14
Jul 0
2, 2
01
4Se
p 0
3, 2
01
4N
ov
04
, 20
14
Jan
13
, 20
15
Mar
19
, 20
15
May
27
, 20
15
Au
g 0
6, 2
01
5O
ct 1
3, 2
01
5D
ec 1
8, 2
01
5Fe
b 2
9, 2
01
6M
ay 0
9, 2
01
6Ju
l 19
, 20
16
Sep
23
, 20
16
No
v 2
8, 2
01
6Fe
b 0
3, 2
01
7A
pr
12
, 20
17
Jul 0
4, 2
01
7Se
p 0
8, 2
01
7N
ov
14
, 20
17
Clo
se P
rice
Periode
Pergerakan Indeks SRI-KEHATI
Pergerakan Indeks SRI-KEHATI
83
GAMBAR. 4.4
Premi Risiko periode September 2010 – Desember 2017
Sumber: Microsoft Excel, Data Diolah
Nilai Premi Risiko terkecil terjadi pada kuartal III 2015 yang senilai
-0,215 dan nilai Premi Risiko terbesar terjadi pada kuartal I 2010 yang senilai
0,137. Premi Risiko atau Beta merupakan satu-satunya faktor dalam konsep
CAPM yang dianggap dapat mempengaruhi return secara positif. Artinya,
jika Beta mengalami kenaikan maka return yang akan diperoleh juga semakin
besar.
4. Size (Ukuran Perusahaan)
Size pada penelitian ini diproksikan dengan Small Minus Big (SMB)
yang diperoleh dari perhitungan nilai kapitalisasi pasar, yaitu Close Price
triwulanan saham Indeks SRIKEHATI dikalikan dengan Jumlah Saham
Beredar triwulanan. Data Size pada penelitian ini sebagai berikut.
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
01
-Ju
n-1
0
01
-Okt
-10
01
-Feb
-11
01
-Ju
n-1
1
01
-Okt
-11
01
-Feb
-12
01
-Ju
n-1
2
01
-Okt
-12
01
-Feb
-13
01
-Ju
n-1
3
01
-Okt
-13
01
-Feb
-14
01
-Ju
n-1
4
01
-Okt
-14
01
-Feb
-15
01
-Ju
n-1
5
01
-Okt
-15
01
-Feb
-16
01
-Ju
n-1
6
01
-Okt
-16
01
-Feb
-17
01
-Ju
n-1
7
Bet
a
Periode
Beta
84
GAMBAR. 4.5
Size periode September 2010 – Desember 2017
Sumber: Microsoft Excel, Data Diolah
Dari tabel diatas, nilai SMB terkecil terjadi pada kuartal III 2011 yang
senila -4.028 sedangkan nilai SMB terbesar terjadi pada kuartal II 2012 yang
senilai -3.100. Menurut beberapa peneliti, Size sebuah perusahaan memiliki
hubungan berlawanan atau hubungan secara negatif dengan return. Artinya
perusahaan dengan Size besar akan memberikan return yang yang lebih kecil
dibandingkan dengan perusahaan dengan Size kecil yang akan memberikan
return yang lebih besar.
5. Book to Market Equity
Book to Market Equity pada penelitian ini diproksikan dengan HML
(High Minus Low) yang diperoleh dengan membagi total ekuitas masing-
-4,5
-4
-3,5
-3
-2,5
-2
-1,5
-1
-0,5
0
Size
Periode
Chart Title
85
masing saham perusahaan Indeks SRI-KEHATI periode September 2010-
Desember 2017 dengan kapitalisasi pasarnya. Data Book to Market Equity
saham perusahaan Indeks SRI-KEHATI periode September 2010-Desember
2017 sebagai berikut.
GAMBAR. 4.6
Book to Market Equity periode September 2010-Desember 2017
Sumber: Microsoft Excel, Data Diolah
Nilai Book to Market Equity terkecil terjadi pada kuartal 1V 2017
yang senilai -2.396, sedangkan nilai Book to Market Equity terbesar terjadi
pada kuartal I 2017 yang senilai -1.113.
Jika terdapat hubungan yang positif antara Return saham dengan Book
to Market Equity artinya perusahaan dengan kapitalisasi pasar besar dapat
memberikan Return yang besar pula, dan begitu juga sebaliknya. Sedangkan
jika terdapat hubungan negatif antara Return saham dengan Book to Market
Equity, artinya jika saham dengan kapitalisasi pasar besar memberikan
-3
-2,5
-2
-1,5
-1
-0,5
0
Bo
ok
to M
arke
t Eq
uit
y
Periode
Book to Market Equity
86
Return yang kecil dan saham dengan kapitalisasi pasar kecil memberikan
Return yang lebih besar.
6. Return Saham
Return saham merupakan tingkat pengembalian yang akan diberikan
sebuah perusahaan untuk investor yang berinvestasi pada perusahaan tersebut.
Investasi yang menguntungkan adalah investasi yang dapat memberikan
Return lebih besar dari tingkat risikonya.
Return saham dihitung dengan merata-ratakan Actual Return dari
saham perusahaan SRI-KEHATI periode September 2010-Desember 2017
yang dikurang dengan Risk Free Rate. Return saham perusahaan SRI-
KEHATI periode September 2010-Desember 2017 sebagai berikut.
GAMBAR. 4.7
Return saham periode September 2010 – Desember 2017
Sumber: Microsoft Excel, Data Diolah
87
Nilai Return saham terkecil terjadi pada kuartal III 2015 yang senilai
-0,243, sedangkan nilai Return saham terbesar terjadi pada kuartal III 2011
yang senilai 0,155.
Semakin besar Return saham menunjukan tingkat keuntungan yang
lebih besar yang diperoleh oleh investor saat berinvestasi. Dalam konsep
“High Risk, High Return” jika semakin besar Return saham maka semakin
besar juga risiko yang akan ditanggung oleh para investor, sebaliknya
semakin kecil Return saham maka risikonya juga akan semakin kecil.
C. Pembentukan Portofolio Optimal dengan Single Index Model
1. Menghitung Actual Return. Expected Return, dan Standar Deviasi
Saham Individual
Mencari Actual return membutuhkan harga saham harian dari saham-
saham yang masuk ke periode pengamatan yaitu selama tahun 2013-2017.
Harga saham yang digunakan adalah harga saham pada saat harga
penutupan (closing price) dengan jumlah saham yang menjadi sampel
penelitian ialah sebanyak 18 saham. Jumlah data harga saham yang
dijadikan sebagai objek penelitian adalah sebesar 1217.
Actual Return didapat dari mengurangi harga saham periode t (harga
saham pada periode yang bersangkutan) dengan harga saham periode t-1
(harga saham sebelum periode bersangkutan), lalu dibagi dengan harga
saham t-1. Jika telah mendapatkan actual return dari masing-masing saham,
maka selanjutnya ialah mendapatkan expected return. Expected return
dihitung dengan menjumlahkan seluruh actual return lalu dibagi dengan
88
banyaknya periode pengamatan. Terakhir yaitu mendapatkan standar
deviasi dari masing-masing saham. Seluruh kegiatan diatas dapat dihitung
dengan menggunakan bantuan microsoft excel. Hasil pengelolaan actual
return, expected return, dan standar deviasi dapat dilihat pada tabel berikut:
TABEL. 4.3
EXPECTED RETURN DAN STANDAR DEVIASI INDIVIDUAL
No Kode Emiten E(Ri) σi
1 AALI -0.0000643 0.0233
2 ADHI 0.0004980 0.0298
3 ASII 0.0002863 0.0207
4 BBCA 0.0008385 0.0152
5 BBNI 0.0010127 0.0202
6 BBRI 0.0003303 0.0306
7 BDMN 0.0004882 0.0254
8 BMRI 0.0003467 0.0245
9 INDF 0.0004127 0.0198
10 JSMR 0.0003063 0.0187
11 KLBF 0.0005825 0.0200
12 LSIP -0.0000733 0.0256
13 PGAS -0.0005008 0.0243
14 SMGR -0.0001425 0.0221
15 TINS 0.0001423 0.0273
16 TLKM 0.0008876 0.0174
17 UNTR 0.0007781 0.0243
18 UNVR 0.0009878 0.0189
Sumber: Data Diolah
Dari tabel diatas dapat disimpulkan bahwa dari 18 emiten yang
menjadi objek penelitian, terdapat 14 emiten yang memberikan expected
return positif yaitu; ADHI (0.0004980), ASII (0.0002863), BBCA
(0.0008385), BBNI (0.0010127), BBRI (0.0003303), BDMN (0.0004882),
BMRI (0.0003467), INDF (0.0004127), JSMR (0.0003063), KLBF
89
(0.0005825), TINS (0.0001423), TLKM (0.0008876), UNTR (0.0007781),
dan UNVR (0,0009878).
Sedangkan, empat emiten lainnya memberikan expected return
negatif yaitu; AALI (-0.0000643), LSIP (-0.0000733), PGAS (-0.0005008),
dan SMGR (-0.0001425).
Emiten yang memberikan expected return terbesar selama periode
pengamatan adalah BBNI (PT. Bank Negara Indonesia, Tbk) yaitu sebesar
0.0010127. Sedangkan emiten yang memberikan expected return terendah
adalah PGAS (PT. Perusahaan Gas Negara, Tbk) yaitu sebesar -0,0005008
dari 18 emiten yang masuk dalam Indeks SRI-KEHATI dari tahun 2013-
2017 secara berturut-turut.
Pembuatan portofolio yang optimal diperlukan emiten yang
memberikan expected return positif, sedangkan emiten yang memberikan
expected return negatif tidak dimasukkan karena akan merugikan investor.
Expected Return adalah pengembalian yang diharapkan oleh para investor,
oleh karena itu emiten yang memberikan expected return positif layak untuk
dimasukan ke portofolio optimal karena akan menguntungkan investor.
Emiten dengan expected return positif yang selanjutnya dapat dibentuk
untuk portofolio optimal yaitu; ADHI, ASII, BBCA, BBRI, BDMN, BMRI,
INDF, JSMR, KLBF, TINS, TLKM, UNTR, dan UNVR.
Dari tabel diatas juga dapat dilihat perolehan standar deviasi yang
dihasilkan oleh emiten selama periode pengamatan. Standar deviasi terbesar
diperoleh oleh BBRI yaitu sebesar 0,0306, sedangkan emiten dengan
90
standar deviasi terendah yaitu BBCA sebesar 0,0152. Menurut Suad Husan
(2005), standar deviasi merupakan ukuran untuk mengetahui seberapa jauh
kemungkinan nilai (return) yang akan diperoleh menyimpang dari retun
yang diharapkan (Expected Return). Oleh karena itu, investor akan
cenderung berinvestasi pada saham yang memiliki standar deviasi yang
lebih rendah.
2. Menghitung Actual Return. Expected Return, dan Standar Deviasi Pasar
IHSG atau Indeks Harga Saham Gabungan adalah satu-satunya
komponen penting yang wajib digunakan dalam memantau pergerakan
harga saham di Indonesia. Para investor biasanya menggunakan parameter
dalam IHSG untuk membaca perkembangan harga dan menjadikan acuan
pada portofolio.
Secara umum perhitungan Actual Return¸ Expected Return¸ dan
Standar Deviasi pasar sama halnya dengan pada perhitungan saham
individual. Actual Return pasar diperoleh dari harga saham pada saat
penutupan dalam suatu periode yang bersangkutan (t) dikurangi dengan
harga saham pada saat penutupan periode sebelumnya (t-1) lalu dibagi
dengan harga saham pada saat penutupan periode sebelumnya (t-1).
Sedangkan Expected Return merupakan rata-rata dari Actual Return
dan Standar Deviasi diperoleh menggunakan bantuan Microsoft Excel
dengan rumus STDEV. Berikut merupakan hasil Expected Return dan
Standar Deviasi pasar.
91
TABEL. 4.4
EXPECTED RETURN DAN STANDAR DEVIASI PASAR
Sumber: Data Diolah
Dari sejumlah 1217 pengamatan, didapat tingkat pengembalian pasar
adalah sebesar 0,000367 dan standar deviasi sebesar 0,0097. Tingkat
pengembalian ini dapat menguntungkan bagi investor karena bernilai positif.
3. Menghitung Alpha(α), Beta (β), dan Variance Error (σ²) Saham
Individual
Alpha, Beta, dan Variance Error diperoleh menggunakan bantuan
Microsoft Excel untuk selanjutnya digunakan untuk membentuk portofolio
optimal. Perolehan Alpha, Beta, dan Variance Error masing-masing emiten
sebagai berikut:
TABEL. 4.5
ALPHA, BETA, DAN VARIANCE ERROR SAHAM INDIVIDUAL
IHSG
E(Rm) σm
0.0003627 0.0097
NO Kode Emiten αi βi σei²
1 AALI -0,00013 0,204 0,0005367
2 ADHI 0,00031 0,587 0,0008564
3 ASII 0,00010 0,568 0,0003985
4 BBCA 0,00068 0,488 0,0002098
5 BBNI 0,00082 0,594 0,0003742
6 BBRI 0,00016 0,514 0,0009139
7 BDMN 0,00042 0,214 0,0006388
92
Sumber: Data Diolah
Alpha digunakan untuk membandingkan perhitungan Return Actual
saham individual dengan Return Actual pasar dalam periode tertentu. Alpha
menunjukan apakah kinerja saham individual lebih baik dari IHSG. Jika
Alpha bernilai positif maka kinerja saham individual lebih dari IHSG. Dari
18 objek pengamatan, emiten yang memberikan Alpha positif adalah ADHI,
ASII, BBCA, BBNI, BBRI, BDMN, BMRI, INDF, JSMR, KLBF, TINS,
TLKM, UNTR, dan UNVR.
Sedangkan emiten dengan Alpha negatif adalah AALI, LSIP, PGAS,
dan SMGR. Semakin besar nilai Alpha maka menunjukan kinerja yang lebih
baik bagi saham individual dibanding kinerja IHSG. Alpha paling besar
dimiliki oleh BBNI yaitu sebesar 0,00082 sedangkan Alpha paling rendah
dimiliki oleh PGAS -0,00063 dari keseluruhan 18 emiten yang masuk
Indeks SRI-KEHATI dari tahun 2013 sampai 2017.
8 BMRI 0,00016 0,568 0,0005707
9 INDF 0,00028 0,420 0,0003738
10 JSMR 0,00017 0,431 0,0003316
11 KLBF 0,00040 0,551 0,0003703
12 LSIP -0,00013 0,167 0,0006521
13 PGAS -0,00063 0,406 0,0005753
14 SMGR -0,00034 0,622 0,0004537
15 TINS 0,00002 0,309 0,0007365
16 TLKM 0,00072 0,527 0,0002764
17 UNTR 0,00064 0,440 0,0005744
18 UNVR 0,00081 0,547 0,0003781
93
Beta menjelaskan tingkat volatilitas suatu saham individual dengan
IHSG. Jika Beta > 1 maka saham individual lebih bervolatilitas dari IHSG,
sebaliknya jika beta < 1 maka saham individual cenderung pasif atau kurang
likuid. Emiten dengan Beta terbesar adalah SMGR yaitu sebesar 0,622,
sedangkan emiten dengan Beta terendah adalah LSIP yaitu sebesar 0,167
dari keseluruhan 18 emiten yang masuk Indeks SRI-KEHATI dari tahun
2013 sampai 2017.
Variance Error atau varians dari kesalahan residu terbesar dimiliki
oleh BBRI sebesar 0,0009139, sedangkan Variance Error terendah dimiliki
oleh BBCA yaitu sebesar 0,0002098 dari keseluruhan 18 emiten yang
masuk Indeks SRI-KEHATI dari tahun 2013 sampai 2017.
4. Mencari Tingkat Bunga Bebas Risiko (Risk Free Rate)
Risk Free Rate yang digunakan adalah Suku Bunga Bank Indonesia
atau BI Rate yang tersedia di website resmi Bank Indonesia yaitu
www.bi.go.id. Risk Free Rate diperoleh dari membagi BI Rate harian
selama periode pengamatan yaitu dari tahun 2013-2017 dengan 360.
Kemudian ditemukan BI Rate selama 5 tahun terkahir adalah sebesar
0,000176.
5. Menghitung Excess Return to Beta (ERB)
Membentuk portofolio yang optimal diperlukan untuk menghitung
Excess Return to Beta atau ERB di mana ERB mencerminkan tingkat
keuntungan yang sangat mungkin untuk dicapai. ERB dihitung dengan
mengurangi Expected Return saham individual [E(Ri)] dengan Risk Free
94
Rate (Rf) lalu dibagi dengan Beta individual (βi). Berikut perolehan ERB
masing-masing emiten.
TABEL. 4.6
EXCESS RETURN TO BETA (ERB)
Sumber: Data Diolah
Emiten yang layak untuk menjadi kandidat portofolio yang optimal
adalah emiten yang memiliki ERB positif sedangkan emiten dengan ERB
negatif tidak layak untuk menjadi kandidat portofolio optimal karena akan
merugikan para investor. Berikut merupakan perolehan ERB tiap emiten
yang telah diurutkan dari terbesar hingga terkecil.
NO Kode Emiten ERB
1 AALI -0.00118
2 ADHI 0.00055
3 ASII 0.00019
4 BBCA 0.00136
5 BBNI 0.00141
6 BBRI 0.00030
7 BDMN 0.00146
8 BMRI 0.00030
9 INDF 0.00056
10 JSMR 0.00030
11 KLBF 0.00074
12 LSIP -0.00149
13 PGAS -0.00167
14 SMGR -0.00051
15 TINS -0.00017
16 TLKM 0.00135
17 UNTR 0.00137
18 UNVR 0.00148
95
TABEL. 4.7
ERB TERBESAR HINGGA TERKECIL
Sumber: Data Diolah
Dari seluruh emiten dalam Indeks SRI-KEHATI yang menjadi objek
pengamatan dalam 5 tahun terakhir, UNVR (PT. Unilever Indonesia, Tbk)
memberikan nilai ERB yang paling besar yaitu senilai 0,00148. Sedangkan
No Kode Emiten ERB
1 UNVR 0.00148
2 BDMN 0.00146
3 BBNI 0.00141
4 UNTR 0.00137
5 BBCA 0.00136
6 TLKM 0.00135
7 KLBF 0.00074
8 INDF 0.00056
9 ADHI 0.00055
10 JSMR 0.00030
11 BMRI 0.00030
12 BBRI 0.00030
13 ASII 0.000194
14 TINS -0.00017
15 SMGR -0.00051
16 AALI -0.00118
17 LSIP -0.00149
18 PGAS -0.00167
96
ERB terkecil diperoleh oleh PGAS (PT. Perusahaan Gas Negara, Tbk)
senilai -0,00167.
Emiten yang layak untuk menjadi kandidat portofolio optimal adalah
emiten dengan ERB positif, sedangkan emiten dengan ERB negatif tidak
layak menjadi kandidat portofolio otimal. Dari 18 emiten yang menjadi
objek pengamatan, terdapat 5 emiten dengan ERB negatif yaitu; TINS (-
0.00017), SMGR (-0.00051), AALI (-0.00118), LSIP (-0.00149), dan PGAS
(-0.00167), sehingga kelima emiten tersebut tidak akan digunakan untuk
proses pembuatan portofolio optimal selanjutnya.
Emiten yang menjadi kandidat portofolio optimal adalah; UNVR,
BDMN, BBNI, UNTR, BBCA, TLKM, KLBF, INDF, ADHI, JSMR, BMRI,
BBRI, dan ASII.
6. Menghitung Cut Off Point (C*)
Sebelum mendapat C*, diperlukan untuk menghitung Ci atau Titik
Pembatas dari masing-masing emiten. Ci dapat dihitung dengan
menentukan ƩAi, yaitu jumlah dari Ai seluruh emiten kandidat portofolio
optimal dan ƩBi, yaitu jumlah dari seluruh Bi yang dimiliki oleh emiten
yang menjadi kandidat portofolio optimal.
TABEL. 4.8
CUT OFF POINT
No Kode Emiten Ci ERB C*
1 UNVR 0.000118 0.00148 > 0.000434
2 BDMN 0.000126 0.00146 >
3 BBNI 0.000223 0.00141 >
97
Sumber: Data Diolah
Dari tabel diatas didapat Ci terbesar dimiliki oleh ADHI (PT. Adhi
Karya (Persero), Tbk) sebesar 0.000434 yang sekaligus menjadi nilai Cut
Off Point. Kriteria untuk menjadi portofolio optimal adalah memiliki ERB
> C*, oleh karena itu emiten yang memenuhi kriteria portofolio optimal
yakni; UNVR (PT. Unilever Indonesia, Tbk), BDMN (PT. Bank Danamon,
Tbk), BBNI (PT. Bank Negara Indonesia, Tbk), UNTR (PT. United Tractors
Indonesia, Tbk), BBCA (PT. Bank Central Asia, Tbk), TLKM (PT.
Telekomunikasi Indonesia, Tbk), KLBF (PT. Kalbe Farma, Tbk), INDF (PT.
Indofood Sukses Makmur, Tbk), dan ADHI (PT. Adhi Karya, Tbk)
Sedangkan empat emiten lainnya yakni; JSMR (PT. Jasamarga, Tbk),
BMRI (PT. Bank Mandiri, Tbk), BBRI (PT. Bank Rakyat Indonesia, Tbk),
dan ASII (PT. Astra Internasional, Tbk) tidak dimasukan dalam kriteria
portofolio optimal karena memiliki ERB < C* sehingga tidak diikutsertakan
dalam proses pembentukan portofolio optimal selanjutnya.
4 UNTR 0.000253 0.00137 >
5 BBCA 0.000343 0.00136 >
6 TLKM 0.000411 0.00135 >
7 KLBF 0.000428 0.00074 >
8 INDF 0.000432 0.00056 >
9 ADHI 0.000434 0.00055 >
10 JSMR 0.000430 0.00030 <
11 BMRI 0.000426 0.00030 <
12 BBRI 0.000424 0.00030 <
13 ASII 0.000414 0.00019 <
98
7. Menghitung Proporsi masing-masing Saham (Wi)
Investor sebaiknya mengetahui berapa proporsi dana yang seharusnya
diinvestasikan dalam masing-masing saham. Untuk menentukan proporsi
masing-masing saham dibutuhkan Zi, yaitu Beta individual (βi) dibagi
dengan Variance Error individual (σei²), kemudian dikalikan dengan ERB
individual yang dikurang dengan nilai Cut Off Point (C*).
TABEL. 4.9
PROPORSI MASING-MASING SAHAM
No Kode Emiten Wi Proporsi (%)
1 UNVR 0.196 19.6
2 BDMN 0.038 3.8
3 BBNI 0.173 17.3
4 UNTR 0.080 8.0
5 BBCA 0.241 24.1
6 TLKM 0.196 19.6
7 KLBF 0.051 5.1
8 INDF 0.016 1.6
9 ADHI 0.009 0.9
Jumlah 100,0
Sumber: Data Diolah
Dari tabel dapat dilihat bahwa proporsi dana paling banyak yang
seharusnya diinvestasikan oleh investor adalah pada saham BBCA yaitu
sebanyak 24.1%, sedangkan proporsi dana paling sedikit adalah pada saham
ADHI yaitu sebanyak 0.9% dari keseluruhan 9 emiten yang menjadi
99
kandidat portofolio optimal. Jika digambarkan dalam grafik maka
pembagian proporsi masing-masing saham akan seperti berikut.
GAMBAR. 4.8
PROPORSI MASING-MASING SAHAM
Sumber: Data Diolah
8. Menghitung Expected Return dan Standar Deviasi Portofolio
Expected Return portofolio menunjukan tingkat imbal hasil yang
diharapkan oleh para investor dalam keputusan invetasi portofolionya.
Sedangkan Standar Deviasi portofolio menunjukan penyimpangan yang
dihasilkan oleh Expected Return.
Dalam menghitung Expected Return dan Standar Deviasi Portofolio
sebelumnya diperlukan untuk menghitung Alpha Portofolio (αp) dan Beta
Portofolio (βp) sebagai berikut.
TABEL. 4.10
EXPECTED RETURN DAN STANDAR DEVIASI PORTOFOLIO
αp 0.00070
19,60%
04%
17%
08%
24%
19,57%
05%
02% 01%
UNVR BDMN BBNI UNTR BBCA TLKM KLBF INDF ADHI
100
βp 0.514
Rm 0,00036
E(Ri) 0,0064
σp 0,012
Sumber: Data Diolah
Expected Return portofolio senilai 0,0064 lebih besar dari Return
pasar yang senilai 0,00036 menunjukan bahwa portofolio yang dibentuk
memiliki prospek keuntungan yang baik para investor. Sedangkan Standar
Deviasi portofolio senilai 0,012, di mana Standar Deviasi saham
penyusunnya senilai; UNVR (0,0189), BDMN (0,0245), BBNI (0,0202),
UNTR (0,243), BBCA (0,0152), TLKM (0,0174), KLBF (0,0200), INDF
(0,0198), ADHI (0,0298), JSMR (0,0187), BMRI (0,0245), BBRI (0,0306),
dan ASII (0,0207). Perhitungan ini membuktikan bahwa pembentukan
portofolio dapat meminimalisir terjadinya risiko kerugian karena telah
dilakukan diversifikasi.
9. Penilaian Kinerja Portofolio
Kinerja Portofolio dinilai menggunakan Indeks Jensen, Indeks Sharpe
dan Indeks Treynor. Indeks Jensen menekankan pada perbedaan return
aktual yang diperoleh dengan return yang diharapkan. Indeks Sharpe
dihitung dengan memasukan risiko yang digambarkan oleh Standar Deviasi
portofolio, sedangkan Indeks Treynor memasukan risiko pasar yang
digambarkan oleh Beta portofolio (βp).
TABEL. 4.11
PENILAIAN KINERJA PORTOFOLIO
101
Indeks Jensen 0.006
Indeks Sharpe 0.514
Indeks Treynor 0.012
Sumber: Data Diolah
Penilaian kinerja portofolio dengan menggunakan Indeks Jensen,
Indeks Sharpe, dan Indeks Treynor memiliki nilai positif hal ini berarti
portofolio memiliki kinerja yang baik. Indeks Jensen menilai kinerja
portofolio sebesar 0.006 atau 0.6%, semakin tinggi nilai Indeks Jensen maka
semakin baik karena kinerja portofolio lebih baik dari Indeks Pasar. Indeks
Sharpe menilai kinerja portofolio sebesar 0.514 atau 51.4%, di mana
semakin tinggi nilai Indeks Sharpe berarti semakin baik karena rata-rata
Return lebih besar daripada Risk Free Rate dan Standar Deviasi yang
semakin rendah. Indeks Treynor menilai kinerja portofolio sebesar 0.012
atau 1.2%, semakin tinggi nilai Indeks Treynor maka semakin baik kinerja
portofolio, sebaliknya semakin rendah nilai Indeks Treynor maka kinerja
portofolio dikatakan buruk.
D. Menganalisis Pengaruh Model Tiga Faktor terhadap Return Saham
1. Analisis Data
Pengujian dilakukan untuk melihat apakah Model Tiga Faktor yang
terdiri dari Premi Risiko, Ukuran Perusahaan (Size), dan Book to Market
Equity Ratio dapat memberikan pengaruh terhadap Return saham yang
terdaftar dalam Indeks SRI-KEHATI dari September 2010 sampai
Desember 2017. Penelitian ini menggunakan data sekunder yang diperoleh
dari berbagai sumber, diantaranya data close price triwulan, nilai ekuitas
102
dari masing-masing perusahaan yang terdaftar dalam Indeks SRI-KEHATI
selama periode pengamatan, Suku Bunga Bank Indonesia (BI Rate), kurs
tengah dan jumlah saham beredar.
Close price atau harga penutupan secara triwulan masing-masing
perusahaan Indeks SRI-KEHATI selama periode pengamatan, total ekuitas
dan jumlah saham beredar diperoleh dari laporan keuangan triwulan setiap
perusahaan maupun laporan tahunan setiap perusahaan. Sedangkan Suku
Bunga Bank Indonesia (BI Rate) dan kurs tengah diperoleh dari website
Bank Indonesia (www.bi.go.id).
Sampel yang digunakan di dalam penelitian ini menggunakan
metode purposive sampling dengan karakteristik yang telah ditentukan
antara lain sebagai berikut:
a. Perusahaan yang terdaftar dalam Indeks SRI-KEHATI dari September
2010 sampai Desember 2017
b. Perusahaan yang selalu masuk Indeks SRI-KEHATI dari September
2010-Desember 2017 berturut-turut
Berdasarkan pertimbangan diatas maka terdapat 17 sampel
perusahaan yang terdaftar dalam Indeks SRI-KEHATI dari September 2010
sampai Desember 2017
TABEL 4.12
PERUSAHAAN DALAM INDEKS SRI-KEHATI PERIODE SEPT 2010-DES
2017
NO Kode Nama Perusahaan
1 AALI Astra Agro Lestari Tbk
2 ADHI Adhi Karya (Persero) Tbk
103
Sumber: www.idx.co.id
2. Statistik Deskriptif
Statistik Deskriptif digunakan untuk menggambarkan Mean, Median,
Minimum, Maximum, dan Standar Deviasi dari Variable Dependen dan
Variable Independen yang menjadi objek pengamatan. Statistik Deskriptif
dibuat dengan bantuan SPSS sebagai berikut.
TABEL. 4.13
STATISTIK DESKRIPTIF
3 ASII Astra Internasional Tbk
4 BBCA Bank Central Asia Tbk
5 BBNI Bank Negara Indonesia Tbk
6 BBRI Bank Rakyat Indonesia Tbk
7 BDMN Bank Danamon Indonesia Tbk
8 BMRI Bank Mandiri (Persero) Tbk
9 INDF Indofood Sukses Makmur Tbk
10 KLBF Kalbe Farma Tbk
11 LSIP Perusahaan Perkebunan London Sumatra
Indonesia Tbk
12 PGAS Perusahaan Gas Negara (Persero) Tbk
13 SMGR Semen Indonesia (Persero) Tbk
14 TINS Timah (Persero) Tbk
15 TLKM Telekomunikasi Indonesia (Persero) Tbk
16 UNTR United Tractors Tbk
17 UNVR Unilever Tbk
N Minimum Maximum Mean
Std.
Deviation Variance
Pre_RiskX1 30 -.215 .137 -.03387 .078 .006
SMBX2 30 -4.028 -3.100 -3.463 .225 .050
HMLX3 30 -2.396 -1.113 -1.846 .276 .076
ReturnY 30 -.243 .155 -.0401 .094 .009
Valid N
(listwise) 30
104
Sumber: Data Diolah
Secara umum pembentukan portofolio berdasarkan size dan book to
market equity menghasilkan data time series triwulan sebanyak 30 bulan
terhitung dari September 2010-Desember 2017. Tabel di atas
menggambarkan variabel dependen dan variabel independen yang dapat
dijelaskan sebagai berikut.
a. Premi Risiko
Premi Risiko sebagai Variabel Independen (X1) dihitung dengan
mengurangi return aktual IHSG yang bersifat triwulanan dengan Rf
(Risk Free Rate) triwulanan. Perhitungan premi risiko dapat dilihat di
lembar lampiran.
Dari tabel diatas, premi risiko memiliki nilai minimum sebesar -
0,215, artinya dari 30 bulan Premi Risiko, nilai Premi Risiko terkecil
terjadi pada kuartal III 2015 yang senilai -0,215. Nilai maximum atau
nilai terbesar senilai 0,137, artinya dari 30 bulan Premi Risiko, nilai
Premi Risiko terbesar terjadi pada kuartal I 2010 yang senilai 0,137 dan
memiliki mean atau rata-rata senilai -0,034 dari total 30 bulan Premi
Risiko. Serta memiliki Standar Deviasi sebesar 0,78 yang berarti data
menyebar sebanyak 0,78 dan variance sebesar 0.050.
b. SMB
105
SMB sebagai variabel Independen (X2) adalah Small Minus Big
yang terdiri dari selisih rata-rata penjumlahan portofolio saham kecil
dibagi Book to Equity Market Ratio rendah (S/L), dengan portofolio
saham kecil dibagi Book to Equity Market Ratio medium (S/M), dan
portofolio saham kecil dibagi Book to Equity Market Ratio tinggi (S/H)
dengan penjumlahan portofolio saham besar dibagi Book to Equity
Market Ratio rendah (B/L), dengan portofolio saham besar dibagi Book
to Equity Market Ratio medium (B/M), dan dengan portofolio saham
besar dibagi Book to Equity Market Ratio tinggi (B/H). Perhitungan
SMB dapat dilihat pada lembar lampiran.
Dari tabel diatas, SMB menunjukan nilai minimum pada angka -
4.028, artinya dari 30 bulan SMB, nilai SMB terkecil terjadi pada
kuartal III 2011 yang senila -4.028 sedangkan nilai maximum
menunjukan angka -3.100, yang artinya dari 30 bulan SMB, nilai SMB
terbesar terjadi pada kuartal II 2012 yang senilai -3.100 dan mean atau
rata-rata dari keseluruhan data SMB sebesar -3.463. Serta memiliki
Standar Deviasi sebesar 0.225 dan variance sebesar 0,038.
c. HML
HML sebagai variabel Independen (X3) adalah High Minus Low
yang terdiri dari selisih rata-rata penjumlahan portofolio saham kecil
dibagi Book to Equity Market Ratio tinggi (S/H), dengan portofolio
saham besar dibagi Book to Equity Market Ratio tinggi (B/H), dengan
penjumlahan portofolio saham kecil dibagi Book to Equity Market Ratio
106
rendah (S/L), dengan portofolio saham besar dibagi Book to Equity
Market Ratio rendah (B/L). Perhitungan HML dapat dilihat pada
lembar lampiran.
Dari tabel diatas HML menunjukan nilai minimum pada angka -
2.396, yang artinya dari 30 bulan HML, nilai HML terkecil terjadi pada
kuartal 1V 2017 yang senilai -2.396, sedangkan nilai maksimum
menunjukan angka -1.113, yang artinya dari 30 bulan HML, nilai HML
terbesar terjadi pada kuartal I 2017 yang senilai -1.113 dan mean atau
rata-rata senilai -1.846. Serta memiliki Standar Deviasi sebesar 0.276
dan variance sebesar 0.076
d. Return Saham
Return saham sebagai variabel dependen (Y) dihitung dengan
merata-ratakan expected return triwulan tiap saham yang menjadi objek
pengamatan dari September 2010-Desember 2017. Perhitungan Return
saham dapat dilihat pada lembar lampiran.
Dari tabel diatas Return saham menunjukan angka -0,243, yang
artinya dari 30 bulan Return saham, nilai Return saham terkecil terjadi
pada kuartal III 2015 yang senilai -0,243 sedangkan nilai maksimum
menunjukan angka 0,155, yang artinya dari 30 bulan Return saham,
nilai Return saham terbesar terjadi pada kuartal III 2011 yang senilai
0,155 dan mean atau rata-rata senilai -0,040. Serta memiliki Standar
Deviasi sebesar 0,094, dan variance sebesar 0,009.
3. Pengujian Statistik Data
107
a. Uji Stasioneritas
Uji Stasioneritas menggunakan Uji Akar Unit atau Unit Root
Test dengan bantuan program Eviews. Kesimpulan hasil Uji
Stasioneritas pada masing-masing variable dependen dan variable
independen adalah sebagai berikut.
TABEL 4.14
UJI STASIONERITAS
Variabel Probabilitas α
Premi Risiko (X1) 0.0001 ≤ 0.05
atau
5%
SMB (X2) 0.0000 ≤
HML (X3) 0.0000 ≤
Return saham (Y) 0.0002 ≤
Sumber: Data Diolah
Apabila p ≤ 5%, maka H0 ditolak atau masing-masing variabel
bersifat stasioner. Sebaliknya jika p ≥ 5%, H0 diterima atau masing-
masing variabel bersifat tidak stasioner. Pada tabel diatas dapat dilihat
bahwa dari keseluruhan variabel, baik variable dependen maupun
variabel independen memiliki probabilitas ≤ 5%, oleh karena itu
keempat variabel dikatakan sudah stasioner atau H0 ditolak.
Stasioner berarti data time series selama periode pengamatan
memiliki rata-rata, varians, dan kovarians yang tetap dan tidak
dipengaruhi oleh perubahan waktu. Keseluruhan hasil Uji Stasioneritas
dapat dilihat di lembar lampiran.
b. Uji Normalitas
108
Uji Normalitas yang digunakan dalam penelitian ini adalah
menggunakan Kolomogrov-Sminorv Test dengan bantuan program
SPSS. Uji Normalitas memiliki hasil sebagai berikut.
TABEL. 4.15
UJI NORMALITAS
Sumber: Data Diolah
Apabila nilai signifikansi ≥ 5% maka H0 ditolak atau seluruh
variabel pengamatan sudah signifikan dan telah terdistribusi normal.
Sebaliknya jika nilai signifikansi ≤ 5% maka H0 diterima atau seluruh
variabel pengamatan tidak signifikan dan tidak terdistribusi normal.
Pada tabel dapat dilihat bahwa nilai signifikansi adalah
sebesar 0.998 yang berarti ≥ 5% atau seluruh variabel pengamatan
sudah bersifat signifikan dan telah terdistribusi normal. Pada pengujian
kali ini H0 ditolak.
c. Uji Autokorelasi
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 30
Normal Parametersa Mean .0000000
Std. Deviation .04081822
Most Extreme
Differences
Absolute .072
Positive .065
Negative -.072
Kolmogorov-Smirnov Z .394
Asymp. Sig. (2-tailed) .998
a. Test distribution is Normal.
109
Uji Autokorelasi menggunakan Durbin-Watson test dengan
bantuan program SPSS untuk variabel premi risiko, SMB, HML, dan
Excess Return. Hasil pengolahan uji Autokorelasi sebagai berikut.
Tabel. 4.16
Uji Autokorelasi
Sumber: Data Diolah
Apabila d < dl atau d > 4-dl maka H0 ditolak atau terdapat
autokorelasi antar residual. Sedangkan apabila du < d < 4-du maka H0
diterima atau tidak terdapat autokorelasi antar residual. Di mana d
adalah nilai Durbin-Watson test, sedangkan du dan dl dapat dilihat dari
tabel Durbin-Watson.
Pada tabel diatas dapat dilihat bahwa pengujian ini memiliki
nilai Durbin-Watson test sebesar 1.975, dan jika dilihat pada tabel
Durbin-Watson, du adalah sebesar 1,649 dan dl adalah sebesar 1.2138.
Oleh karena itu didapatkan hasil 1.649 < 1.975 < 2.3502 atau du < d <
4-du yang membuktikan bahwa tidak terdapat autokorelasi antar
residual dan H0 diterima. Autokorelasi berarti terdapat masalah antar
korelasi akibat residual tidak bebas dari suatu observasi ke observasi
lainnya.
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .900a .811 .789 .043109 1.975
a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2
b. Dependent Variable: ReturnY
110
d. Uji Multikolonearitas
Uji Multikolonearitas memperhatikan nilai Tolerance dan nilai
VIF dalam menentukan apakah terjadi multikolonearitas antar variabel
bebas (variabel independen). Uji Multikolonearitas dilakukan untuk
mengetahui apakah dalam sebuah model regresi terdapat korelasi antar
variabel bebasnya. Hasil dari Uji Multikolonearitas dengan bantuan
program SPSS sebagai berikut.
TABEL. 4.17
UJI MULTIKOLONEARITAS
Sumber: Data Diolah
Apabila Tolerance < 0.1 atau VIF > 10.0 maka H0 ditolak atau
terdapat multikolonearitas. Sebaliknya jika Tolerance > 0,1 atau VIF <
10.0 maka H0 dterima atau tidak terdapat multikolonearitas.
Dari tabel diatas dapat dilihat nilai Tolerance pada Premi Risiko
adalah sebesar 0,935 sedangkan nilai VIF sebesar 1,070. Lalu nilai
Tolerance pada SMB adalah sebesar 0.352 sedangkan nilai VIF sebesar
2.840, terakhir pada HML, nilai Tolerance adalah sebesar 0.344
sedangkan nilai VIF sebesar 2.905. Dari ketiga variabel bebas diatas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .134 .146 .918 .367
Pre_RiskX1 1.093 .106 .909 10.2 .000 .935 1.070
SMBX2 .053 .060 .127 .886 .384 .352 2.840
HMLX3 -.026 .050 -.075 -.51 .609 .344 2.905
a. Dependent Variable: ReturnY
111
semuanya memiliki nilai Tolerance > 0,1 dan memiliki nilai VIF < 10,0.
Oleh karena itu H0 diterima atautidak terdapat multikolonearitas karena
Tolerance > 0,1 atau VIF < 10,0.
e. Uji Heterokedastisitas
Uji Heterokedastisitas menggunakan Uji Glesjer dengan
bantuan program SPSS. Uji Heterokedastisitas dilakukan untuk
mengetahui apakah dalam model regresi terjadi kesamaan varians dari
residual satu pengamatan ke pengamatan lain. Hasil Uji
Heterokedastisitas sebagai berikut.
TABEL 4.18
UJI HETEROKEDASTISITAS
Sumber: Data Diolah
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B
Std.
Error Beta Tolerance VIF
1 (Constant) -.020 .089 -.229 .820
Pre_RiskX1 .011 .065 .034 .170 .867 .935 1.070
SMBX2 -.023 .037 -.207 -.633 .532 .352 2.840
HMLX3 .015 .030 .167 .504 .619 .344 2.905
a. Dependent Variable: RES2
112
Apabila Signifikansi < 0.05 maka H0 ditolak atau terjadi
heterokedastisitas, sebaliknya jika signifikansi > 0.05 maka H0 diterima
atau tidak terjadi heterokedastisitas. Heterokedastisitas terjadi apabila
variabel gangguan tidak mempunyai varians yang sama untuk semua
observasi.
Pada tabel di atas dapat dilihat bahwa Premi Risiko memiliki
signifikansi sebesar 0.867, SMB memiliki signifikansi sebesar 0.532, dan
HML memiliki signifikansi sebesar 0.619. Dari ketiga variabel bebas
tersebut semuanya memiliki nilai signifikasi > 0.05 yang berarti H0
diterima atau tidak terjadi heterokedastisitas.
f. Analisis Regresi Linear Berganda
Hasil perhitungan regresi berganda dengan menggunakan
bantuan program Eviews ditunjukkan dengan hasil Ordinary Least
Square (OLS) adalah sebagai berikut:
TABEL. 4.19
ANALISIS REGRESI LINERAR BERGANDA
Variable Coefficient Std. Error t-Statistic Prob.
C 0.134659 0.145221 0.927270 0.3623
Premi_Risk 1.095388 0.105984 10.33538 0.0000
SMB 0.053544 0.059846 0.894697 0.3792
HML -0.025840 0.049326 -0.523850 0.6048
Sumber: Data Diolah
Dari hasil analisis regresi di atas, menghasilkan persamaan regresi
linier berganda sebagai berikut:
113
Ri – Rf = 0.134659 + 1.095388Pre_Risk + 0.0535440SMB - 0.025840HML (4.1)
Hasil regresi diatas menunjukan bahwa dari ketiga variabel
independen yang diuji, hanya dua variabel yang memiliki pengaruh
positif terhadap Return saham, yaitu Premi Risiko dan SMB. Premi
Risiko memiliki pengaruh positif terhadap Return saham, yang artinya
antara Premi risiko dan Return saham memilihi pengaruh yang searah,
semakin tinggi nilai Premi Risiko maka semakin tinggi Return yang akan
didapat dari perusahaan Indeks SRI-KEHATI periode September 2010-
Desember 2017.
SMB atau Small Minus Big yang terdiri dari portofolio Size dan
Book to Market Equity juga memiliki pengaruh positif terhadap Return
saham, yang artinya antara Size dan Book to Market Equity dengan
Return saham memiliki pengaruh yang searah, semakin tinggi nilai Size
dan Book to Market Equity maka semakin besar Return yang akan
diperoleh dari perusahaan Indeks SRI-KEHATI periode September
2010-Desember 2017.
Sedangkan HML atau High Minus Low, memiliki pengaruh
negatif terhadap Return. Pengaruh yang negatif artinya HML dan Return
saham memiliki hubungan yang berlawanan. Jika nilai HML lebih besar,
maka perolehan Return saham semakin kecil, begitu juga sebaliknya.
1) Uji Parsial (Uji T)
Hasil Uji Parsial yang dilakukan dengan menggunakan program
Eviews adalah sebagai berikut:
114
TABEL. 4.20
UJI T
Sumber: Data Diolah
Uji t dilakukan untuk mengetahui ada atau tidaknya pengaruh
secara parsial (sendiri) antara variabel independen terhadap variabel
dependen. Pada Uji t, apabila probabilitas < 0,05 atau t hitung > t
table maka H0 ditolak atau terdapat pengaruh secara parsial antar
variabel independen terhadap variabel dependen. Sebaliknya jika
probabilitas > 0,05 atau t hitung < t table maka H0 diterima atau tidak
terdapat pengaruh secara parsial antar variabel independen terhadap
variabel dependen.
Pada tabel diatas dapat dilihat bahwa Premi risiko memiliki
probabilitas sebesar 0.000, hal ini berarti Premi risiko memiliki
pengaruh secara parsial terhadap Return saham karena nilai
probabilitas < 0.05 atau H0 ditolak. Lalu SMB memiliki probabilitas
sebesar 0.3792, hal ini berarti SMB tidak memiliki pengaruh secara
parsial terhadap Return saham karena nilai probabilitas < 0.05 atau
H0 diterima. HML memiliki probabilitas sebesar 0.6048, hal ini
berarti HML juga tidak memiliki pengaruh secara parsial terhadap
Return saham karena nilai probabilitas > 0,05 atau H0 diterima.
2) Uji Simultan (Uji F)
Variabel Prob α
Premi Risiko (X1) 0.0000 < 5% atau
0,05 SMB (X2) 0.3792 >
HML (X3) 0.6048 >
115
Hasil Uji Simultan yang dilakukan dengan menggunakan
program Eviews adalah sebagai berikut:
TABEL. 4.21
UJI F
Sumber: Data Diolah
Uji F dilakukan untuk mengetahui ada tidaknya pengaruh
secara simultan (bersama-sama) antara variabel independen terhadap
variabel dependen. Pada Uji F, jika probabilitas F statistic < 0.05
atau F hitung > F table maka H0 ditolak atau terdapat pengaruh secara
simultan antar variable independen terhadap variable dependen.
Sedangkan jika probabilitas F statistic > 0.05 atau F hitung < F table
R-squared 0.811784 Mean dependent var -0.040179
Adjusted R-squared 0.790066 S.D. dependent var 0.093783
S.E. of regression 0.042970 Akaike info criterion -3.333057
Sum squared resid 0.048007 Schwarz criterion -3.146231
Log likelihood 53.99586 Hannan-Quinn criter. -3.273290
F-statistic 37.37964 Durbin-Watson stat 1.989096
Prob(F-statistic) 0.000000
116
maka H0 diterima atau tidak terdapat pengaruh secara simultan antar
variable independen terhadap variable dependen.
Pada tabel di atas dapat dilihat nilai probabilitas F statistic
sebesar 0.000 yang berarti probabilitas F statistic < 0.05 dan terjadi
pengaruh secara simultan antara Premi Risiko, SMB, dan HML
terhadap Return saham atau H0 ditolak.
3) Koefisien Determinasi (R2)
Koefisisen Determinasi atau R-Squared memberikan seberapa
besar pengaruh yang diberikan variabel indepeden terhadap variabel
dependen. Dari tabel diatas nilai R-Squared adalah sebesar 0,79 atau
79%. Hal ini berarti sebesar 79% dari variabel independen mampu
menjelaskan variabel dependennya, yaitu Premi Risiko, SMB, dan
HML terhadap Return saham. Sedangkan sisanya yaitu sebanyak 21%
dijelaskan oleh variabel lain di luar model.
g. Keterkaitan antar Variabel
Dari penelitian yang telah dilakukan maka keterkaitan antar variabel
dapat dijelaskan seperti berikut.
1) Keterkaitan antara Premi Risiko dengan Return saham
Premi risiko memiliki nilai koefisien sebesar 1.095388 dan
probabilitas sebesar 0.0000, artinya terdapat pengaruh yang positif
dan signifikan antara Premi Risiko dengan Return saham. Dengan
117
demikian, maka semakin tinggi Premi Risiko, Return saham yang
akan diperoleh juga semakin tinggi.
Hasil penelitian ini sama dengan penelitian Irawan dan Murhadi
(2012) yang menunjukan bahwa faktor Premi Risiko secara
signifikan berpengaruh positif terhadap Return. Hal ini berarti faktor
pasar dalam konsep CAPM sangat kuat mempengaruhi Return.
2) Keterkaitan antara SMB dengan Return saham
SMB memiliki nilai koefisiensi sebesar 0.053544 dan
probabilitas sebesar 0.3792, artinya terdapat pengaruh yang positif
namun tidak signifikan antara SMB dengan Return saham.
Hasil penelitian ini sama dengan penelitian Lestari dan Wahyudi
(2015) yang menunjukan terdapat hubungan yang positif antara
SMB dan Return saham. Dengan demikian, semakin besar
kapitalisasi pasar maka semakin besar Return saham yang akan
dipeoleh
3) Keterkaitan antara HML dan Return saham
HML memiliki nilai koefisiensi sebesar -0.025840 dan
probabilitas sebesar 0.6048, artinya terdapat pengaruh yang negatif
dan tidak signifikan antara HML dengan Return saham.
Hasil penelitian ini sama dengan penelitian Sudiyatno dan Irsad
(2011) yang menunjukan Book to-market Equity (HML)
berpengaruh negatif tetapi tidak signifikan terhadap Return saham
pada tingkat signifikansi 5%, artinya jika Book-to-market equity
118
ratio (HML) turun, maka return saham akan naik. Apabila Book-to-
market equity ratio turun menunjukkan harga pasar saham naik,
berarti semakin baik kinerja saham. Kondisi ini akan mencerminkan
tingkat optimis investor terhadap masa depan perusahaan. Didalam
kasus ini, risk premium (premi risiko) pengaruhnya masih lebih baik
Book-to-market equity ratio. Investor lebih memandang risiko
sebagai faktor yang lebih akurat untuk memprediksikan return
saham.
119
BAB V
KESIMPULAN DAN SARAN
A. Kesimpulan
Berdasarkan penelitian yang telah dilakukan maka didapatkan kesimpulan
sebagai berikut:
1. Pembentukan portofolio optimal dengan Single Index Model pada saham SRI-
KEHATI tahun 2013-2017 menghasilkan 9 emiten yang layak untuk menjadi
kandidat portofolio optimal, yaitu UNVR (PT. Unilever Indonesia, Tbk),
BDMN (PT. Bank Danamon, Tbk), BBNI (PT. Bank Negara Indonesia, Tbk),
UNTR (PT. United Tractors Indonesia, Tbk), BBCA (PT. Bank Central Asia,
Tbk), TLKM (PT. Telekomunikasi Indonesia, Tbk), KLBF (PT. Kalbe Farma,
Tbk), INDF (PT. Indofood Sukses Makmur, Tbk), dan ADHI (PT. Adhi
Karya, Tbk). Expected Return portofolio yang dihasilkan adalah sebesar
0,0064, sedangkan Standar Deviasi portofolio atau dapat diartikan sebagai
risiko portofolio adalah sebesar 0,012. Standar Deviasi portofolio ini lebih
rendah nilainya dibanding Standar Deviasi individual dari saham-saham
penyusunnya, yang membuktikan bahwa pembentukan portofolio dapat
meminimalisir risiko akibat telah dilakukan diversifikasi.
2. Hasil analisis dari pengaruh Fama-French Three Factor Model terhadap
Return saham pada perusahaan SRI-KEHATI periode September 2010-
Desember 2017 adalah sebagai berikut:
120
a. Premi risiko memiliki nilai koefisien sebesar 1.095388 dan probabilitas
sebesar 0.0000, artinya terdapat pengaruh yang positif dan signifikan
antara Premi Risiko dengan Return saham.
b. SMB memiliki nilai koefisiensi sebesar 0.053544 dan probabilitas sebesar
0.3792, artinya terdapat pengaruh yang positif namun tidak signifikan
antara SMB dengan Return saham
c. HML memiliki nilai koefisiensi sebesar -0.025840 dan probabilitas
sebesar 0.6048, artinya terdapat pengaruh yang negatif dan tidak signifikan
antara HML dengan Return saham.
d. Premi Risiko, SMB, dan HML memiliki nilai probabilitas F statistic
sebesar 0.000, artinya terdapat pengaruh secara simultan atau secara
bersama-sama antara Premi Risiko, SMB, dan HML dengan Return saham
e. Nilai R-Squared adalah sebesar 79% hal ini berarti sebesar 79% dari
variabel independen mampu menjelaskan variabel dependennya, yaitu
Premi Risiko, SMB, dan HML terhadap Return saham. Sedangkan sisanya
yaitu sebanyak 21% dijelaskan oleh variabel lain di luar model.
B. Saran
Berdasarkan kesimpulan dan keterbatasan penelitian yang telah dipaparkan
di atas, maka saran untuk penelitian berikutnya adalah:
1. Dalam pembentukan portofolio optimal, peneliti hanya menggunakan metode
Single Index Model, sehingga diharapkan untuk kedepannya dapat
menggunakan metode-metode lainnya seperti Constant Corellation Model
121
dan Mean-VaR untuk mendapatkan hasil yang lebih baik. Selain itu,
penelitian ini hanya menggunakan satu Indeks saja yang terdaftar dalam BEI,
maka dari itu untuk peneliti selanjutnya diharapkan menambah sejumlah
Indeks lain seperti KOMPAS100, IDX30, PEFIND025, serta JII untuk
mengetahui Indeks mana yang dapat memberikan kandidat portofolio optimal
yang terbaik.
2. Untuk mengetahui variabel apa yang dapat mempengaruhi Return saham,
peneliti hanya menggunakan tiga variabel dari Model Fama dan French yaitu
Premi Risiko, Size, dan Book to Equity Market Ratio. Maka dari itu untuk
penelitian selanjutnya diharapkan ditambahkan variabel dan model lain untuk
membandingkan sekaligus menilai variabel apa yang lebih berpengaruh
terhadap Return saham.
122
DAFTAR PUSTAKA
Alves, Paulo. “The Fama French Model Or The Capital Asset Pricing Model:
International Evidence”, The International Journal of Business and Finance
Research, Vol. 7, No. 2, 2013.
Blanco, Belen. “The Use Of CAPM And Fama French Three Factor Model:
Portofolios Selection”, Public and Muncipal Finance, Volume 1, Issue 2, 2012.
Brigham, Eugene F dan Houston. “Fundamental of FinancialManagement: Dasar-
Dasar Manajemen Keuangan”, Edisi 10, Salemba Empat, Jakarta, 2006.
Bodie, Z., A. Kane, dan A.J. Marcus. “Manajemen Portofolio dan Investasi”, Edisi
Kesembilan, Buku 1, Salemba Empat, Jakarta, 2014.
Cahyadi, Bramantio dan Adisti Febriwanty. “Pengaruh Variabel Makro terhadap
Pembentukan Portofolio Optimal dengan Single Index Model pada Bursa Efek
Indonesia (BEI), Journal of Capital Market and Banking, Vol. 2, No. 1, 2014.
Elton, Edwin. J., and Martin J. Gruber. “Modern Portoflio Theory And Investment
Analysis”, Edisi Kelima, John Wiley & Sons Inc, New York, 1995.
Fama, Eugene & French, K. R. “The Cross Section of Expected Stock Returns”,
Journal of Finance. 67, 2 : 42, 1992.
Fawziah, Siti Apriani. “Pengaruh Fama French Terhadap Return Saham”,
Universitas Negri Yogyakarta, 2016.
Francis, Jack Clark. “Invesment: Analysis And Management”, McGraw-Hill,
Singapore, 1991.
Fahmi, Irham. “Analisa Laporan Keuangan” Alfabeta, Bandung, 2011.
Ghozali, Imam. “Aplikasi Analisis Multivariate Dengan Program SPSS”, Cetakan
Keempat, Badan Penerbit Universitas Diponegoro, Semarang, 2009.
Gitman, Lawrence J dan Chad J. Zutter. “Principles of Managerial Finance”, 13th
Edition, Global Edition, Pearson Education Limited, 2012.
Hadi, Nor. “Pasar Modal”, Graha Ilmu, Yogyakarta, 2013.
Hanafi, Mamduh. “Manajemen Keuangan”, BPFE, Yogyakarta, 2004.
123
Hardianto, Damar dan Suherman. “Pengujian Fama-French Three-Factor Model Di
Indonesia”, Jurnal Keuangan dan Perbankan, Vol. 13, No.2, 2009.
Husnan, Suad. “Dasar-Dasar Teori Portfolio dan Analisis Sekuritas”, Edisi Keempat.
Cetakan Pertama, UPP AMP YKPN, Yogyakarta, 2005.
Husnan, Suad. “Manajemen Keuangan: Teori dan Penerapan” Buku 1, Edisi 4,
BPFE. Yogyakarta, 2008.
Jogiyanto. “Teori Portofolio dan Analisis Investasi”, Edisi Keenam, Cetakan
Pertama, PT. BPFE Yogyakarta, Yogyakarta, 2009.
Jogiyanto. “Teori Portofolio dan Analisis Investasi”, Edisi Ketujuh, BPFE –
Yogyakarta, Yogyakarta, 2012.
Jorion, Philippe. “Value at Risk”, Second Edition, McGrawHill, USA, 2000.
Kampman, Tijmen. “Explaining Stock Returns: the CAPM, Fama-French Three
Factor Model and Carhart’s Four Factor Model”, Tilburg University
Repository, 2011.
Markowitz, H.M. “Portfolio Selection”. The Journal of Finance, March, 1952.
Marlina, Reni. “Formation Of Stock Portfolio Using Single Index Model (Case Study
On Banking Shares In The Indonesia Stock Exchange)”, International Journal
of Business, Economics and Law, Vol. 8, Issue 1, 2015.
Mohamad Samsul. “Pasar Modal dan Manajemen Portofolio”, Erlangga, Jakarta,
2006.
Monolakis, Valsamis. “Fama and French Three-Factor Model: Application to Greek
Stock Market” University of Macedonia, 2012.
Nalini. “Optimal Portfolio Construction Using Sharpe’s Single Index Model - A
Study Of Selected Stocks From Bse”, International Journal of Advanced
Research, 2014.
Negara, Prakarsa Panji. “Peranan Model Tiga Faktor Terhadap Pembentukan
Portofolio Efisien Saham LQ45 di Bursa Efek Indonesia”, Universitas
Lampung, 2012.
Nur’ainy, Renny, dkk. “Studi Empiris Pembentukan Portofolio Saham Multifaktor di
Bursa Efek Indonesia”, Simposium Nasional Akuntasi, 2013.
124
Richard, Irawan and Murhadi, Werner Ria “Analisis Pengaruh Three Factor Model
dan Persentase Kepemilikan Asing Terhadap Tingkat Return di Bursa Efek
Indonesia”, Jurnal Manajemen & Bisnis, 11 (2), 2012.
Ross, Stephen A. “The Arbitrage Theory of Capital Asset Pricing”. Journal of
Economic Theory vol.13 No.2, 1976.
Salim HS, budi Sutrisno. “Hukum Investasi di Indonesia”, Rajawali Grafindo,
Jakarta, 2008.
Sathyapriya, M. “Optimum Portfolio Construction Using Sharpe Index Model With
Reference to Infrastructure Sector and Pharmaceutical Sector”, International
Journal of Scientific and Research Publications, Volume 6, Issue 8, 2016.
Sharpe, W.F. “Capital Asset Prices: A Theory of Market Equilibrium Under
Condition of Risk”. Journal of Finance 19: 425-442, 1964.
Sudiyatno, Bambang., dan Irsad, Moch. “Menguji Tiga Faktor Fama dan French
dalam Mempengaruhi Return Saham Studi pada Saham LQ45 di BEI”, Jurnal
Bisnis dan Ekonomi (JBE), Universitas Stikubank Semarang Vol.18, No.2,
2011.
Sujianto. “Dasar-dasar Manajemen Keuangan”, BPFE, Yogyakarta, 2001.
Susanti,dkk. “Analisis Pembentukan Portofolio Optimal Saham Dengan
Menggunakan Model Indeks Tunggal (Studi pada Saham LQ-45 di Bursa Efek
Indonesia Periode Agustus 2009 – Juli 2012). Artikel Ilmiah, Universitas
Sumatra Utara, 2012.
Tandelilin, Eduardus. “Analisis Investasi dan Manajemen Portofolio”, BPFE-
Yogyakarta, Yogyakarta, 2010.
Tyas, Vian Riska Ayuning, dkk. “Penerapan Model Arbitrage Pricing Theory
Dengan Pendekatan Vector Autoregression Dalam Mengestimasi Expected
Return Saham (Studi Kasus: Saham-Saham Kompas100 Periode 2010-2013”,
E-Jurnal Matematika Vol. 3, No.1, 2014
Tjiptono Darmadji dan Hendi M Fakhrudin. “Pasar Modal Di Indonesia”, Edisi
Ketiga, Salemba Empat, Jakarta, 2012.
Utamayasa, Komang Nehru; Wiagustini, Ni Luh Putu. “Penentuan Portofolio
Optimal Dengan Menggunakan Model Indeks Tunggal Pada Saham
125
Perbankan Di Bursa Efek Indonesia”, E-Jurnal Manajemen Universitas
Udayana, Vol. 5, No. 6, 2016.
Yuningsih, Isna dan Rizky Yudaruddin. “Pengaruh Model Tiga Faktor terhadap
Return Saham”, Akuntabilitas, Vol. 7, No.1, 2007.
Yolita dan Syarief Fauzie. “Analisis Stock Returns Perusahaan Perbankan pada
Jakarta Composite Index (IHSG) Menggunakan Fama-French Three-Factor
Model”, Jurnal Ekonomi dan Keuangan, Vol. 2, No. 11, 2014.
Zubir, Zalmi. “Manajemen Portofolio: Penerapannya dalam Investasi Saham”,
Salemba Empat, Jakarta, 2011.
www.idx.co.id
www.bi.go.id
126
LAMPIRAN
Lampiran 1: Risk Free Rate
No Bulan
Tahun
2013 2014 2015 2016 2017
BI Rate
bulanan
Rata-
rata BI Rate
bulanan Rata-rata
BI Rate
bulanan Rata-rata
BI Rate
bulanan Rata-rata
BI Rate
bulanan Rata-rata
1 Jan 0.0575 0.00016 0.0750 0.000205 0.0775 0.000212 0.0725 0.000199 0.0475 0.000130
2 Feb 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0700 0.000192 0.0475 0.000130
3 Mar 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0675 0.000185 0.0475 0.000130
4 Apr 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0675 0.000185 0.0475 0.000130
5 Mei 0.0575 0.00016 0.0750 0.000205 0.0750 0.000205 0.0675 0.000185 0.0475 0.000130
6 Jun 0.0600 0.00016 0.0750 0.000205 0.0750 0.000205 0.0650 0.000178 0.0475 0.000130
7 Jul 0.0650 0.00018 0.0750 0.000205 0.0750 0.000205 0.0650 0.000178 0.0475 0.000130
8 Ags 0.0675 0.00018 0.0750 0.000205 0.0750 0.000205 0.0525 0.000144 0.0450 0.000123
9 Sep 0.0725 0.0002 0.0750 0.000205 0.0750 0.000205 0.0500 0.000137 0.0425 0.000116
10 Okt 0.0725 0.0002 0.0750 0.000205 0.0750 0.000205 0.0475 0.000130 0.0425 0.000116
11 Nov 0.0750 0.00021 0.0763 0.000209 0.0750 0.000205 0.0475 0.000130 0.0425 0.000116
12 Des 0.0750 0.00021 0.0775 0.000212 0.0750 0.000205 0.0475 0.0001 0.0425 0.000116
Rata-rata
Rf perhari 0.000176
127
Lampiran 2: Rekapitulasi Data Fama-French Three Factor Model
Periode Average Excess Return
(Y)
Premi
Risiko/β(X1)
SMB (X2) HML(X3)
30-Sep-11 0.155 0.137 -3.128 -1.113
31-Des-10 -0.031 -0.007 -3.100 -1.485
31-Mar-11 -0.199 -0.074 -3.250 -1.458
30-Jun-11 -0.040 -0.010 -3.358 -1.597
30-Sep-11 -0.186 -0.155 -3.413 -1.621
31-Des-11 0.024 0.017 -3.571 -1.871
31-Mar-12 -0.021 0.021 -3.683 -2.018
30-Jun-12 -0.064 -0.098 -3.566 -2.059
30-Sep-12 0.068 0.020 -3.439 -1.885
31-Des-12 -0.027 -0.045 -3.371 -1.919
31-Mar-13 0.099 0.087 -3.257 -1.647
30-Jun-13 -0.068 -0.085 -3.286 -1.834
30-Sep-13 -0.182 -0.177 -3.307 -1.744
31-Des-13 -0.054 -0.085 -3.261 -1.728
31-Mar-14 0.092 0.041 -3.146 -1.613
30-Jun-14 -0.048 -0.052 -3.308 -1.524
30-Sep-14 -0.063 -0.022 -3.290 -1.762
31-Des-14 -0.036 -0.060 -3.296 -1.785
31-Mar-15 -0.033 -0.019 -3.541 -1.826
30-Jun-15 -0.213 -0.185 -3.580 -1.968
30-Sep-15 -0.243 -0.215 -3.441 -2.057
31-Des-15 -0.013 0.013 -3.503 -2.133
31-Mar-16 0.051 -0.013 -3.503 -1.821
30-Jun-16 -0.084 -0.017 -3.667 -1.997
30-Sep-16 0.053 0.019 -3.635 -1.921
31-Des-16 -0.003 -0.060 -3.749 -1.958
31-Mar-17 -0.057 0.008 -3.857 -2.052
30-Jun-17 -0.021 -0.005 -4.028 -2.262
30-Sep-17 -0.061 -0.030 -3.600 -2.350
31-Des-17 0.002 0.035 -3.761 -2.396
128
Lampiran 3: Premi Risiko (Variabel X1)
Periode CP Return Rf Excess
Return
30-Jun-10 2,913
30-Sep-10 3,501 0.202 0.065 0.137
31-Des-10 3,703 0.058 0.065 -0.007
31-Mar-11 3,678 -0.007 0.0675 -0.074
30-Jun-11 3,888 0.057 0.0675 -0.010
30-Sep-11 3,549 -0.087 0.0675 -0.155
31-Des-11 3,821 0.077 0.06 0.017
31-Mar-12 4,121 0.079 0.0575 0.021
30-Jun-12 3,955 -0.040 0.0575 -0.098
30-Sep-12 4,262 0.078 0.0575 0.020
31-Des-12 4,316 0.013 0.0575 -0.045
31-Mar-13 4,940 0.145 0.0575 0.087
30-Jun-13 4,818 -0.025 0.06 -0.085
30-Sep-13 4,316 -0.104 0.0725 -0.177
31-Des-13 4,274 -0.010 0.075 -0.085
31-Mar-14 4,768 0.116 0.075 0.041
30-Jun-14 4,878 0.023 0.075 -0.052
30-Sep-14 5,137 0.053 0.075 -0.022
31-Des-14 5,226 0.017 0.0775 -0.060
31-Mar-15 5,518 0.056 0.075 -0.019
30-Jun-15 4,910 -0.110 0.075 -0.185
30-Sep-15 4,223 -0.140 0.075 -0.215
31-Des-15 4,593 0.088 0.075 0.013
31-Mar-16 4,845 0.055 0.0675 -0.013
30-Jun-16 5,016 0.035 0.0525 -0.017
30-Sep-16 5,364 0.069 0.05 0.019
31-Des-16 5,296 -0.013 0.0475 -0.060
31-Mar-17 5,592 0.056 0.0475 0.008
30-Jun-17 5,829 0.042 0.0475 -0.005
30-Sep-17 5,900 0.012 0.0425 -0.030
31-Des-17 6,355 0.077 0.0425 0.035
129
Lampiran 4: Size
Tahun Periode Kode Emiten Close
Price
Jml. Saham
Beredar
Kap. Pasar (Size)
2010 Q3 AALI 20,700 1,574,745,000 32,597,221,500,000
Q4 AALI 26,200 1,574,745,000 41,258,319,000,000
2011 Q1 AALI 22,700 1,574,745,000 35,746,711,500,000
Q2 AALI 23,500 1,574,745,000 37,006,507,500,000
Q3 AALI 19,300 1,574,745,000 30,392,578,500,000
Q4 AALI 21,700 1,574,745,000 34,171,966,500,000
2012 Q1 AALI 23,350 1,574,745,000 36,770,295,750,000
Q2 AALI 20,050 1,574,745,000 31,573,637,250,000
Q3 AALI 21,950 1,574,745,000 34,565,652,750,000
Q4 AALI 19,700 1,574,745,000 31,022,476,500,000
2013 Q1 AALI 18,500 1,574,745,000 29,132,782,500,000
Q2 AALI 19,700 1,574,745,000 31,022,476,500,000
Q3 AALI 19,500 1,574,745,000 30,707,527,500,000
Q4 AALI 25,100 1,574,745,000 39,526,099,500,000
2014 Q1 AALI 26,000 1,574,745,000 40,943,370,000,000
Q2 AALI 28,175 1,574,745,000 44,368,440,375,000
Q3 AALI 23,000 1,574,745,000 36,219,135,000,000
Q4 AALI 24,250 1,574,745,000 38,187,566,250,000
2015 Q1 AALI 24,300 1,574,745,000 38,266,303,500,000
Q2 AALI 22,950 1,574,745,000 36,140,397,750,000
Q3 AALI 18,125 1,574,745,000 28,542,253,125,000
Q4 AALI 15,850 1,574,745,000 24,959,708,250,000
2016 Q1 AALI 18,200 1,924,688,333 35,029,327,660,600
Q2 AALI 14,700 1,924,688,333 28,292,918,495,100
Q3 AALI 14,825 1,924,688,333 28,533,504,536,725
Q4 AALI 16,775 1,924,688,333 32,286,646,786,075
2017 Q1 AALI 14,900 1,924,688,333 28,677,856,161,700
Q2 AALI 14,700 1,924,688,333 28,292,918,495,100
Q3 AALI 14,875 1,924,688,333 28,629,738,953,375
Q4 AALI 13,150 1,924,688,333 25,309,651,578,950
2010 Q3 ADHI 960 1,801,320,000 1,729,267,200,000
Q4 ADHI 910 1,801,320,000 1,639,201,200,000
2011 Q1 ADHI 840 1,801,320,000 1,513,108,800,000
Q2 ADHI 800 1,801,320,000 1,441,056,000,000
Q3 ADHI 510 1,801,320,000 918,673,200,000
Q4 ADHI 580 1,801,320,000 1,044,765,600,000
2012 Q1 ADHI 800 1,801,320,000 1,441,056,000,000
Q2 ADHI 990 1,801,320,000 1,783,306,800,000
Q3 ADHI 1,040 1,801,320,000 1,873,372,800,000
Q4 ADHI 1,760 1,801,320,000 3,170,323,200,000
2013 Q1 ADHI 3,025 1,801,320,000 5,448,993,000,000
130
Q2 ADHI 3,250 1,801,320,000 5,854,290,000,000
Q3 ADHI 2,050 1,801,320,000 3,692,706,000,000
Q4 ADHI 1,510 1,801,320,000 2,719,993,200,000
2014 Q1 ADHI 2,995 1,801,320,000 5,394,953,400,000
Q2 ADHI 2,785 1,801,320,000 5,016,676,200,000
Q3 ADHI 2,765 1,801,320,000 4,980,649,800,000
Q4 ADHI 3,480 1,801,320,000 6,268,593,600,000
2015 Q1 ADHI 2,714 3,560,849,376 9,664,145,206,464
Q2 ADHI 1,795 3,560,849,376 6,391,724,629,920
Q3 ADHI 1,999 3,560,849,376 7,118,137,902,624
Q4 ADHI 2,140 3,560,849,376 7,620,217,664,640
2016 Q1 ADHI 2,690 3,560,849,376 9,578,684,821,440
Q2 ADHI 2,780 3,560,849,376 9,899,161,265,280
Q3 ADHI 2,360 3,560,849,376 8,403,604,527,360
Q4 ADHI 2,080 3,560,849,376 7,406,566,702,080
2017 Q1 ADHI 2,370 3,560,849,376 8,439,213,021,120
Q2 ADHI 2,150 3,560,849,376 7,655,826,158,400
Q3 ADHI 2,000 3,560,849,376 7,121,698,752,000
Q4 ADHI 1,885 3,560,849,376 6,712,201,073,760
2010 Q3 ASII 5,670 40,483,553,140 229,541,746,303,800
Q4 ASII 5,455 40,483,553,140 220,837,782,378,700
2011 Q1 ASII 5,700 40,483,553,140 230,756,252,898,000
Q2 ASII 6,355 40,483,553,140 257,272,980,204,700
Q3 ASII 6,365 40,483,553,140 257,677,815,736,100
Q4 ASII 7,400 40,483,553,140 299,578,293,236,000
2012 Q1 ASII 7,250 40,483,553,140 293,505,760,265,000
Q2 ASII 6,850 40,483,553,140 277,312,339,009,000
Q3 ASII 7,435 40,483,553,140 300,995,217,595,900
Q4 ASII 7,350 40,483,553,140 297,554,115,579,000
2013 Q1 ASII 7,900 40,483,553,140 319,820,069,806,000
Q2 ASII 7,000 40,483,553,140 283,384,871,980,000
Q3 ASII 6,450 40,483,553,140 261,118,917,753,000
Q4 ASII 6,800 40,483,553,140 275,288,161,352,000
2014 Q1 ASII 6,800 40,483,553,140 275,288,161,352,000
Q2 ASII 7,275 40,483,553,140 294,517,849,093,500
Q3 ASII 7,050 40,483,553,140 285,409,049,637,000
Q4 ASII 7,425 40,483,553,140 300,590,382,064,500
2015 Q1 ASII 8,575 40,483,553,140 347,146,468,175,500
Q2 ASII 7,075 40,483,553,140 286,421,138,465,500
Q3 ASII 5,225 40,483,553,140 211,526,565,156,500
Q4 ASII 6,000 40,483,553,140 242,901,318,840,000
2016 Q1 ASII 7,250 40,483,553,140 293,505,760,265,000
Q2 ASII 7,400 40,483,553,140 299,578,293,236,000
Q3 ASII 8,250 40,483,553,140 333,989,313,405,000
131
Q4 ASII 8,275 40,483,553,140 335,001,402,233,500
2017 Q1 ASII 8,625 40,483,553,140 349,170,645,832,500
Q2 ASII 8,925 40,483,553,140 361,315,711,774,500
Q3 ASII 7,900 40,483,553,140 319,820,069,806,000
Q4 ASII 8,300 40,483,553,140 336,013,491,062,000
2010 Q3 BBCA 6,700 24,408,459,120 163,536,676,104,000
Q4 BBCA 6,400 24,408,459,120 156,214,138,368,000
2011 Q1 BBCA 6,950 24,408,459,120 169,638,790,884,000
Q2 BBCA 7,650 24,408,459,120 186,724,712,268,000
Q3 BBCA 7,700 24,408,459,120 187,945,135,224,000
Q4 BBCA 8,000 24,408,459,120 195,267,672,960,000
2012 Q1 BBCA 8,000 24,408,459,120 195,267,672,960,000
Q2 BBCA 7,300 24,408,459,120 178,181,751,576,000
Q3 BBCA 7,900 24,408,459,120 192,826,827,048,000
Q4 BBCA 9,100 24,408,459,120 222,116,977,992,000
2013 Q1 BBCA 11,400 24,408,459,120 278,256,433,968,000
Q2 BBCA 10,000 24,408,459,120 244,084,591,200,000
Q3 BBCA 10,000 24,408,459,120 244,084,591,200,000
Q4 BBCA 9,600 24,408,459,120 234,321,207,552,000
2014 Q1 BBCA 10,600 24,408,459,120 258,729,666,672,000
Q2 BBCA 11,000 24,408,459,120 268,493,050,320,000
Q3 BBCA 13,075 24,408,459,120 319,140,602,994,000
Q4 BBCA 13,125 24,408,459,120 320,361,025,950,000
2015 Q1 BBCA 14,825 24,408,459,120 361,855,406,454,000
Q2 BBCA 13,500 24,408,459,120 329,514,198,120,000
Q3 BBCA 12,275 24,408,459,120 299,613,835,698,000
Q4 BBCA 13,000 24,408,459,120 317,309,968,560,000
2016 Q1 BBCA 13,300 24,408,459,120 324,632,506,296,000
Q2 BBCA 13,325 24,408,459,120 325,242,717,774,000
Q3 BBCA 15,700 24,408,459,120 383,212,808,184,000
Q4 BBCA 15,500 24,408,459,120 378,331,116,360,000
2017 Q1 BBCA 16,550 24,408,459,120 403,959,998,436,000
Q2 BBCA 18,150 24,408,459,120 443,013,533,028,000
Q3 BBCA 20,300 24,408,459,120 495,491,720,136,000
Q4 BBCA 21,900 24,408,459,120 534,545,254,728,000
2010 Q3 BBNI 3,675 18,462,169,893 67,848,474,356,775
Q4 BBNI 3,875 18,462,169,893 71,540,908,335,375
2011 Q1 BBNI 3,975 18,462,169,893 73,387,125,324,675
Q2 BBNI 3,825 18,462,169,893 70,617,799,840,725
Q3 BBNI 3,725 18,462,169,893 68,771,582,851,425
Q4 BBNI 3,800 18,462,169,893 70,156,245,593,400
2012 Q1 BBNI 4,000 18,462,169,893 73,848,679,572,000
Q2 BBNI 3,825 18,462,169,893 70,617,799,840,725
Q3 BBNI 3,925 18,462,169,893 72,464,016,830,025
132
Q4 BBNI 3,700 18,462,169,893 68,310,028,604,100
2013 Q1 BBNI 3,925 18,462,169,893 72,464,016,830,025
Q2 BBNI 4,300 18,462,169,893 79,387,330,539,900
Q3 BBNI 4,250 18,462,169,893 78,464,222,045,250
Q4 BBNI 3,950 18,462,169,893 72,925,571,077,350
2014 Q1 BBNI 4,960 18,462,169,893 91,572,362,669,280
Q2 BBNI 4,765 18,462,169,893 87,972,239,540,145
Q3 BBNI 5,525 18,462,169,893 102,003,488,658,825
Q4 BBNI 6,100 18,462,169,893 112,619,236,347,300
2015 Q1 BBNI 7,225 18,462,169,893 133,389,177,476,925
Q2 BBNI 5,300 18,462,169,893 97,849,500,432,900
Q3 BBNI 4,135 18,462,169,893 76,341,072,507,555
Q4 BBNI 4,990 18,462,169,893 92,126,227,766,070
2016 Q1 BBNI 5,200 18,462,169,893 96,003,283,443,600
Q2 BBNI 5,200 18,462,169,893 96,003,283,443,600
Q3 BBNI 5,200 18,462,169,893 96,003,283,443,600
Q4 BBNI 5,525 18,462,169,893 102,003,488,658,825
2017 Q1 BBNI 6,475 18,462,169,893 119,542,550,057,175
Q2 BBNI 6,600 18,462,169,893 121,850,321,293,800
Q3 BBNI 7,400 18,462,169,893 136,620,057,208,200
Q4 BBNI 9,900 18,462,169,893 182,775,481,940,700
2010 Q3 BBRI 10,000 12,216,933,950 122,169,339,500,000
Q4 BBRI 10,500 12,216,933,950 122,169,339,500,000
2011 Q1 BBRI 5,750 24,422,470,380 140,429,204,685,000
Q2 BBRI 6,500 24,422,470,380 158,746,057,470,000
Q3 BBRI 5,850 24,422,470,380 142,871,451,723,000
Q4 BBRI 6,750 24,422,470,380 164,851,675,065,000
2012 Q1 BBRI 6,950 24,422,470,380 169,736,169,141,000
Q2 BBRI 6,350 24,422,470,380 155,082,686,913,000
Q3 BBRI 7,450 24,422,470,380 181,947,404,331,000
Q4 BBRI 6,950 24,422,470,380 169,736,169,141,000
2013 Q1 BBRI 8,750 24,422,470,380 213,696,615,825,000
Q2 BBRI 7,750 24,422,470,380 189,274,145,445,000
Q3 BBRI 7,250 24,422,470,380 177,062,910,255,000
Q4 BBRI 7,250 24,422,470,380 177,062,910,255,000
2014 Q1 BBRI 9,575 24,422,470,380 233,845,153,888,500
Q2 BBRI 10,325 24,422,470,380 252,162,006,673,500
Q3 BBRI 10,425 24,422,470,380 254,604,253,711,500
Q4 BBRI 11,650 24,422,470,380 284,521,779,927,000
2015 Q1 BBRI 13,275 24,422,470,380 324,208,294,294,500
Q2 BBRI 10,350 24,422,470,380 252,772,568,433,000
Q3 BBRI 8,650 24,422,470,380 211,254,368,787,000
Q4 BBRI 11,425 24,422,470,380 279,026,724,091,500
2016 Q1 BBRI 11,425 24,422,470,380 279,026,724,091,500
133
Q2 BBRI 10,800 24,422,470,380 263,762,680,104,000
Q3 BBRI 12,200 24,422,470,380 297,954,138,636,000
Q4 BBRI 19,675 24,422,470,380 480,512,104,726,500
2017 Q1 BBRI 2,595 24,422,470,380 63,376,310,636,100
Q2 BBRI 3,050 24,422,470,380 74,488,534,659,000
Q3 BBRI 3,055 24,422,470,380 74,610,647,010,900
Q4 BBRI 3,640 24,422,470,380 88,897,792,183,200
2010 Q3 BDMN 5,800 8,333,339,210 48,333,367,418,000
Q4 BDMN 5,700 8,333,339,210 47,500,033,497,000
2011 Q1 BDMN 6,360 9,488,796,931 60,348,748,481,160
Q2 BDMN 5,826 9,488,796,931 55,281,730,920,006
Q3 BDMN 4,600 9,488,796,931 43,648,465,882,600
Q4 BDMN 4,100 9,488,796,931 38,904,067,417,100
2012 Q1 BDMN 4,600 9,488,796,931 43,648,465,882,600
Q2 BDMN 6,000 9,488,796,931 56,932,781,586,000
Q3 BDMN 6,250 9,488,796,931 59,304,980,818,750
Q4 BDMN 5,650 9,488,796,931 53,611,702,660,150
2013 Q1 BDMN 6,450 9,488,796,931 61,202,740,204,950
Q2 BDMN 5,850 9,488,796,931 55,509,462,046,350
Q3 BDMN 3,975 9,488,796,931 37,717,967,800,725
Q4 BDMN 3,775 9,488,796,931 35,820,208,414,525
2014 Q1 BDMN 4,350 9,488,796,931 41,276,266,649,850
Q2 BDMN 4,145 9,488,796,931 39,331,063,278,995
Q3 BDMN 3,905 9,488,796,931 37,053,752,015,555
Q4 BDMN 4,525 9,488,796,931 42,936,806,112,775
2015 Q1 BDMN 5,125 9,488,796,931 48,630,084,271,375
Q2 BDMN 4,300 9,488,796,931 40,801,826,803,300
Q3 BDMN 2,895 9,488,796,931 27,470,067,115,245
Q4 BDMN 3,200 9,488,796,931 30,364,150,179,200
2016 Q1 BDMN 3,800 9,488,796,931 36,057,428,337,800
Q2 BDMN 3,540 9,488,796,931 33,590,341,135,740
Q3 BDMN 4,050 9,488,796,931 38,429,627,570,550
Q4 BDMN 3,710 9,488,796,931 35,203,436,614,010
2017 Q1 BDMN 4,700 9,488,796,931 44,597,345,575,700
Q2 BDMN 5,125 9,488,796,931 48,630,084,271,375
Q3 BDMN 5,200 9,488,796,931 49,341,744,041,200
Q4 BDMN 6,960 9,488,796,931 66,042,026,639,760
2010 Q3 BMRI 7,200 20,786,494,742 149,662,762,142,400
Q4 BMRI 6,500 20,786,494,742 135,112,215,823,000
2011 Q1 BMRI 6,800 23,099,999,999 157,079,999,993,200
Q2 BMRI 7,200 23,099,999,999 166,319,999,992,800
Q3 BMRI 6,300 23,099,999,999 145,529,999,993,700
Q4 BMRI 6,750 23,099,999,999 155,924,999,993,250
2012 Q1 BMRI 6,850 23,099,999,999 158,234,999,993,150
134
Q2 BMRI 7,200 23,099,999,999 166,319,999,992,800
Q3 BMRI 8,200 23,099,999,999 189,419,999,991,800
Q4 BMRI 8,100 23,099,999,999 187,109,999,991,900
2013 Q1 BMRI 10,000 23,099,999,999 230,999,999,990,000
Q2 BMRI 9,000 23,099,999,999 207,899,999,991,000
Q3 BMRI 7,950 23,099,999,999 183,644,999,992,050
Q4 BMRI 7,850 23,099,999,999 181,334,999,992,150
2014 Q1 BMRI 9,450 23,099,999,999 218,294,999,990,550
Q2 BMRI 9,725 23,099,999,999 224,647,499,990,275
Q3 BMRI 10,075 23,099,999,999 232,732,499,989,925
Q4 BMRI 10,100 23,099,999,999 233,309,999,989,900
2015 Q1 BMRI 12,475 23,099,999,999 288,172,499,987,525
Q2 BMRI 10,050 23,099,999,999 232,154,999,989,950
Q3 BMRI 7,925 23,099,999,999 183,067,499,992,075
Q4 BMRI 9,250 23,099,999,999 213,674,999,990,750
2016 Q1 BMRI 10,300 23,099,999,999 237,929,999,989,700
Q2 BMRI 9,525 23,099,999,999 220,027,499,990,475
Q3 BMRI 11,200 23,099,999,999 258,719,999,988,800
Q4 BMRI 11,575 23,099,999,999 267,382,499,988,425
2017 Q1 BMRI 11,700 23,099,999,999 270,269,999,988,300
Q2 BMRI 12,750 23,099,999,999 294,524,999,987,250
Q3 BMRI 6,725 23,099,999,999 155,347,499,993,275
Q4 BMRI 8,000 23,099,999,999 184,799,999,992,000
2010 Q3 INDF 5,450 8,780,426,500 47,853,324,425,000
Q4 INDF 4,875 8,780,426,500 42,804,579,187,500
2011 Q1 INDF 5,400 8,780,426,500 47,414,303,100,000
Q2 INDF 5,750 8,780,426,500 50,487,452,375,000
Q3 INDF 5,050 8,780,426,500 44,341,153,825,000
Q4 INDF 4,600 8,780,426,500 40,389,961,900,000
2012 Q1 INDF 4,850 8,780,426,500 42,585,068,525,000
Q2 INDF 4,850 8,780,426,500 42,585,068,525,000
Q3 INDF 5,640 8,780,426,500 49,521,605,460,000
Q4 INDF 5,850 8,780,426,500 51,365,495,025,000
2013 Q1 INDF 7,450 8,780,426,500 65,414,177,425,000
Q2 INDF 7,350 8,780,426,500 64,536,134,775,000
Q3 INDF 7,050 8,780,426,500 61,902,006,825,000
Q4 INDF 6,600 8,780,426,500 57,950,814,900,000
2014 Q1 INDF 7,300 8,780,426,500 64,097,113,450,000
Q2 INDF 6,700 8,780,426,500 58,828,857,550,000
Q3 INDF 7,000 8,780,426,500 61,462,985,500,000
Q4 INDF 6,750 8,780,426,500 59,267,878,875,000
2015 Q1 INDF 7,450 8,780,426,500 65,414,177,425,000
Q2 INDF 6,575 8,780,426,500 57,731,304,237,500
Q3 INDF 5,500 8,780,426,500 48,292,345,750,000
135
Q4 INDF 5,175 8,780,426,500 45,438,707,137,500
2016 Q1 INDF 7,225 8,780,426,500 63,438,581,462,500
Q2 INDF 7,250 8,780,426,500 63,658,092,125,000
Q3 INDF 8,700 8,780,426,500 76,389,710,550,000
Q4 INDF 7,925 8,780,426,500 69,584,880,012,500
2017 Q1 INDF 8,000 8,780,426,500 70,243,412,000,000
Q2 INDF 8,600 8,780,426,500 75,511,667,900,000
Q3 INDF 8,425 8,780,426,500 73,975,093,262,500
Q4 INDF 7,625 8,780,426,500 66,950,752,062,500
2010 Q3 KLBF 2,550 10,156,014,422 25,897,836,776,100
Q4 KLBF 3,250 10,156,014,422 33,007,046,871,500
2011 Q1 KLBF 680 10,156,014,422 6,906,089,806,960
Q2 KLBF 675 10,156,014,422 6,855,309,734,850
Q3 KLBF 650 10,156,014,422 6,601,409,374,300
Q4 KLBF 680 10,156,014,422 6,906,089,806,960
2012 Q1 KLBF 710 50,780,072,110 36,053,851,198,100
Q2 KLBF 755 50,780,072,110 38,338,954,443,050
Q3 KLBF 940 50,780,072,110 47,733,267,783,400
Q4 KLBF 1,060 50,780,072,110 53,826,876,436,600
2013 Q1 KLBF 1,240 46,875,122,110 58,125,151,416,400
Q2 KLBF 1,440 46,875,122,110 67,500,175,838,400
Q3 KLBF 1,180 46,875,122,110 55,312,644,089,800
Q4 KLBF 1,250 46,875,122,110 58,593,902,637,500
2014 Q1 KLBF 1,465 46,875,122,110 68,672,053,891,150
Q2 KLBF 1,660 46,875,122,110 77,812,702,702,600
Q3 KLBF 1,700 46,875,122,110 79,687,707,587,000
Q4 KLBF 1,830 46,875,122,110 85,781,473,461,300
2015 Q1 KLBF 1,865 46,875,122,110 87,422,102,735,150
Q2 KLBF 1,675 46,875,122,110 78,515,829,534,250
Q3 KLBF 1,375 46,875,122,110 64,453,292,901,250
Q4 KLBF 1,320 46,875,122,110 61,875,161,185,200
2016 Q1 KLBF 1,445 46,875,122,110 67,734,551,448,950
Q2 KLBF 1,530 46,875,122,110 71,718,936,828,300
Q3 KLBF 1,715 46,875,122,110 80,390,834,418,650
Q4 KLBF 1,515 46,875,122,110 71,015,809,996,650
2017 Q1 KLBF 1,540 46,875,122,110 72,187,688,049,400
Q2 KLBF 1,625 46,875,122,110 76,172,073,428,750
Q3 KLBF 1,665 46,875,122,110 78,047,078,313,150
Q4 KLBF 1,690 46,875,122,110 79,218,956,365,900
2010 Q3 LSIP 9,850 1,364,572,793 13,441,042,011,050
Q4 LSIP 12,850 1,364,572,793 17,534,760,390,050
2011 Q1 LSIP 2,275 6,822,863,965 15,522,015,520,375
Q2 LSIP 2,325 6,822,863,965 15,863,158,718,625
Q3 LSIP 2,050 6,822,863,965 13,986,871,128,250
136
Q4 LSIP 2,250 6,822,863,965 15,351,443,921,250
2012 Q1 LSIP 2,875 6,822,863,965 19,615,733,899,375
Q2 LSIP 2,675 6,822,863,965 18,251,161,106,375
Q3 LSIP 2,450 6,822,863,965 16,716,016,714,250
Q4 LSIP 2,300 6,822,863,965 15,692,587,119,500
2013 Q1 LSIP 1,930 6,822,863,965 13,168,127,452,450
Q2 LSIP 1,720 6,822,863,965 11,735,326,019,800
Q3 LSIP 1,270 6,822,863,965 8,665,037,235,550
Q4 LSIP 1,930 6,822,863,965 13,168,127,452,450
2014 Q1 LSIP 2,210 6,822,863,965 15,078,529,362,650
Q2 LSIP 2,315 6,822,863,965 15,794,930,078,975
Q3 LSIP 1,900 6,822,863,965 12,963,441,533,500
Q4 LSIP 1,890 6,822,863,965 12,895,212,893,850
2015 Q1 LSIP 1,730 6,822,863,965 11,803,554,659,450
Q2 LSIP 1,555 6,822,863,965 10,609,553,465,575
Q3 LSIP 1,385 6,822,863,965 9,449,666,591,525
Q4 LSIP 1,320 6,822,863,965 9,006,180,433,800
2016 Q1 LSIP 1,820 6,822,863,965 12,417,612,416,300
Q2 LSIP 1,380 6,822,863,965 9,415,552,271,700
Q3 LSIP 1,495 6,822,863,965 10,200,181,627,675
Q4 LSIP 1,740 6,822,863,965 11,871,783,299,100
2017 Q1 LSIP 1,465 6,822,863,965 9,995,495,708,725
Q2 LSIP 1,370 6,822,863,965 9,347,323,632,050
Q3 LSIP 1,410 6,822,863,965 9,620,238,190,650
Q4 LSIP 1,420 6,822,863,965 9,688,466,830,300
2010 Q3 PGAS 3,850 24,241,508,196 93,329,806,554,600
Q4 PGAS 4,425 24,241,508,196 107,268,673,767,300
2011 Q1 PGAS 3,900 24,241,508,196 94,541,881,964,400
Q2 PGAS 4,025 24,241,508,196 97,572,070,488,900
Q3 PGAS 2,675 24,241,508,196 64,846,034,424,300
Q4 PGAS 3,175 24,241,508,196 76,966,788,522,300
2012 Q1 PGAS 3,800 24,241,508,196 92,117,731,144,800
Q2 PGAS 3,525 24,241,508,196 85,451,316,390,900
Q3 PGAS 4,125 24,241,508,196 99,996,221,308,500
Q4 PGAS 4,600 24,241,508,196 111,510,937,701,600
2013 Q1 PGAS 5,950 24,241,508,196 144,236,973,766,200
Q2 PGAS 5,750 24,241,508,196 139,388,672,127,000
Q3 PGAS 5,200 24,241,508,196 126,055,842,619,200
Q4 PGAS 4,475 24,241,508,196 108,480,749,177,100
2014 Q1 PGAS 5,125 24,241,508,196 124,237,729,504,500
Q2 PGAS 5,575 24,241,508,196 135,146,408,192,700
Q3 PGAS 6,000 24,241,508,196 145,449,049,176,000
Q4 PGAS 6,000 24,241,508,196 145,449,049,176,000
2015 Q1 PGAS 4,800 24,241,508,196 116,359,239,340,800
137
Q2 PGAS 4,315 24,241,508,196 104,602,107,865,740
Q3 PGAS 2,530 24,241,508,196 61,331,015,735,880
Q4 PGAS 2,745 24,241,508,196 66,542,939,998,020
2016 Q1 PGAS 2,615 24,241,508,196 63,391,543,932,540
Q2 PGAS 2,340 24,241,508,196 56,725,129,178,640
Q3 PGAS 2,870 24,241,508,196 69,573,128,522,520
Q4 PGAS 2,700 24,241,508,196 65,452,072,129,200
2017 Q1 PGAS 2,530 24,241,508,196 61,331,015,735,880
Q2 PGAS 2,250 24,241,508,196 54,543,393,441,000
Q3 PGAS 1,575 24,241,508,196 38,180,375,408,700
Q4 PGAS 1,750 24,241,508,196 42,422,639,343,000
2010 Q3 SMGR 9,900 5,931,520,000 58,722,048,000,000
Q4 SMGR 9,450 5,931,520,000 56,052,864,000,000
2011 Q1 SMGR 9,100 5,931,520,000 53,976,832,000,000
Q2 SMGR 9,600 5,931,520,000 56,942,592,000,000
Q3 SMGR 8,300 5,931,520,000 49,231,616,000,000
Q4 SMGR 11,450 5,931,520,000 67,915,904,000,000
2012 Q1 SMGR 12,250 5,931,520,000 72,661,120,000,000
Q2 SMGR 13,100 5,931,520,000 77,702,912,000,000
Q3 SMGR 14,450 5,931,520,000 85,710,464,000,000
Q4 SMGR 15,850 5,931,520,000 94,014,592,000,000
2013 Q1 SMGR 17,700 5,931,520,000 104,987,904,000,000
Q2 SMGR 17,100 5,931,520,000 101,428,992,000,000
Q3 SMGR 13,000 5,931,520,000 77,109,760,000,000
Q4 SMGR 14,150 5,931,520,000 83,931,008,000,000
2014 Q1 SMGR 15,800 5,931,520,000 93,718,016,000,000
Q2 SMGR 15,075 5,931,520,000 89,417,664,000,000
Q3 SMGR 15,425 5,931,520,000 91,493,696,000,000
Q4 SMGR 16,200 5,931,520,000 96,090,624,000,000
2015 Q1 SMGR 13,650 5,931,520,000 80,965,248,000,000
Q2 SMGR 12,000 5,931,520,000 71,178,240,000,000
Q3 SMGR 9,050 5,931,520,000 53,680,256,000,000
Q4 SMGR 11,400 5,931,520,000 67,619,328,000,000
2016 Q1 SMGR 10,175 5,931,520,000 60,353,216,000,000
Q2 SMGR 9,350 5,931,520,000 55,459,712,000,000
Q3 SMGR 10,100 5,931,520,000 59,908,352,000,000
Q4 SMGR 9,175 5,931,520,000 54,421,696,000,000
2017 Q1 SMGR 9,000 5,931,520,000 53,383,680,000,000
Q2 SMGR 10,000 5,931,520,000 59,315,200,000,000
Q3 SMGR 10,125 5,931,520,000 60,056,640,000,000
Q4 SMGR 9,900 5,931,520,000 58,722,048,000,000
2010 Q3 TINS 3,150 5,033,020,000 15,854,013,000,000
Q4 TINS 2,750 5,033,020,000 13,840,805,000,000
2011 Q1 TINS 2,775 5,033,020,000 13,966,630,500,000
138
Q2 TINS 2,500 5,033,020,000 12,582,550,000,000
Q3 TINS 1,770 5,033,020,000 8,908,445,400,000
Q4 TINS 1,670 5,033,020,000 8,405,143,400,000
2012 Q1 TINS 1,340 5,033,020,000 6,744,246,800,000
Q2 TINS 1,030 5,033,020,000 5,184,010,600,000
Q3 TINS 1,610 5,033,020,000 8,103,162,200,000
Q4 TINS 1,610 5,033,020,000 8,103,162,200,000
2013 Q1 TINS 1,680 5,033,020,000 8,455,473,600,000
Q2 TINS 1,380 5,033,020,000 6,945,567,600,000
Q3 TINS 1,550 5,033,020,000 7,801,181,000,000
Q4 TINS 1,450 5,033,020,000 7,297,879,000,000
2014 Q1 TINS 1,318 7,447,753,454 9,816,139,052,372
Q2 TINS 1,260 7,447,753,454 9,384,169,352,040
Q3 TINS 1,225 7,447,753,454 9,123,497,981,150
Q4 TINS 1,225 7,447,753,454 9,123,497,981,150
2015 Q1 TINS 950 7,447,753,454 7,075,365,781,300
Q2 TINS 710 7,447,753,454 5,287,904,952,340
Q3 TINS 640 7,447,753,454 4,766,562,210,560
Q4 TINS 505 7,447,753,454 3,761,115,494,270
2016 Q1 TINS 740 7,447,753,454 5,511,337,555,960
Q2 TINS 700 7,447,753,454 5,213,427,417,800
Q3 TINS 815 7,447,753,454 6,069,919,065,010
Q4 TINS 1,075 7,447,753,454 8,006,334,963,050
2017 Q1 TINS 995 7,447,753,454 7,410,514,686,730
Q2 TINS 730 7,447,753,454 5,436,860,021,420
Q3 TINS 815 7,447,753,454 6,069,919,065,010
Q4 TINS 775 7,447,753,454 5,772,008,926,850
2010 Q3 TLKM 9,200 20,159,999,280 185,471,993,376,000
Q4 TLKM 7,950 20,159,999,280 160,271,994,276,000
2011 Q1 TLKM 7,350 20,159,999,280 148,175,994,708,000
Q2 TLKM 7,350 20,159,999,280 148,175,994,708,000
Q3 TLKM 7,600 20,159,999,280 153,215,994,528,000
Q4 TLKM 7,050 20,159,999,280 142,127,994,924,000
2012 Q1 TLKM 1,400 20,159,999,280 28,223,998,992,000
Q2 TLKM 1,630 20,159,999,280 32,860,798,826,400
Q3 TLKM 1,890 20,159,999,280 38,102,398,639,200
Q4 TLKM 1,810 20,159,999,280 36,489,598,696,800
2013 Q1 TLKM 2,205 100,799,996,400 222,263,992,062,000
Q2 TLKM 2,256 100,799,996,400 227,404,791,878,400
Q3 TLKM 2,100 100,799,996,400 211,679,992,440,000
Q4 TLKM 2,150 100,799,996,400 216,719,992,260,000
2014 Q1 TLKM 2,215 100,799,996,400 223,271,992,026,000
Q2 TLKM 2,465 100,799,996,400 248,471,991,126,000
Q3 TLKM 2,915 100,799,996,400 293,831,989,506,000
139
Q4 TLKM 2,865 100,799,996,400 288,791,989,686,000
2015 Q1 TLKM 2,890 100,799,996,400 291,311,989,596,000
Q2 TLKM 2,930 100,799,996,400 295,343,989,452,000
Q3 TLKM 2,645 100,799,996,400 266,615,990,478,000
Q4 TLKM 3,105 100,799,996,400 312,983,988,822,000
2016 Q1 TLKM 3,325 100,799,996,400 335,159,988,030,000
Q2 TLKM 3,980 100,799,996,400 401,183,985,672,000
Q3 TLKM 4,310 100,799,996,400 434,447,984,484,000
Q4 TLKM 3,980 100,799,996,400 401,183,985,672,000
2017 Q1 TLKM 4,130 100,799,996,400 416,303,985,132,000
Q2 TLKM 4,520 100,799,996,400 455,615,983,728,000
Q3 TLKM 4,680 100,799,996,400 471,743,983,152,000
Q4 TLKM 4,460 100,799,996,400 449,567,983,944,000
2010 Q3 UNTR 20,450 3,326,877,283 68,034,640,437,350
Q4 UNTR 23,800 3,326,877,283 79,179,679,335,400
2011 Q1 UNTR 21,700 3,730,135,136 80,943,932,451,200
Q2 UNTR 24,950 3,730,135,136 93,066,871,643,200
Q3 UNTR 22,000 3,730,135,136 82,062,972,992,000
Q4 UNTR 26,350 3,730,135,136 98,289,060,833,600
2012 Q1 UNTR 33,000 3,730,135,136 123,094,459,488,000
Q2 UNTR 21,050 3,730,135,136 78,519,344,612,800
Q3 UNTR 20,700 3,730,135,136 77,213,797,315,200
Q4 UNTR 19,700 3,730,135,136 73,483,662,179,200
2013 Q1 UNTR 18,200 3,730,135,136 67,888,459,475,200
Q2 UNTR 18,200 3,730,135,136 67,888,459,475,200
Q3 UNTR 16,300 3,730,135,136 60,801,202,716,800
Q4 UNTR 19,000 3,730,135,136 70,872,567,584,000
2014 Q1 UNTR 20,750 3,730,135,136 77,400,304,072,000
Q2 UNTR 23,100 3,730,135,136 86,166,121,641,600
Q3 UNTR 19,900 3,730,135,136 74,229,689,206,400
Q4 UNTR 17,350 3,730,135,136 64,717,844,609,600
2015 Q1 UNTR 21,800 3,730,135,136 81,316,945,964,800
Q2 UNTR 20,375 3,730,135,136 76,001,503,396,000
Q3 UNTR 17,475 3,730,135,136 65,184,111,501,600
Q4 UNTR 16,950 3,730,135,136 63,225,790,555,200
2016 Q1 UNTR 15,300 3,730,135,136 57,071,067,580,800
Q2 UNTR 14,800 3,730,135,136 55,206,000,012,800
Q3 UNTR 17,700 3,730,135,136 66,023,391,907,200
Q4 UNTR 21,250 3,730,135,136 79,265,371,640,000
2017 Q1 UNTR 26,500 3,730,135,136 98,848,581,104,000
Q2 UNTR 27,450 3,730,135,136 102,392,209,483,200
Q3 UNTR 32,000 3,730,135,136 119,364,324,352,000
Q4 UNTR 35,400 3,730,135,136 132,046,783,814,400
2010 Q3 UNVR 16,850 7,630,000,000 128,565,500,000,000
140
Q4 UNVR 16,500 7,630,000,000 125,895,000,000,000
2011 Q1 UNVR 15,300 7,630,000,000 116,739,000,000,000
Q2 UNVR 14,900 7,630,000,000 113,687,000,000,000
Q3 UNVR 16,500 7,630,000,000 125,895,000,000,000
Q4 UNVR 18,800 7,630,000,000 143,444,000,000,000
2012 Q1 UNVR 20,000 7,630,000,000 152,600,000,000,000
Q2 UNVR 22,900 7,630,000,000 174,727,000,000,000
Q3 UNVR 26,050 7,630,000,000 198,761,500,000,000
Q4 UNVR 20,850 7,630,000,000 159,085,500,000,000
2013 Q1 UNVR 22,800 7,630,000,000 173,964,000,000,000
Q2 UNVR 30,750 7,630,000,000 234,622,500,000,000
Q3 UNVR 30,150 7,630,000,000 230,044,500,000,000
Q4 UNVR 26,000 7,630,000,000 198,380,000,000,000
2014 Q1 UNVR 29,250 7,630,000,000 223,177,500,000,000
Q2 UNVR 29,275 7,630,000,000 223,368,250,000,000
Q3 UNVR 31,800 7,630,000,000 242,634,000,000,000
Q4 UNVR 32,300 7,630,000,000 246,449,000,000,000
2015 Q1 UNVR 39,650 7,630,000,000 302,529,500,000,000
Q2 UNVR 39,500 7,630,000,000 301,385,000,000,000
Q3 UNVR 38,000 7,630,000,000 289,940,000,000,000
Q4 UNVR 37,000 7,630,000,000 282,310,000,000,000
2016 Q1 UNVR 42,925 7,630,000,000 327,517,750,000,000
Q2 UNVR 45,075 7,630,000,000 343,922,250,000,000
Q3 UNVR 44,550 7,630,000,000 339,916,500,000,000
Q4 UNVR 38,800 7,630,000,000 296,044,000,000,000
2017 Q1 UNVR 43,325 7,630,000,000 330,569,750,000,000
Q2 UNVR 48,800 7,630,000,000 372,344,000,000,000
Q3 UNVR 48,975 7,630,000,000 373,679,250,000,000
Q4 UNVR 55,900 7,630,000,000 426,517,000,000,000
*) Dalam Jutaan Rupiah
141
Lampiran 5: Book to Equity Market
Tahun Periode Kode
Emiten
Total
Ekuitas*
Close
Price
Jml Saham
Beredar
BE/ME
2010 Q3 AALI 6,722,261 20,700 1,574,745,000 0.00000021
Q4 AALI 7,211,687 26,200 1,574,745,000 0.00000017
2011 Q1 AALI 8,426,158 22,700 1,574,745,000 0.00000024
Q2 AALI 7,717,307 23,500 1,574,745,000 0.00000021
Q3 AALI 7,859,385 19,300 1,574,745,000 0.00000026
Q4 AALI 8,426,158 21,700 1,574,745,000 0.00000025
2012 Q1 AALI 8,742,085 23,350 1,574,745,000 0.00000024
Q2 AALI 8,196,758 20,050 1,574,745,000 0.00000026
Q3 AALI 8,586,210 21,950 1,574,745,000 0.00000025
Q4 AALI 9,365,411 19,700 1,574,745,000 0.00000030
2013 Q1 AALI 9,723,207 18,500 1,574,745,000 0.00000033
Q2 AALI 9,316,246 19,700 1,574,745,000 0.00000030
Q3 AALI 9,282,867 19,500 1,574,745,000 0.00000030
Q4 AALI 10,263,354 25,100 1,574,745,000 0.00000026
2014 Q1 AALI 11,058,245 26,000 1,574,745,000 0.00000027
Q2 AALI 11,046,970 28,175 1,574,745,000 0.00000025
Q3 AALI 11,207,119 23,000 1,574,745,000 0.00000031
Q4 AALI 11,833,778 24,250 1,574,745,000 0.00000031
2015 Q1 AALI 12,028,402 24,300 1,574,745,000 0.00000031
Q2 AALI 11,513,395 22,950 1,574,745,000 0.00000032
Q3 AALI 11,235,916 18,125 1,574,745,000 0.00000039
Q4 AALI 11,698,787 15,850 1,574,745,000 0.00000047
2016 Q1 AALI 12,129,858 18,200 1,924,688,333 0.00000035
Q2 AALI 16,423,322 14,700 1,924,688,333 0.00000058
Q3 AALI 16,584,110 14,825 1,924,688,333 0.00000058
Q4 AALI 17,593,482 16,775 1,924,688,333 0.00000054
2017 Q1 AALI 18,432,756 14,900 1,924,688,333 0.00000064
Q2 AALI 17,898,541 14,700 1,924,688,333 0.00000063
Q3 AALI 17,998,234 14,875 1,924,688,333 0.00000063
Q4 AALI 18,712,477 13,150 1,924,688,333 0.00000074
2010 Q3 ADHI 747,312 960 1,801,320,000 0.00000043
Q4 ADHI 867,754 910 1,801,320,000 0.00000053
2011 Q1 ADHI 870,258 840 1,801,320,000 0.00000058
Q2 ADHI 829,481 800 1,801,320,000 0.00000058
Q3 ADHI 838,256 510 1,801,320,000 0.00000091
Q4 ADHI 990,367 580 1,801,320,000 0.00000095
2012 Q1 ADHI 995,878 800 1,801,320,000 0.00000069
Q2 ADHI 995,862 990 1,801,320,000 0.00000056
Q3 ADHI 1,055,045 1,040 1,801,320,000 0.00000056
Q4 ADHI 1,180,918 1,760 1,801,320,000 0.00000037
2013 Q1 ADHI 1,192,587 3,025 1,801,320,000 0.00000022
Q2 ADHI 1,207,109 3,250 1,801,320,000 0.00000021
Q3 ADHI 1,320,008 2,050 1,801,320,000 0.00000036
Q4 ADHI 1,548,462 1,510 1,801,320,000 0.00000057
2014 Q1 ADHI 1,442,740 2,995 1,801,320,000 0.00000027
Q2 ADHI 1,485,648 2,785 1,801,320,000 0.00000030
142
Q3 ADHI 1,527,277 2,765 1,801,320,000 0.00000031
Q4 ADHI 1,640,780 3,480 1,801,320,000 0.00000026
2015 Q1 ADHI 1,696,829 2,714 1,801,320,000 0.00000018
Q2 ADHI 1,614,751 1,795 1,801,320,000 0.00000025
Q3 ADHI 1,676,110 1,999 1,801,320,000 0.00000024
Q4 ADHI 5,162,131 2,140 1,801,320,000 0.00000068
2016 Q1 ADHI 5,172,690 2,690 1,801,320,000 0.00000054
Q2 ADHI 5,124,033 2,780 1,801,320,000 0.00000052
Q3 ADHI 5,183,641 2,360 1,801,320,000 0.00000062
Q4 ADHI 5,442,779 2,080 1,801,320,000 0.00000073
2017 Q1 ADHI 5,361,950 2,370 1,801,320,000 0.00000064
Q2 ADHI 5,474,156 2,150 1,801,320,000 0.00000072
Q3 ADHI 5,549,877 2,000 1,801,320,000 0.00000078
Q4 ADHI 5,869,917 1,885 1,801,320,000 0.00000087
2010 Q3 ASII 47,176,000 5,670 40,483,553,140 0.00000021
Q4 ASII 58,689,000 5,455 40,483,553,140 0.00000027
2011 Q1 ASII 63,808,000 5,700 40,483,553,140 0.00000028
Q2 ASII 67,033,000 6,355 40,483,553,140 0.00000026
Q3 ASII 112,857,000 6,365 40,483,553,140 0.00000044
Q4 ASII 75,838,000 7,400 40,483,553,140 0.00000025
2012 Q1 ASII 80,802,000 7,250 40,483,553,140 0.00000028
Q2 ASII 80,729,000 6,850 40,483,553,140 0.00000029
Q3 ASII 83,648,000 7,435 40,483,553,140 0.00000028
Q4 ASII 89,814,000 7,350 40,483,553,140 0.00000030
2013 Q1 ASII 93,770,000 7,900 40,483,553,140 0.00000029
Q2 ASII 95,537,000 7,000 40,483,553,140 0.00000034
Q3 ASII 98,550,000 6,450 40,483,553,140 0.00000038
Q4 ASII 106,188,000 6,800 40,483,553,140 0.00000039
2014 Q1 ASII 113,101,000 6,800 40,483,553,140 0.00000041
Q2 ASII 112,793,000 7,275 40,483,553,140 0.00000038
Q3 ASII 115,471,000 7,050 40,483,553,140 0.00000040
Q4 ASII 120,187,000 7,425 40,483,553,140 0.00000040
2015 Q1 ASII 126,199,000 8,575 40,483,553,140 0.00000036
Q2 ASII 123,631,000 7,075 40,483,553,140 0.00000043
Q3 ASII 126,610,000 5,225 40,483,553,140 0.00000060
Q4 ASII 126,533,000 6,000 40,483,553,140 0.00000052
2016 Q1 ASII 129,610,000 7,250 40,483,553,140 0.00000044
Q2 ASII 129,997,000 7,400 40,483,553,140 0.00000043
Q3 ASII 131,803,000 8,250 40,483,553,140 0.00000039
Q4 ASII 139,906,000 8,275 40,483,553,140 0.00000042
2017 Q1 ASII 145,864,000 8,625 40,483,553,140 0.00000042
Q2 ASII 145,516,000 8,925 40,483,553,140 0.00000040
Q3 ASII 148,910,000 7,900 40,483,553,140 0.00000047
Q4 ASII 156,505,000 8,300 40,483,553,140 0.00000047
2010 Q3 BBCA 32,431,353 6,700 24,408,459,120 0.00000020
Q4 BBCA 34,107,844 6,400 24,408,459,120 0.00000022
2011 Q1 BBCA 36,064,073 6,950 24,408,459,120 0.00000021
Q2 BBCA 37,122,650 7,650 24,408,459,120 0.00000020
Q3 BBCA 39,792,973 7,700 24,408,459,120 0.00000021
Q4 BBCA 42,027,340 8,000 24,408,459,120 0.00000022
143
2012 Q1 BBCA 44,316,657 8,000 24,408,459,120 0.00000023
Q2 BBCA 45,514,829 7,300 24,408,459,120 0.00000026
Q3 BBCA 49,220,587 7,900 24,408,459,120 0.00000026
Q4 BBCA 51,897,942 9,100 24,408,459,120 0.00000023
2013 Q1 BBCA 56,599,302 11,400 24,408,459,120 0.00000020
Q2 BBCA 57,629,979 10,000 24,408,459,120 0.00000024
Q3 BBCA 61,231,393 10,000 24,408,459,120 0.00000025
Q4 BBCA 63,966,678 9,600 24,408,459,120 0.00000027
2014 Q1 BBCA 67,984,296 10,600 24,408,459,120 0.00000026
Q2 BBCA 70,353,048 11,000 24,408,459,120 0.00000026
Q3 BBCA 74,721,823 13,075 24,408,459,120 0.00000023
Q4 BBCA 77,920,617 13,125 24,408,459,120 0.00000024
2015 Q1 BBCA 80,018,412 14,825 24,408,459,120 0.00000022
Q2 BBCA 81,753,218 13,500 24,408,459,120 0.00000025
Q3 BBCA 86,256,157 12,275 24,408,459,120 0.00000029
Q4 BBCA 89,624,940 13,000 24,408,459,120 0.00000028
2016 Q1 BBCA 101,019,206 13,300 24,408,459,120 0.00000031
Q2 BBCA 103,532,696 13,325 24,408,459,120 0.00000032
Q3 BBCA 109,400,549 15,700 24,408,459,120 0.00000029
Q4 BBCA 112,715,059 15,500 24,408,459,120 0.00000030
2017 Q1 BBCA 118,411,980 16,550 24,408,459,120 0.00000029
Q2 BBCA 120,895,550 18,150 24,408,459,120 0.00000027
Q3 BBCA 127,548,445 20,300 24,408,459,120 0.00000026
Q4 BBCA 131,401,694 21,900 24,408,459,120 0.00000025
2010 Q3 BBNI 21,318,013 3,675 18,462,169,893 0.00000031
Q4 BBNI 33,149,525 3,875 18,462,169,893 0.00000046
2011 Q1 BBNI 33,149,525 3,975 18,462,169,893 0.00000045
Q2 BBNI 34,032,806 3,825 18,462,169,893 0.00000048
Q3 BBNI 35,768,706 3,725 18,462,169,893 0.00000052
Q4 BBNI 37,843,024 3,800 18,462,169,893 0.00000054
2012 Q1 BBNI 39,265,444 4,000 18,462,169,893 0.00000053
Q2 BBNI 39,376,715 3,825 18,462,169,893 0.00000056
Q3 BBNI 41,262,338 3,925 18,462,169,893 0.00000057
Q4 BBNI 43,525,291 3,700 18,462,169,893 0.00000064
2013 Q1 BBNI 45,190,301 3,925 18,462,169,893 0.00000062
Q2 BBNI 44,105,977 4,300 18,462,169,893 0.00000056
Q3 BBNI 45,692,610 4,250 18,462,169,893 0.00000058
Q4 BBNI 47,683,505 3,950 18,462,169,893 0.00000065
2014 Q1 BBNI 51,120,785 4,960 18,462,169,893 0.00000056
Q2 BBNI 55,542,545 4,765 18,462,169,893 0.00000063
Q3 BBNI 57,873,586 5,525 18,462,169,893 0.00000057
Q4 BBNI 61,021,308 6,100 18,462,169,893 0.00000054
2015 Q1 BBNI 61,862,325 7,225 18,462,169,893 0.00000046
Q2 BBNI 61,058,679 5,300 18,462,169,893 0.00000062
144
Q3 BBNI 63,637,415 4,135 18,462,169,893 0.00000083
Q4 BBNI 78,438,222 4,990 18,462,169,893 0.00000085
2016 Q1 BBNI 80,244,388 5,200 18,462,169,893 0.00000084
Q2 BBNI 83,125,722 5,200 18,462,169,893 0.00000087
Q3 BBNI 86,937,346 5,200 18,462,169,893 0.00000091
Q4 BBNI 89,254,000 5,525 18,462,169,893 0.00000088
2017 Q1 BBNI 89,480,122 6,475 18,462,169,893 0.00000075
Q2 BBNI 93,072,650 6,600 18,462,169,893 0.00000076
Q3 BBNI 97,307,038 7,400 18,462,169,893 0.00000071
Q4 BBNI 100,903,304 9,900 18,462,169,893 0.00000055
2010 Q3 BBRI 32,726,941 10,000 12,216,933,950 0.00000027
Q4 BBRI 36,673,110 10,500 12,216,933,950 0.00000030
2011 Q1 BBRI 40,269,937 5,750 24,422,470,380 0.00000029
Q2 BBRI 41,351,409 6,500 24,422,470,380 0.00000026
Q3 BBRI 45,003,566 5,850 24,422,470,380 0.00000031
Q4 BBRI 49,820,329 6,750 24,422,470,380 0.00000030
2012 Q1 BBRI 54,615,534 6,950 24,422,470,380 0.00000032
Q2 BBRI 55,188,123 6,350 24,422,470,380 0.00000036
Q3 BBRI 59,856,238 7,450 24,422,470,380 0.00000033
Q4 BBRI 64,881,779 6,950 24,422,470,380 0.00000038
2013 Q1 BBRI 64,635,044 8,750 24,422,470,380 0.00000030
Q2 BBRI 68,621,996 7,750 24,422,470,380 0.00000036
Q3 BBRI 73,743,202 7,250 24,422,470,380 0.00000042
Q4 BBRI 79,327,422 7,250 24,422,470,380 0.00000045
2014 Q1 BBRI 79,092,137 9,575 24,422,470,380 0.00000034
Q2 BBRI 85,048,239 10,325 24,422,470,380 0.00000034
Q3 BBRI 91,456,307 10,425 24,422,470,380 0.00000036
Q4 BBRI 97,705,834 11,650 24,422,470,380 0.00000034
2015 Q1 BBRI 96,098,994 13,275 24,422,470,380 0.00000030
Q2 BBRI 102,200,618 10,350 24,422,470,380 0.00000040
Q3 BBRI 107,632,179 8,650 24,422,470,380 0.00000051
Q4 BBRI 113,127,179 11,425 24,422,470,380 0.00000041
2016 Q1 BBRI 112,829,994 11,425 24,422,470,380 0.00000040
Q2 BBRI 133,663,832 10,800 24,422,470,380 0.00000051
Q3 BBRI 140,940,960 12,200 24,422,470,380 0.00000047
Q4 BBRI 146,812,590 19,675 24,422,470,380 0.00000031
2017 Q1 BBRI 144,102,135 2,595 24,422,470,380 0.00000227
Q2 BBRI 150,685,998 3,050 24,422,470,380 0.00000202
Q3 BBRI 158,612,034 3,055 24,422,470,380 0.00000213
Q4 BBRI 167,347,494 3,640 24,422,470,380 0.00000188
2010 Q3 BDMN 17,719,333 5,800 8,333,339,210 0.00000037
Q4 BDMN 18,609,028 5,700 8,333,339,210 0.00000039
2011 Q1 BDMN 18,320,315 6,360 9,488,796,931 0.00000030
Q2 BDMN 19,000,992 5,826 9,488,796,931 0.00000034
145
Q3 BDMN 24,926,425 4,600 9,488,796,931 0.00000057
Q4 BDMN 25,836,501 4,100 9,488,796,931 0.00000066
2012 Q1 BDMN 25,746,068 4,600 9,488,796,931 0.00000059
Q2 BDMN 26,814,269 6,000 9,488,796,931 0.00000047
Q3 BDMN 27,826,760 6,250 9,488,796,931 0.00000047
Q4 BDMN 28,733,311 5,650 9,488,796,931 0.00000054
2013 Q1 BDMN 29,767,200 6,450 9,488,796,931 0.00000049
Q2 BDMN 29,491,216 5,850 9,488,796,931 0.00000053
Q3 BDMN 30,498,249 3,975 9,488,796,931 0.00000081
Q4 BDMN 31,552,983 3,775 9,488,796,931 0.00000088
2014 Q1 BDMN 32,436,423 4,350 9,488,796,931 0.00000079
Q2 BDMN 31,754,906 4,145 9,488,796,931 0.00000081
Q3 BDMN 32,309,923 3,905 9,488,796,931 0.00000087
Q4 BDMN 33,017,524 4,525 9,488,796,931 0.00000077
2015 Q1 BDMN 33,756,764 5,125 9,488,796,931 0.00000069
Q2 BDMN 33,292,017 4,300 9,488,796,931 0.00000082
Q3 BDMN 33,925,627 2,895 9,488,796,931 0.00000124
Q4 BDMN 34,214,849 3,200 9,488,796,931 0.00000113
2016 Q1 BDMN 35,255,573 3,800 9,488,796,931 0.00000098
Q2 BDMN 35,400,494 3,540 9,488,796,931 0.00000105
Q3 BDMN 36,267,941 4,050 9,488,796,931 0.00000094
Q4 BDMN 36,377,972 3,710 9,488,796,931 0.00000103
2017 Q1 BDMN 37,501,277 4,700 9,488,796,931 0.00000084
Q2 BDMN 37,535,550 5,125 9,488,796,931 0.00000077
Q3 BDMN 38,522,673 5,200 9,488,796,931 0.00000078
Q4 BDMN 39,172,152 6,960 9,488,796,931 0.00000059
2010 Q3 BMRI 39,027,067 7,200 20,786,494,742 0.00000026
Q4 BMRI 42,070,036 6,500 20,786,494,742 0.00000031
2011 Q1 BMRI 57,534,728 6,800 23,099,999,999 0.00000037
Q2 BMRI 56,609,770 7,200 23,099,999,999 0.00000034
Q3 BMRI 59,764,016 6,300 23,099,999,999 0.00000041
Q4 BMRI 62,654,408 6,750 23,099,999,999 0.00000040
2012 Q1 BMRI 66,255,620 6,850 23,099,999,999 0.00000042
Q2 BMRI 67,099,991 7,200 23,099,999,999 0.00000040
Q3 BMRI 71,295,227 8,200 23,099,999,999 0.00000038
Q4 BMRI 75,755,589 8,100 23,099,999,999 0.00000040
2013 Q1 BMRI 81,033,749 10,000 23,099,999,999 0.00000035
Q2 BMRI 79,461,564 9,000 23,099,999,999 0.00000038
Q3 BMRI 83,742,250 7,950 23,099,999,999 0.00000046
Q4 BMRI 88,790,596 7,850 23,099,999,999 0.00000049
2014 Q1 BMRI 89,041,002 9,450 23,099,999,999 0.00000041
Q2 BMRI 93,960,319 9,725 23,099,999,999 0.00000042
Q3 BMRI 99,034,249 10,075 23,099,999,999 0.00000043
Q4 BMRI 104,844,562 10,100 23,099,999,999 0.00000045
146
2015 Q1 BMRI 104,790,758 12,475 23,099,999,999 0.00000036
Q2 BMRI 109,261,809 10,050 23,099,999,999 0.00000047
Q3 BMRI 113,136,999 7,925 23,099,999,999 0.00000062
Q4 BMRI 119,491,841 9,250 23,099,999,999 0.00000056
2016 Q1 BMRI 118,047,258 10,300 23,099,999,999 0.00000050
Q2 BMRI 147,089,194 9,525 23,099,999,999 0.00000067
Q3 BMRI 152,785,707 11,200 23,099,999,999 0.00000059
Q4 BMRI 153,369,723 11,575 23,099,999,999 0.00000057
2017 Q1 BMRI 151,824,481 11,700 23,099,999,999 0.00000056
Q2 BMRI 157,444,295 12,750 23,099,999,999 0.00000053
Q3 BMRI 163,891,115 6,725 23,099,999,999 0.00000105
Q4 BMRI 170,006,132 8,000 23,099,999,999 0.00000092
2010 Q3 INDF 11,617,424 5,450 8,780,426,500 0.00000024
Q4 INDF 24,852,838 4,875 8,780,426,500 0.00000058
2011 Q1 INDF 26,017,245 5,400 8,780,426,500 0.00000055
Q2 INDF 29,333,176 5,750 8,780,426,500 0.00000058
Q3 INDF 30,414,328 5,050 8,780,426,500 0.00000069
Q4 INDF 31,610,225 4,600 8,780,426,500 0.00000078
2012 Q1 INDF 32,945,014 4,850 8,780,426,500 0.00000077
Q2 INDF 32,064,689 4,850 8,780,426,500 0.00000075
Q3 INDF 34,142,674 5,640 8,780,426,500 0.00000069
Q4 INDF 33,321,900 5,850 8,780,426,500 0.00000065
2013 Q1 INDF 35,257,323 7,450 8,780,426,500 0.00000054
Q2 INDF 34,314,163 7,350 8,780,426,500 0.00000053
Q3 INDF 38,579,044 7,050 8,780,426,500 0.00000062
Q4 INDF 36,884,100 6,600 8,780,426,500 0.00000064
2014 Q1 INDF 39,246,192 7,300 8,780,426,500 0.00000061
Q2 INDF 39,616,397 6,700 8,780,426,500 0.00000067
Q3 INDF 40,766,701 7,000 8,780,426,500 0.00000066
Q4 INDF 40,274,200 6,750 8,780,426,500 0.00000068
2015 Q1 INDF 41,378,359 7,450 8,780,426,500 0.00000063
Q2 INDF 40,634,066 6,575 8,780,426,500 0.00000070
Q3 INDF 41,199,141 5,500 8,780,426,500 0.00000085
Q4 INDF 43,121,600 5,175 8,780,426,500 0.00000095
2016 Q1 INDF 44,474,924 7,225 8,780,426,500 0.00000070
Q2 INDF 43,676,574 7,250 8,780,426,500 0.00000069
Q3 INDF 44,905,785 8,700 8,780,426,500 0.00000059
Q4 INDF 43,941,400 7,925 8,780,426,500 0.00000063
2017 Q1 INDF 45,874,949 8,000 8,780,426,500 0.00000065
Q2 INDF 44,459,268 8,600 8,780,426,500 0.00000059
Q3 INDF 45,964,261 8,425 8,780,426,500 0.00000062
Q4 INDF 46,756,724 7,625 8,780,426,500 0.00000070
2010 Q3 KLBF 4,987,514 2,550 10,156,014,422 0.00000019
Q4 KLBF 5,771,917 3,250 10,156,014,422 0.00000017
147
2011 Q1 KLBF 6,155,239 680 10,156,014,422 0.00000089
Q2 KLBF 5,845,094 675 10,156,014,422 0.00000085
Q3 KLBF 6,072,890 650 10,156,014,422 0.00000092
Q4 KLBF 6,515,935 680 10,156,014,422 0.00000094
2012 Q1 KLBF 6,943,112 710 50,780,072,110 0.00000019
Q2 KLBF 6,431,058 755 50,780,072,110 0.00000017
Q3 KLBF 6,870,305 940 50,780,072,110 0.00000014
Q4 KLBF 7,371,643 1,060 50,780,072,110 0.00000014
2013 Q1 KLBF 7,845,771 1,240 46,875,122,110 0.00000013
Q2 KLBF 7,447,105 1,440 46,875,122,110 0.00000011
Q3 KLBF 7,920,735 1,180 46,875,122,110 0.00000014
Q4 KLBF 8,479,392 1,250 46,875,122,110 0.00000014
2014 Q1 KLBF 8,992,859 1,465 46,875,122,110 0.00000013
Q2 KLBF 8,723,035 1,660 46,875,122,110 0.00000011
Q3 KLBF 9,222,108 1,700 46,875,122,110 0.00000012
Q4 KLBF 9,764,101 1,830 46,875,122,110 0.00000011
2015 Q1 KLBF 10,370,940 1,865 46,875,122,110 0.00000012
Q2 KLBF 10,011,588 1,675 46,875,122,110 0.00000013
Q3 KLBF 10,488,558 1,375 46,875,122,110 0.00000016
Q4 KLBF 10,938,286 1,320 46,875,122,110 0.00000018
2016 Q1 KLBF 11,520,252 1,445 46,875,122,110 0.00000017
Q2 KLBF 11,234,030 1,530 46,875,122,110 0.00000016
Q3 KLBF 11,813,485 1,715 46,875,122,110 0.00000015
Q4 KLBF 12,463,847 1,515 46,875,122,110 0.00000018
2017 Q1 KLBF 13,079,317 1,540 46,875,122,110 0.00000018
Q2 KLBF 12,675,528 1,625 46,875,122,110 0.00000017
Q3 KLBF 13,263,462 1,665 46,875,122,110 0.00000017
Q4 KLBF 13,894,031 1,690 46,875,122,110 0.00000018
2010 Q3 LSIP 4,162,621 9,850 1,364,572,793 0.00000031
Q4 LSIP 4,554,105 12,850 1,364,572,793 0.00000026
2011 Q1 LSIP 4,948,296 2,275 6,822,863,965 0.00000032
Q2 LSIP 5,024,307 2,325 6,822,863,965 0.00000032
Q3 LSIP 5,450,377 2,050 6,822,863,965 0.00000039
Q4 LSIP 5,839,424 2,250 6,822,863,965 0.00000038
2012 Q1 LSIP 6,138,445 2,875 6,822,863,965 0.00000031
Q2 LSIP 5,796,129 2,675 6,822,863,965 0.00000032
Q3 LSIP 6,112,347 2,450 6,822,863,965 0.00000037
Q4 LSIP 6,279,713 2,300 6,822,863,965 0.00000040
2013 Q1 LSIP 6,380,799 1,930 6,822,863,965 0.00000048
Q2 LSIP 6,010,208 1,720 6,822,863,965 0.00000051
Q3 LSIP 6,283,159 1,270 6,822,863,965 0.00000073
Q4 LSIP 6,613,987 1,930 6,822,863,965 0.00000050
2014 Q1 LSIP 6,826,268 2,210 6,822,863,965 0.00000045
Q2 LSIP 6,767,628 2,315 6,822,863,965 0.00000043
148
Q3 LSIP 6,998,691 1,900 6,822,863,965 0.00000054
Q4 LSIP 7,218,834 1,890 6,822,863,965 0.00000056
2015 Q1 LSIP 7,162,325 1,730 6,822,863,965 0.00000061
Q2 LSIP 6,958,470 1,555 6,822,863,965 0.00000066
Q3 LSIP 7,130,157 1,385 6,822,863,965 0.00000075
Q4 LSIP 7,337,978 1,320 6,822,863,965 0.00000081
2016 Q1 LSIP 7,396,718 1,820 6,822,863,965 0.00000060
Q2 LSIP 7,196,278 1,380 6,822,863,965 0.00000076
Q3 LSIP 7,355,766 1,495 6,822,863,965 0.00000072
Q4 LSIP 7,645,984 1,740 6,822,863,965 0.00000064
2017 Q1 LSIP 8,019,715 1,465 6,822,863,965 0.00000080
Q2 LSIP 7,865,508 1,370 6,822,863,965 0.00000084
Q3 LSIP 8,045,539 1,410 6,822,863,965 0.00000084
Q4 LSIP 8,122,165 1,420 6,822,863,965 0.00000084
2010 Q3 PGAS 12,298,892 3,850 24,241,508,196 0.00000013
Q4 PGAS 12,726,425 4,425 24,241,508,196 0.00000012
2011 Q1 PGAS 17,150,000 3,900 24,241,508,196 0.00000018
Q2 PGAS 14,226,364 4,025 24,241,508,196 0.00000015
Q3 PGAS 15,606,261 2,675 24,241,508,196 0.00000024
Q4 PGAS 17,220,548 3,175 24,241,508,196 0.00000022
2012 Q1 PGAS 19,821,722 3,800 24,241,508,196 0.00000022
Q2 PGAS 17,738,331 3,525 24,241,508,196 0.00000021
Q3 PGAS 19,941,160 4,125 24,241,508,196 0.00000020
Q4 PGAS 22,270,828 4,600 24,241,508,196 0.00000020
2013 Q1 PGAS 25,490,662 5,950 24,241,508,196 0.00000018
Q2 PGAS 23,001,521 5,750 24,241,508,196 0.00000017
Q3 PGAS 29,059,959 5,200 24,241,508,196 0.00000023
Q4 PGAS 32,558,562 4,475 24,241,508,196 0.00000030
2014 Q1 PGAS 28,098,178 5,125 24,241,508,196 0.00000023
Q2 PGAS 31,119,986 5,575 24,241,508,196 0.00000023
Q3 PGAS 34,278,583 6,000 24,241,508,196 0.00000024
Q4 PGAS 36,860,578 6,000 24,241,508,196 0.00000025
2015 Q1 PGAS 39,050,362 4,800 24,241,508,196 0.00000034
Q2 PGAS 37,838,855 4,315 24,241,508,196 0.00000036
Q3 PGAS 42,626,234 2,530 24,241,508,196 0.00000070
Q4 PGAS 41,699,581 2,745 24,241,508,196 0.00000063
2016 Q1 PGAS 41,585,211 2,615 24,241,508,196 0.00000066
Q2 PGAS 39,777,398 2,340 24,241,508,196 0.00000070
Q3 PGAS 40,444,056 2,870 24,241,508,196 0.00000058
Q4 PGAS 42,594,713 2,700 24,241,508,196 0.00000065
2017 Q1 PGAS 43,680,757 2,530 24,241,508,196 0.00000071
Q2 PGAS 41,265,178 2,250 24,241,508,196 0.00000076
Q3 PGAS 42,450,311 1,575 24,241,508,196 0.00000111
Q4 PGAS 42,922,096 1,750 24,241,508,196 0.00000101
149
2010 Q3 SMGR 11,181,696 9,900 5,931,520,000 0.00000019
Q4 SMGR 12,139,752 9,450 5,931,520,000 0.00000022
2011 Q1 SMGR 12,006,438 9,100 5,931,520,000 0.00000022
Q2 SMGR 12,555,652 9,600 5,931,520,000 0.00000022
Q3 SMGR 13,450,780 8,300 5,931,520,000 0.00000027
Q4 SMGR 14,615,096 11,450 5,931,520,000 0.00000022
2012 Q1 SMGR 15,629,880 12,250 5,931,520,000 0.00000022
Q2 SMGR 14,751,841 13,100 5,931,520,000 0.00000019
Q3 SMGR 16,050,507 14,450 5,931,520,000 0.00000019
Q4 SMGR 18,164,854 15,850 5,931,520,000 0.00000019
2013 Q1 SMGR 19,420,338 17,700 5,931,520,000 0.00000018
Q2 SMGR 18,970,039 17,100 5,931,520,000 0.00000019
Q3 SMGR 19,812,460 13,000 5,931,520,000 0.00000026
Q4 SMGR 21,803,975 14,150 5,931,520,000 0.00000026
2014 Q1 SMGR 20,617,376 15,800 5,931,520,000 0.00000022
Q2 SMGR 22,200,483 15,075 5,931,520,000 0.00000025
Q3 SMGR 23,485,638 15,425 5,931,520,000 0.00000026
Q4 SMGR 25,004,930 16,200 5,931,520,000 0.00000026
2015 Q1 SMGR 26,386,065 13,650 5,931,520,000 0.00000033
Q2 SMGR 25,189,276 12,000 5,931,520,000 0.00000035
Q3 SMGR 26,338,564 9,050 5,931,520,000 0.00000049
Q4 SMGR 27,440,798 11,400 5,931,520,000 0.00000041
2016 Q1 SMGR 28,313,635 10,175 5,931,520,000 0.00000047
Q2 SMGR 27,557,447 9,350 5,931,520,000 0.00000050
Q3 SMGR 28,490,316 10,100 5,931,520,000 0.00000048
Q4 SMGR 30,574,391 9,175 5,931,520,000 0.00000056
2017 Q1 SMGR 29,444,312 9,000 5,931,520,000 0.00000055
Q2 SMGR 29,738,922 10,000 5,931,520,000 0.00000050
Q3 SMGR 30,147,641 10,125 5,931,520,000 0.00000050
Q4 SMGR 30,439,052 9,900 5,931,520,000 0.00000052
2010 Q3 TINS 3,728,000 3,150 5,033,020,000 0.00000024
Q4 TINS 4,203,075 2,750 5,033,020,000 0.00000030
2011 Q1 TINS 4,553,797 2,775 5,033,020,000 0.00000033
Q2 TINS 4,385,515 2,500 5,033,020,000 0.00000035
Q3 TINS 4,558,054 1,770 5,033,020,000 0.00000051
Q4 TINS 4,597,795 1,670 5,033,020,000 0.00000055
2012 Q1 TINS 4,806,362 1,340 5,033,020,000 0.00000071
Q2 TINS 4,459,188 1,030 5,033,020,000 0.00000086
Q3 TINS 4,497,120 1,610 5,033,020,000 0.00000055
Q4 TINS 4,558,200 1,610 5,033,020,000 0.00000056
2013 Q1 TINS 4,661,068 1,680 5,033,020,000 0.00000055
Q2 TINS 4,480,100 1,380 5,033,020,000 0.00000065
Q3 TINS 4,483,620 1,550 5,033,020,000 0.00000057
Q4 TINS 4,412,278 1,450 5,033,020,000 0.00000060
150
2014 Q1 TINS 4,682,792 1,318 5,033,020,000 0.00000048
Q2 TINS 4,797,484 1,260 5,033,020,000 0.00000051
Q3 TINS 4,950,266 1,225 5,033,020,000 0.00000054
Q4 TINS 4,499,801 1,225 5,033,020,000 0.00000049
2015 Q1 TINS 5,399,571 950 5,033,020,000 0.00000076
Q2 TINS 5,171,533 710 5,033,020,000 0.00000098
Q3 TINS 5,240,539 640 5,033,020,000 0.00000110
Q4 TINS 5,371,068 505 5,033,020,000 0.00000143
2016 Q1 TINS 5,175,189 740 5,033,020,000 0.00000094
Q2 TINS 5,185,208 700 5,033,020,000 0.00000099
Q3 TINS 5,263,637 815 5,033,020,000 0.00000087
Q4 TINS 5,653,685 1,075 5,033,020,000 0.00000071
2017 Q1 TINS 5,685,784 995 5,033,020,000 0.00000077
Q2 TINS 5,683,832 730 5,033,020,000 0.00000105
Q3 TINS 5,887,972 815 5,033,020,000 0.00000097
Q4 TINS 6,061,493 775 5,033,020,000 0.00000105
2010 Q3 TLKM 42,741,381 9,200 20,159,999,280 0.00000023
Q4 TLKM 56,414,783 7,950 20,159,999,280 0.00000035
2011 Q1 TLKM 60,230,879 7,350 20,159,999,280 0.00000041
Q2 TLKM 55,285,739 7,350 20,159,999,280 0.00000037
Q3 TLKM 58,238,938 7,600 20,159,999,280 0.00000038
Q4 TLKM 60,981,000 7,050 20,159,999,280 0.00000043
2012 Q1 TLKM 64,387,000 1,400 20,159,999,280 0.00000228
Q2 TLKM 57,819,000 1,630 20,159,999,280 0.00000176
Q3 TLKM 62,765,000 1,890 20,159,999,280 0.00000165
Q4 TLKM 51,541,000 1,810 20,159,999,280 0.00000141
2013 Q1 TLKM 71,967,000 2,205 100,799,996,400 0.00000032
Q2 TLKM 64,749,000 2,256 100,799,996,400 0.00000028
Q3 TLKM 72,740,000 2,100 100,799,996,400 0.00000034
Q4 TLKM 59,823,000 2,150 100,799,996,400 0.00000028
2014 Q1 TLKM 82,527,000 2,215 100,799,996,400 0.00000037
Q2 TLKM 74,994,000 2,465 100,799,996,400 0.00000030
Q3 TLKM 80,864,000 2,915 100,799,996,400 0.00000028
Q4 TLKM 67,721,000 2,865 100,799,996,400 0.00000023
2015 Q1 TLKM 90,922,000 2,890 100,799,996,400 0.00000031
Q2 TLKM 82,265,000 2,930 100,799,996,400 0.00000028
Q3 TLKM 87,085,000 2,645 100,799,996,400 0.00000033
Q4 TLKM 75,136,000 3,105 100,799,996,400 0.00000024
2016 Q1 TLKM 100,294,000 3,325 100,799,996,400 0.00000030
Q2 TLKM 94,884,000 3,980 100,799,996,400 0.00000024
Q3 TLKM 102,351,000 4,310 100,799,996,400 0.00000024
Q4 TLKM 84,384,000 3,980 100,799,996,400 0.00000021
2017 Q1 TLKM 91,077,000 4,130 100,799,996,400 0.00000022
Q2 TLKM 84,867,000 4,520 100,799,996,400 0.00000019
151
Q3 TLKM 90,714,000 4,680 100,799,996,400 0.00000019
Q4 TLKM 112,130,000 4,460 100,799,996,400 0.00000025
2010 Q3 UNTR 15,716,474 20,450 3,326,877,283 0.00000023
Q4 UNTR 16,165,406 23,800 3,326,877,283 0.00000020
2011 Q1 UNTR 17,447,198 21,700 3,730,135,136 0.00000022
Q2 UNTR 24,836,698 24,950 3,730,135,136 0.00000027
Q3 UNTR 26,616,975 22,000 3,730,135,136 0.00000032
Q4 UNTR 27,503,948 26,350 3,730,135,136 0.00000028
2012 Q1 UNTR 28,966,508 33,000 3,730,135,136 0.00000024
Q2 UNTR 29,624,828 21,050 3,730,135,136 0.00000038
Q3 UNTR 30,326,880 20,700 3,730,135,136 0.00000039
Q4 UNTR 32,300,577 19,700 3,730,135,136 0.00000044
2013 Q1 UNTR 32,656,483 18,200 3,730,135,136 0.00000048
Q2 UNTR 32,473,186 18,200 3,730,135,136 0.00000048
Q3 UNTR 33,850,303 16,300 3,730,135,136 0.00000056
Q4 UNTR 35,648,898 19,000 3,730,135,136 0.00000050
2014 Q1 UNTR 36,761,662 20,750 3,730,135,136 0.00000047
Q2 UNTR 37,496,180 23,100 3,730,135,136 0.00000044
Q3 UNTR 38,434,402 19,900 3,730,135,136 0.00000052
Q4 UNTR 38,529,645 17,350 3,730,135,136 0.00000060
2015 Q1 UNTR 40,979,989 21,800 3,730,135,136 0.00000050
Q2 UNTR 40,696,620 20,375 3,730,135,136 0.00000054
Q3 UNTR 42,522,110 17,475 3,730,135,136 0.00000065
Q4 UNTR 35,250,325 16,950 3,730,135,136 0.00000056
2016 Q1 UNTR 39,838,864 15,300 3,730,135,136 0.00000070
Q2 UNTR 39,612,641 14,800 3,730,135,136 0.00000072
Q3 UNTR 40,195,669 17,700 3,730,135,136 0.00000061
Q4 UNTR 42,621,493 21,250 3,730,135,136 0.00000054
2017 Q1 UNTR 44,253,684 26,500 3,730,135,136 0.00000045
Q2 UNTR 44,764,284 27,450 3,730,135,136 0.00000044
Q3 UNTR 46,113,140 32,000 3,730,135,136 0.00000039
Q4 UNTR 47,537,925 35,400 3,730,135,136 0.00000036
2010 Q3 UNVR 3,972,723 16,850 7,630,000,000 0.00000003
Q4 UNVR 4,048,853 16,500 7,630,000,000 0.00000003
2011 Q1 UNVR 5,036,548 15,300 7,630,000,000 0.00000004
Q2 UNVR 3,493,050 14,900 7,630,000,000 0.00000003
Q3 UNVR 4,450,314 16,500 7,630,000,000 0.00000004
Q4 UNVR 3,680,937 18,800 7,630,000,000 0.00000003
2012 Q1 UNVR 4,843,623 20,000 7,630,000,000 0.00000003
Q2 UNVR 3,752,158 22,900 7,630,000,000 0.00000002
Q3 UNVR 5,105,626 26,050 7,630,000,000 0.00000003
Q4 UNVR 3,968,365 20,850 7,630,000,000 0.00000002
2013 Q1 UNVR 5,400,348 22,800 7,630,000,000 0.00000003
Q2 UNVR 4,243,835 30,750 7,630,000,000 0.00000002
152
Q3 UNVR 5,510,444 30,150 7,630,000,000 0.00000002
Q4 UNVR 4,254,670 26,000 7,630,000,000 0.00000002
2014 Q1 UNVR 5,615,651 29,250 7,630,000,000 0.00000003
Q2 UNVR 4,271,931 29,275 7,630,000,000 0.00000002
Q3 UNVR 5,472,869 31,800 7,630,000,000 0.00000002
Q4 UNVR 4,746,514 32,300 7,630,000,000 0.00000002
2015 Q1 UNVR 6,338,213 39,650 7,630,000,000 0.00000002
Q2 UNVR 4,503,074 39,500 7,630,000,000 0.00000001
Q3 UNVR 5,755,607 38,000 7,630,000,000 0.00000002
Q4 UNVR 4,827,360 37,000 7,630,000,000 0.00000002
2016 Q1 UNVR 6,397,400 42,925 7,630,000,000 0.00000002
Q2 UNVR 4,890,447 45,075 7,630,000,000 0.00000001
Q3 UNVR 6,342,791 44,550 7,630,000,000 0.00000002
Q4 UNVR 4,704,258 38,800 7,630,000,000 0.00000002
2017 Q1 UNVR 6,665,099 43,325 7,630,000,000 0.00000002
Q2 UNVR 4,906,114 48,800 7,630,000,000 0.00000001
Q3 UNVR 6,423,858 48,975 7,630,000,000 0.00000002
Q4 UNVR 5,173,388 55,900 7,630,000,000 0.00000001
*) Dalam Jutaan Rupiah
153
Lampiran 6: Portofolio S/L, S/M, S/H, B/L, B/M, B/H
Kuartal III 2010
No Size Book to Market Equity Size/Book to Market
Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.361 B ASII 0.000000206 M 69874878.5 BM 7.844
2 TLKM 14.268 B TLKM 0.000000230 M 61915781.9 BM 7.792
3 BBCA 14.214 B BBCA 0.000000198 L 71672846.3 BL 7.855
4 BMRI 14.175 B BMRI 0.000000261 M 54359367.5 BM 7.735
5 UNVR 14.109 B UNVR 0.000000031 L 456600331.5 BL 8.660
6 BBRI 14.087 B BBRI 0.000000268 H 52586487.4 BH 7.721
7 PGAS 13.970 B PGAS 0.000000132 L 106011118.6 BL 8.025
8 UNTR 13.833 B UNTR 0.000000231 M 59880149.8 BM 7.777
9 BBNI 13.832 B BBNI 0.000000314 H 44021405.4 BH 7.644
10 SMGR 13.769 S SMGR 0.000000190 L 72308548.2 SL 7.859
11 BDMN 13.684 S BDMN 0.000000367 H 37326785.4 SH 7.572
12 INDF 13.680 S INDF 0.000000243 M 56348918.0 SM 7.751
13 AALI 13.513 S AALI 0.000000206 M 65527378.5 SM 7.816
14 KLBF 13.413 S KLBF 0.000000193 L 69648828.8 SL 7.843
15 TINS 13.200 S TINS 0.000000235 M 56136045.8 SM 7.749
16 LSIP 13.128 S LSIP 0.000000310 H 42391516.9 SH 7.627
17 ADHI 12.238 S ADHI 0.000000432 H 28318203.8 SH 7.452
Kuartal IV 2010
No
Size Book to Market Equity Size/Book to Market
Equity Log
Emiten Size Ket
. Emiten BE/ME Ket.
1 ASII 14.344 B ASII 0.0000003 M 53974566.9 BM 7.732
2 TLKM 14.205 B TLKM 0.0000004 H 40355395.2 BH 7.606
3 BBCA 14.194 B BBCA 0.0000002 M 65007327.7 BM 7.813
4 BMRI 14.131 B BMRI 0.0000003 M 45382168.5 BM 7.657
5 UNVR 14.100 B UNVR 0.0000000 L 438425541.2 BL 8.642
6 BBRI 14.087 B BBRI 0.0000003 M 46927977.2 BM 7.671
7 PGAS 14.030 B PGAS 0.0000001 L 118260251.5 BL 8.073
8 UNTR 13.899 B UNTR 0.0000002 L 68076717.6 BL 7.833
9 BBNI 13.855 B BBNI 0.0000005 H 29899897.8 BH 7.476
10 SMGR 13.749 S SMGR 0.0000002 M 63481386.0 SM 7.803
11 BDMN 13.677 S BDMN 0.0000004 H 34910121.0 SH 7.543
12 INDF 13.631 S INDF 0.0000006 H 23477809.8 SH 7.371
13 AALI 13.616 S AALI 0.0000002 L 77894827.9 SL 7.892
14 KLBF 13.519 S KLBF 0.0000002 L 77306947.4 SL 7.888
15 LSIP 13.244 S LSIP 0.0000003 M 50993249.0 SM 7.708
16 TINS 13.141 S TINS 0.0000003 M 43274091.4 SM 7.636
17 ADHI 12.215 S ADHI 0.0000005 H 23073635.9 SH 7.363
154
Kuartal I 2011
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket
1 ASII 14.363 B ASII 0.0000003 M 51943133.7 BM 7.715528
2 BBCA 14.230 B BBCA 0.0000002 L 66933078.9 BL 7.825641
3 BMRI 14.196 B BMRI 0.0000004 M 38757924.9 BM 7.588361
4 TLKM 14.171 B TLKM 0.0000004 H 34862003.3 BH 7.542352
5 BBRI 14.147 B BBRI 0.0000003 M 49334971.5 BM 7.693155
6 UNVR 14.067 B UNVR 0.0000000 L 326055211.8 BL 8.513291
7 PGAS 13.976 B PGAS 0.0000002 L 77042671.6 BL 7.886731
8 UNTR 13.908 B UNTR 0.0000002 L 64525153.6 BL 7.809729
9 BBNI 13.866 B BBNI 0.0000005 H 30696005.0 BH 7.487082
10 BDMN 13.781 S BDMN 0.0000003 M 45394748.0 SM 7.657006
11 SMGR 13.732 S SMGR 0.0000002 L 61735300.0 SL 7.790534
12 INDF 13.676 S INDF 0.0000005 H 24923227.3 SH 7.396604
13 AALI 13.553 S AALI 0.0000002 M 57497571.3 SM 7.75965
14 LSIP 13.191 S LSIP 0.0000003 M 41377900.9 SM 7.616768
15 TINS 13.145 S TINS 0.0000003 M 40316386.1 SM 7.605482
16 KLBF 12.839 S KLBF 0.0000009 H 14405434.3 SH 7.158526
17 ADHI 12.180 S ADHI 0.0000006 H 21177017.3 SH 7.325865
Kuartal II 2011
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.410 B ASII 0.0000003 M 55307163.0 BM 7.742781
2 BBCA 14.271 B BBCA 0.0000002 L 71783292.7 BL 7.856023
3 BMRI 14.221 B BMRI 0.0000003 M 41781259.4 BM 7.620982
4 BBRI 14.201 B BBRI 0.0000003 M 54515811.2 BM 7.736522
5 TLKM 14.171 B TLKM 0.0000004 H 37980302.7 BH 7.579558
6 UNVR 14.056 B UNVR 0.0000000 L 457465995.2 BL 8.660359
7 PGAS 13.989 B PGAS 0.0000001 L 95946332.9 BL 7.982028
8 UNTR 13.969 B UNTR 0.0000003 M 52343192.4 BM 7.71886
9 BBNI 13.849 B BBNI 0.0000005 H 28736386.0 BH 7.458432
10 SMGR 13.755 S SMGR 0.0000002 L 62383877.0 SL 7.795072
11 BDMN 13.743 S BDMN 0.0000003 M 39982844.1 SM 7.601874
12 INDF 13.703 S INDF 0.0000006 H 23585540.9 SH 7.372646
13 AALI 13.568 S AALI 0.0000002 L 65063445.7 SL 7.813337
14 LSIP 13.200 S LSIP 0.0000003 M 41677365.0 SM 7.6199
155
15 TINS 13.100 S TINS 0.0000003 M 37584752.1 SM 7.575012
16 KLBF 12.836 S KLBF 0.0000009 H 15054495.5 SH 7.177666
17 ADHI 12.159 S ADHI 0.0000006 H 21123256.6 SH 7.324761
Kuartal III 2011
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.411 B ASII 0.0000004 M 32903717.6 BM 7.517245
2 BBCA 14.274 B BBCA 0.0000002 L 67417297.6 BL 7.828771
3 TLKM 14.185 B TLKM 0.0000004 M 37318940.7 BM 7.571929
4 BMRI 14.163 B BMRI 0.0000004 M 34487884.5 BM 7.537667
5 BBRI 14.155 B BBRI 0.0000003 M 44937274.7 BM 7.652607
6 UNVR 14.100 B UNVR 0.0000000 L 398875353.0 BL 8.600837
7 UNTR 13.914 B UNTR 0.0000003 M 42898800.1 BM 7.632445
8 BBNI 13.837 B BBNI 0.0000005 H 26604835.0 BH 7.424961
9 PGAS 13.812 B PGAS 0.0000002 L 57390163.3 BL 7.758837
10 SMGR 13.692 S SMGR 0.0000003 L 50115406.2 SL 7.699971
11 INDF 13.647 S INDF 0.0000007 H 19895727.0 SH 7.29876
12 BDMN 13.640 S BDMN 0.0000006 H 23884841.9 SH 7.378122
13 AALI 13.483 S AALI 0.0000003 L 52138439.7 SL 7.717158
14 LSIP 13.146 S LSIP 0.0000004 M 33734822.3 SM 7.528078
15 TINS 12.950 S TINS 0.0000005 M 25309617.5 SM 7.403286
16 KLBF 12.820 S KLBF 0.0000009 H 13935320.7 SH 7.144117
17 ADHI 11.963 S ADHI 0.0000009 H 13110834.2 SH 7.11763
Kuartal IV 2011
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.477 B ASII 0.0000003 M 57185688.7 BM 7.757287
2 BBCA 14.291 B BBCA 0.0000002 L 66397210.3 BL 7.82215
3 BBRI 14.217 B BBRI 0.0000003 M 47043279.4 BM 7.672498
4 BMRI 14.193 B BMRI 0.0000004 M 35321224.1 BM 7.548036
5 UNVR 14.157 B UNVR 0.0000000 L 551677778.9 BL 8.741685
6 TLKM 14.153 B TLKM 0.0000004 M 32985552.5 BM 7.518324
7 UNTR 13.993 B UNTR 0.0000003 M 50004101.0 BM 7.699006
8 PGAS 13.886 B PGAS 0.0000002 L 62064469.4 BL 7.792843
9 BBNI 13.846 B BBNI 0.0000005 M 25668879.7 BM 7.409407
10 SMGR 13.832 S SMGR 0.0000002 L 64276748.3 SL 7.808054
11 INDF 13.606 S INDF 0.0000008 H 17385414.6 SH 7.240185
12 BDMN 13.590 S BDMN 0.0000007 H 20463532.7 SH 7.310981
13 AALI 13.534 S AALI 0.0000002 L 54885289.0 SL 7.739456
14 LSIP 13.186 S LSIP 0.0000004 M 34665479.1 SM 7.539897
15 TINS 12.925 S TINS 0.0000005 H 23627120.2 SH 7.373411
156
16 KLBF 12.839 S KLBF 0.0000009 H 13608007.3 SH 7.133795
17 ADHI 12.019 S ADHI 0.0000009 H 12679196.2 SH 7.103092
Kuartal I 2012
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.468 B ASII 0.0000003 M 52552273.7 BM 7.720592
2 BBCA 14.291 B BBCA 0.0000002 L 62967252.6 BL 7.799115
3 BBRI 14.230 B BBRI 0.0000003 M 44223817.2 BM 7.645656
4 BMRI 14.199 B BMRI 0.0000004 M 33911487.6 BM 7.530347
5 UNVR 14.184 B UNVR 0.0000000 L 446857738.9 BL 8.650169
6 UNTR 14.090 B UNTR 0.0000002 M 59877093.0 BM 7.777261
7 PGAS 13.964 B PGAS 0.0000002 L 64896663.1 BL 7.812222
8 BBNI 13.868 B BBNI 0.0000005 M 26082954.7 BM 7.416357
9 SMGR 13.861 B SMGR 0.0000002 L 64439249.3 BL 7.80915
10 BDMN 13.640 S BDMN 0.0000006 H 23124452.3 SH 7.364071
11 INDF 13.629 S INDF 0.0000008 H 17617320.1 SH 7.24594
12 AALI 13.565 S AALI 0.0000002 M 57058166.5 SM 7.756318
13 KLBF 13.557 S KLBF 0.0000002 L 70397873.2 SL 7.84756
14 TLKM 13.451 S TLKM 0.0000023 H 5896069.8 SH 6.770563
15 LSIP 13.293 S LSIP 0.0000003 M 42477238.8 SM 7.628156
16 TINS 12.829 S TINS 0.0000007 H 18001451.7 SH 7.255308
17 ADHI 12.159 S ADHI 0.0000007 H 17593861.9 SH 7.245361
Kuartal II 2012
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.443 B ASII 0.0000003 M 49613070.5 BM 7.695596
2 BBCA 14.251 B BBCA 0.0000003 L 55789373.0 BL 7.746551
3 UNVR 14.242 B UNVR 0.0000000 L 663224959.9 BL 8.821661
4 BMRI 14.221 B BMRI 0.0000004 M 35249296.6 BM 7.54715
5 BBRI 14.191 B BBRI 0.0000004 M 39876527.2 BM 7.600717
6 PGAS 13.932 B PGAS 0.0000002 L 67113625.7 BL 7.826811
7 UNTR 13.895 B UNTR 0.0000004 M 36828043.7 BM 7.566179
8 SMGR 13.890 B SMGR 0.0000002 L 73165608.7 BL 7.864307
9 BBNI 13.849 B BBNI 0.0000006 H 24836501.7 BH 7.39509
10 BDMN 13.773 S BDMN 0.0000005 M 29243399.9 SM 7.466028
11 INDF 13.629 S INDF 0.0000008 H 18100997.6 SH 7.257703
12 KLBF 13.584 S KLBF 0.0000002 L 80979298.5 SL 7.908374
13 TLKM 13.517 S TLKM 0.0000018 H 7682056.8 SH 6.885478
14 AALI 13.499 S AALI 0.0000003 M 51998946.2 SM 7.715995
15 LSIP 13.261 S LSIP 0.0000003 M 41757861.0 SM 7.620738
16 TINS 12.715 S TINS 0.0000006 H 22768365.6 SH 7.357332
157
17 ADHI 12.251 S ADHI 0.0000009 H 14242612.3 SH 7.15359
Kuartal III 2012
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.479 B ASII 0.0000003 M 52099000.5 BM 7.716829
2 UNVR 14.298 B UNVR 0.0000000 L 556632618.3 BL 8.745569
3 BBCA 14.285 B BBCA 0.0000003 M 55963646.2 BM 7.747906
4 BMRI 14.277 B BMRI 0.0000004 M 37932833.9 BM 7.579015
5 BBRI 14.260 B BBRI 0.0000003 M 43346528.7 BM 7.636954
6 PGAS 14.000 B PGAS 0.0000002 L 59117924.9 BL 7.771719
7 SMGR 13.933 B SMGR 0.0000002 L 69868088.7 BL 7.844279
8 UNTR 13.888 B UNTR 0.0000004 M 35358786.0 BM 7.548497
9 BBNI 13.860 B BBNI 0.0000006 H 24340844.3 BH 7.386336
10 BDMN 13.773 S BDMN 0.0000005 M 29353503.9 SM 7.46766
11 INDF 13.695 S INDF 0.0000007 H 19863359.9 SH 7.298053
12 KLBF 13.679 S KLBF 0.0000001 L 95037241.2 SL 7.977894
13 TLKM 13.581 S TLKM 0.0000016 H 8244513.0 SH 6.916165
14 AALI 13.539 S AALI 0.0000002 L 54502754.3 SL 7.736418
15 LSIP 13.223 S LSIP 0.0000004 M 36162559.0 SM 7.558259
16 TINS 12.909 S TINS 0.0000006 H 23259535.3 SH 7.366601
17 ADHI 12.273 S ADHI 0.0000006 H 21791677.5 SH 7.338291
Kuartal IV 2012
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket
1 ASII 14.474 B ASII 0.0000003 M 47950977.8 BM 7.680797
2 BBCA 14.347 B BBCA 0.0000002 L 61401652.2 BL 7.78818
3 BMRI 14.272 B BMRI 0.0000004 M 35250891.8 BM 7.54717
4 BBRI 14.230 B BBRI 0.0000004 M 37226281.9 BM 7.57085
5 UNVR 14.202 B UNVR 0.0000000 L 569320993.5 BL 8.755357
6 PGAS 14.047 B PGAS 0.0000002 L 70335487.4 BL 7.847175
7 SMGR 13.973 B SMGR 0.0000002 L 72320110.7 BL 7.859259
8 UNTR 13.866 B UNTR 0.0000004 M 31545519.4 BM 7.498938
9 BBNI 13.834 B BBNI 0.0000006 H 21712296.6 BH 7.336706
10 KLBF 13.731 S KLBF 0.0000001 L 100262152.7 SL 8.001137
11 BDMN 13.729 S BDMN 0.0000005 H 25616573.9 SH 7.408521
12 INDF 13.711 S INDF 0.0000006 H 21134912.1 SH 7.325
13 TLKM 13.562 S TLKM 0.0000014 H 9601639.6 SH 6.982345
14 AALI 13.492 S AALI 0.0000003 M 44690533.7 SM 7.650216
15 LSIP 13.196 S LSIP 0.0000004 M 32975167.2 SM 7.518187
16 TINS 12.909 S TINS 0.0000006 H 22947856.9 SH 7.360742
17 ADHI 12.501 S ADHI 0.0000004 M 33560787.9 SM 7.525832
158
Kuartal I 2013
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket Emiten BE/ME Ket
1 ASII 14.505 B ASII 0.0000003 M 49471685.6 BM 7.694357
2 BBCA 14.444 B BBCA 0.0000002 L 71012533.3 BL 7.851335
3 BMRI 14.364 B BMRI 0.0000004 M 40945833.2 BM 7.61221
4 TLKM 14.347 B TLKM 0.0000003 M 44309091.7 BM 7.646493
5 BBRI 14.330 B BBRI 0.0000003 M 47377228.7 BM 7.67557
6 UNVR 14.240 B UNVR 0.0000000 L 458734747.5 BL 8.661562
7 PGAS 14.159 B PGAS 0.0000002 L 80118058.9 BL 7.90373
8 SMGR 14.021 B SMGR 0.0000002 L 75799402.8 BL 7.879666
9 BBNI 13.860 B BBNI 0.0000006 H 22225126.2 BH 7.346844
10 UNTR 13.832 S UNTR 0.0000005 M 28754453.4 SM 7.458705
11 INDF 13.816 S INDF 0.0000005 H 25632712.2 SH 7.408795
12 BDMN 13.787 S BDMN 0.0000005 H 28346238.7 SH 7.452495
13 KLBF 13.764 S KLBF 0.0000001 L 101972865.0 SL 8.008485
14 AALI 13.464 S AALI 0.0000003 M 40342133.1 SM 7.605759
15 LSIP 13.120 S LSIP 0.0000005 H 27074910.9 SH 7.432567
16 TINS 12.927 S TINS 0.0000006 H 23450649.8 SH 7.370155
17 ADHI 12.736 S ADHI 0.0000002 M 58192901.7 SM 7.76487
Kuartal II 2013
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.452 B ASII 0.0000000 L 799006734.1 BL 8.90255
2 BBCA 14.388 B BBCA 0.0000003 M 42676777.4 BM 7.630192
3 UNVR 14.370 B UNVR 0.0000002 M 60863909.1 BM 7.78436
4 TLKM 14.357 B TLKM 0.0000003 M 50422478.0 BM 7.702624
5 BMRI 14.318 B BMRI 0.0000004 M 37460651.4 BM 7.573575
6 BBRI 14.277 B BBRI 0.0000004 M 39379272.1 BM 7.595268
7 PGAS 14.144 B PGAS 0.0000002 L 85713683.3 BL 7.93305
8 SMGR 14.006 B SMGR 0.0000002 L 74888138.3 BL 7.874413
9 BBNI 13.900 B BBNI 0.0000006 H 25018471.8 BH 7.398261
10 UNTR 13.832 S UNTR 0.0000005 M 28916759.8 SM 7.46115
11 KLBF 13.829 S KLBF 0.0000001 L 125348106.8 SL 8.098118
12 INDF 13.810 S INDF 0.0000005 H 25972695.4 SH 7.414517
13 BDMN 13.744 S BDMN 0.0000005 H 25870158.1 SH 7.412799
14 AALI 13.492 S AALI 0.0000003 M 44926380.9 SM 7.652501
15 LSIP 13.069 S LSIP 0.0000005 H 25519048.0 SH 7.406864
16 TINS 12.842 S TINS 0.0000006 H 19908696.1 SH 7.299043
17 ADHI 12.767 S ADHI 0.0000002 L 61920254.7 SL 7.791833
Kuartal III 2013
159
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.417 B ASII 0.0000004 M 38198977.4 BM 7.582052
2 BBCA 14.388 B BBCA 0.0000003 L 57352556.2 BL 7.758553
3 UNVR 14.362 B UNVR 0.0000000 L 599562544.7 BL 8.777834
4 TLKM 14.326 B TLKM 0.0000003 M 41689026.6 BM 7.620022
5 BMRI 14.264 B BMRI 0.0000005 M 31280607.4 BM 7.495275
6 BBRI 14.248 B BBRI 0.0000004 M 34210813.6 BM 7.534163
7 PGAS 14.101 B PGAS 0.0000002 L 61165204.9 BL 7.786504
8 BBNI 13.895 B BBNI 0.0000006 H 23860195.4 BH 7.377674
9 SMGR 13.887 B SMGR 0.0000003 L 54048395.3 BL 7.732783
10 INDF 13.792 S INDF 0.0000006 H 22129480.5 SH 7.344971
11 UNTR 13.784 S UNTR 0.0000006 M 24758373.3 SM 7.393722
12 KLBF 13.743 S KLBF 0.0000001 L 95969876.0 SL 7.982135
13 BDMN 13.577 S BDMN 0.0000008 H 16790465.9 SH 7.225063
14 AALI 13.487 S AALI 0.0000003 M 44615520.4 SM 7.649486
15 LSIP 12.938 S LSIP 0.0000007 H 17842340.5 SH 7.251452
16 TINS 12.892 S TINS 0.0000006 H 22431445.2 SH 7.350857
17 ADHI 12.567 S ADHI 0.0000004 M 35156990.9 SM 7.546012
Kuartal IV 2013
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.440 B ASII 0.0000004 M 37434574.2 BM 7.573273
2 BBCA 14.370 B BBCA 0.0000003 L 52639150.7 BL 7.721309
3 TLKM 14.336 B TLKM 0.0000003 M 51934471.9 BM 7.715456
4 UNVR 14.297 B UNVR 0.0000000 L 666641039.3 BL 8.823892
5 BMRI 14.258 B BMRI 0.0000005 M 29119770.4 BM 7.464188
6 BBRI 14.248 B BBRI 0.0000004 M 31802558.0 BM 7.502462
7 PGAS 14.035 B PGAS 0.0000003 M 46763907.2 BM 7.669911
8 SMGR 13.924 B SMGR 0.0000003 L 53623634.5 BL 7.729356
9 BBNI 13.863 B BBNI 0.0000007 H 21201428.6 BH 7.326365
10 UNTR 13.850 S UNTR 0.0000005 M 27535744.6 SM 7.439897
11 KLBF 13.768 S KLBF 0.0000001 L 95137977.4 SL 7.978354
12 INDF 13.763 S INDF 0.0000006 H 21623965.8 SH 7.334935
13 AALI 13.597 S AALI 0.0000003 L 52339088.5 SL 7.718826
14 BDMN 13.554 S BDMN 0.0000009 H 15387188.4 SH 7.187159
15 LSIP 13.120 S LSIP 0.0000005 M 26120336.3 SM 7.416979
16 TINS 12.863 S TINS 0.0000006 H 21275643.3 SH 7.327883
17 ADHI 12.435 S ADHI 0.0000006 H 21842279.6 SH 7.339298
Kuartal I 2014
No Size Book to Market Equity Log
160
Emiten Size Ket. Emiten BE/ME Ket. Size/Book to
Market Equity
1 ASII 14.440 B ASII 0.0000003 L 54953888.4 BL 7.739998
2 BBCA 14.413 B BBCA 0.0000004 M 35080909.4 BM 7.545071
3 BBRI 14.369 B BBRI 0.0000003 M 42483417.4 BM 7.628219
4 TLKM 14.349 B TLKM 0.0000004 M 38819935.4 BM 7.589055
5 UNVR 14.349 B UNVR 0.0000000 L 570244825.8 BL 8.756061
6 BMRI 14.339 B BMRI 0.0000004 M 35153934.6 BM 7.545974
7 PGAS 14.094 B PGAS 0.0000002 L 62318562.2 BL 7.794617
8 SMGR 13.972 B SMGR 0.0000002 L 63510096.5 BL 7.802843
9 BBNI 13.962 B BBNI 0.0000006 H 25009626.8 BH 7.398107
10 UNTR 13.889 S UNTR 0.0000005 H 29242228.1 SH 7.46601
11 KLBF 13.837 S KLBF 0.0000001 L 105661626.0 SL 8.023917
12 INDF 13.807 S INDF 0.0000006 H 22549410.4 SH 7.353135
13 BDMN 13.616 S BDMN 0.0000008 H 17326364.3 SH 7.238707
14 AALI 13.612 S AALI 0.0000003 M 50399377.9 SM 7.702425
15 LSIP 13.178 S LSIP 0.0000005 M 29109650.1 SM 7.464037
16 TINS 12.992 S TINS 0.0000005 H 27233901.6 SH 7.43511
17 ADHI 12.732 S ADHI 0.0000003 M 47609742.8 SM 7.677696
Kuartal II 2014
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 ASII 14.469 B ASII 0.0000004 M 37780816.5 BM 7.577271
2 BBCA 14.429 B BBCA 0.0000003 M 55066103.8 BM 7.740884
3 BBRI 14.402 B BBRI 0.0000003 M 42699960.4 BM 7.630427
4 TLKM 14.395 B TLKM 0.0000003 M 47694792.2 BM 7.678471
5 BMRI 14.352 B BMRI 0.0000004 M 34312665.0 BM 7.535454
6 UNVR 14.349 B UNVR 0.0000000 L 750273309.3 BL 8.875219
7 PGAS 14.131 B PGAS 0.0000002 L 61366591.7 BL 7.787932
8 SMGR 13.951 B SMGR 0.0000002 L 56192637.0 BL 7.749679
9 BBNI 13.944 B BBNI 0.0000006 H 22086048.0 BJ 7.344118
10 UNTR 13.935 S UNTR 0.0000004 H 32023366.2 SH 7.505467
11 KLBF 13.891 S KLBF 0.0000001 L 123913314.9 SL 8.093118
12 INDF 13.770 S INDF 0.0000007 H 20447323.2 SH 7.310636
13 AALI 13.647 S AALI 0.0000002 L 54811355.2 SL 7.738871
14 BDMN 13.595 S BDMN 0.0000008 H 16838198.5 SH 7.226296
15 LSIP 13.199 S LSIP 0.0000004 M 30803948.5 SM 7.488606
16 TINS 12.972 S TINS 0.0000005 H 25374792.2 SH 7.404402
17 ADHI 12.700 S ADHI 0.0000003 M 42886252.3 SM 7.632318
Kuartal III 2014
No Size Book to Market Equity Log
161
Emiten Size Ket. Emiten BE/ME Ket. Size/Book to
Market Equity
1 BBCA 14.504 B BBCA 0.0000002 L 61947225.0 BL 7.792022
2 TLKM 14.468 B TLKM 0.0000003 M 52572100.5 BM 7.720755
3 ASII 14.455 B ASII 0.0000004 M 35729501.9 BM 7.553027
4 BBRI 14.406 B BBRI 0.0000004 M 40104338.3 BM 7.603191
5 UNVR 14.385 B UNVR 0.0000000 L 637741988.8 BL 8.804645
6 BMRI 14.367 B BMRI 0.0000004 M 33762406.3 BM 7.528433
7 PGAS 14.163 B PGAS 0.0000002 L 60094457.0 BL 7.778834
8 BBNI 14.009 B BBNI 0.0000006 H 24690497.0 BH 7.39253
9 SMGR 13.961 B SMGR 0.0000003 L 54389805.4 BL 7.735518
10 KLBF 13.901 S KLBF 0.0000001 L 120121127.1 SL 8.079619
11 UNTR 13.871 S UNTR 0.0000005 M 26788726.1 SM 7.427952
12 INDF 13.789 S INDF 0.0000007 H 20788764.9 SH 7.317829
13 BDMN 13.569 S BDMN 0.0000009 H 15561044.3 SH 7.192039
14 AALI 13.559 S AALI 0.0000003 M 43819737.1 SM 7.64167
15 LSIP 13.113 S LSIP 0.0000005 H 24288253.8 SH 7.385396
16 TINS 12.960 S TINS 0.0000005 H 23885990.4 SH 7.378143
17 ADHI 12.697 S ADHI 0.0000003 M 41407508.3 SM 7.617079
Kuartal IV 2014
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 BBCA 14.506 B BBCA 0.0000002 L 59638152.1 BL 7.775524
2 ASII 14.478 B ASII 0.0000004 M 36209740.3 BM 7.558825
3 TLKM 14.461 B TLKM 0.0000002 L 61666265.3 BL 7.790048
4 BBRI 14.454 B BBRI 0.0000003 M 42090738.1 BM 7.624187
5 UNVR 14.392 B UNVR 0.0000000 L 747248768.7 BL 8.873465
6 BMRI 14.368 B BMRI 0.0000004 M 31972879.3 BM 7.504782
7 PGAS 14.163 B PGAS 0.0000003 L 55884984.6 BL 7.747295
8 BBNI 14.052 B BBNI 0.0000005 H 25933267.1 BH 7.413857
9 SMGR 13.983 B SMGR 0.0000003 M 53733585.5 BM 7.730246
10 KLBF 13.933 S KLBF 0.0000001 L 122410350.4 SL 8.087818
11 UNTR 13.811 S UNTR 0.0000006 H 23198233.7 SH 7.365455
12 INDF 13.773 S INDF 0.0000007 H 20268206.2 SH 7.306815
13 BDMN 13.633 S BDMN 0.0000008 H 17728469.5 SH 7.248671
14 AALI 13.582 S AALI 0.0000003 M 43828821.7 SM 7.64176
15 LSIP 13.110 S LSIP 0.0000006 H 23419539.3 SH 7.369578
16 TINS 12.960 S TINS 0.0000005 M 26277163.4 SM 7.419578
17 ADHI 12.797 S ADHI 0.0000003 M 48891538.6 SM 7.689234
Kuartal II 2015
No Size Book to Market Equity Log
162
Emiten Size Ket. Emiten BE/ME Ket. Size/Book to
Market Equity
1 BBCA 14.518 B BBCA 0.0000002 L 58515686.23 BL 7.767272
2 UNVR 14.479 B UNVR 0.0000000 L 969069145.6 BL 8.986355
3 TLKM 14.470 B TLKM 0.0000003 L 51950701.28 BL 7.715591
4 ASII 14.457 B ASII 0.0000004 M 33493151.8 BM 7.524956
5 BBRI 14.403 B BBRI 0.0000004 M 35622240.95 BM 7.551721
6 BMRI 14.366 B BMRI 0.0000005 M 30523814.6 BM 7.484639
7 PGAS 14.020 B PGAS 0.0000004 M 38755757.3 BM 7.588336
8 BBNI 13.991 B BBNI 0.0000006 H 22420550.09 BH 7.350646
9 KLBF 13.895 B KLBF 0.0000001 L 108971133.5 BL 8.037311
10 UNTR 13.881 S UNTR 0.0000005 M 25922628.32 SM 7.413679
11 SMGR 13.852 S SMGR 0.0000004 M 39143074.09 SM 7.592655
12 INDF 13.761 S INDF 0.0000007 H 19551679.29 SH 7.291184
13 BDMN 13.611 S BDMN 0.0000008 H 16680893.56 SH 7.222219
14 AALI 13.558 S AALI 0.0000003 M 42558364.16 SM 7.628985
15 LSIP 13.026 S LSIP 0.0000007 H 19860232.19 SH 7.297984
16 ADHI 12.806 S ADHI 0.0000003 L 50688920.05 SL 7.704913
17 TINS 12.723 S TINS 0.0000010 H 13009588.18 SH 7.114264
Kuartal I 2015
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 BBCA 14.559 B BBCA 0.0000002 L 65835905.66 BL 7.818463
2 ASII 14.541 B ASII 0.0000004 M 39997841.88 BM 7.602037
3 BBRI 14.511 B BBRI 0.0000003 L 48955034.19 BL 7.689797
4 UNVR 14.481 B UNVR 0.0000000 L 691182107.8 BL 8.839592
5 TLKM 14.464 B TLKM 0.0000003 M 46343470.36 BM 7.665989
6 BMRI 14.460 B BMRI 0.0000004 M 39763756.84 BM 7.599487
7 BBNI 14.125 B BBNI 0.0000005 M 30456957.73 BM 7.483687
8 PGAS 14.066 B PGAS 0.0000003 M 41912182.28 BM 7.62234
9 KLBF 13.942 B KLBF 0.0000001 L 117521251.2 BL 8.070116
10 UNTR 13.910 S UNTR 0.0000005 H 27602092.37 SH 7.440942
11 SMGR 13.908 S SMGR 0.0000003 M 42677407.54 SM 7.630198
12 INDF 13.816 S INDF 0.0000006 H 21840905.09 SH 7.339271
13 BDMN 13.687 S BDMN 0.0000007 H 19717391.89 SH 7.294849
14 AALI 13.583 S AALI 0.0000003 M 43211407.39 SM 7.635598
15 LSIP 13.072 S LSIP 0.0000006 H 21542755.71 SH 7.333301
16 ADHI 12.985 S ADHI 0.0000002 L 73955893.66 SL 7.868973
17 TINS 12.850 S TINS 0.0000008 H 16837758.71 SH 7.226284
Kuartal III 2015
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 BBCA 14.477 B BBCA 0.0000003 L 50284853.61 BL 7.701437
2 UNVR 14.462 B UNVR 0.0000000 L 728542032.2 BL 8.862455
163
Kuartal IV 2015
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 BBCA 14.501 B BBCA 0.0000003 L 51341349.2 BL 7.710467
2 TLKM 14.496 B TLKM 0.0000002 L 60382058.31 BL 7.780908
3 UNVR 14.451 B UNVR 0.0000000 L 845096394.5 BL 8.926906
4 BBRI 14.446 B BBRI 0.0000004 L 35629998.56 BL 7.551816
5 ASII 14.385 B ASII 0.0000005 M 27615245.73 BM 7.441149
6 BMRI 14.330 B BMRI 0.0000006 M 25624428.4 BM 7.408654
7 BBNI 13.964 B BBNI 0.0000009 H 16401263.6 BH 7.214877
8 SMGR 13.830 B SMGR 0.0000004 M 34079916.23 BM 7.532499
9 PGAS 13.823 B PGAS 0.0000006 M 22058491.33 BM 7.343576
10 UNTR 13.801 S UNTR 0.0000006 M 24753600.16 SM 7.393638
11 KLBF 13.792 S KLBF 0.0000002 L 78015175.02 SL 7.892179
12 INDF 13.657 S INDF 0.0000009 H 14391297.6 SH 7.1581
13 BDMN 13.482 S BDMN 0.0000011 H 11964993.27 SH 7.077912
14 AALI 13.397 S AALI 0.0000005 M 28583406.93 SM 7.456114
15 LSIP 12.955 S LSIP 0.0000008 H 15899602.11 SH 7.201386
16 ADHI 12.882 S ADHI 0.0000007 M 19016060.49 SM 7.279121
17 TINS 12.575 S TINS 0.0000014 H 8805924.329 SH 6.944775
Kuartal I 2016
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 TLKM 14.525 B TLKM 0.0000003 L 48540125.45 BL 7.686101
2 UNVR 14.515 B UNVR 0.0000000 L 743113930.1 BL 8.871055
3 BBCA 14.511 B BBCA 0.0000003 L 46633405.1 BL 7.668697
3 TLKM 14.426 B TLKM 0.0000003 L 44165722.41 BL 7.645085
4 ASII 14.325 B ASII 0.0000006 M 23933300.97 BM 7.379003
5 BBRI 14.325 B BBRI 0.0000005 M 28115920.48 BM 7.448952
6 BMRI 14.263 B BMRI 0.0000006 M 23078397.06 BM 7.363206
7 BBNI 13.883 B BBNI 0.0000008 H 16654112.28 BH 7.221521
8 UNTR 13.814 B UNTR 0.0000007 M 21176337.58 BM 7.325851
9 KLBF 13.809 B KLBF 0.0000002 L 84859264.72 BL 7.928699
10 PGAS 13.788 S PGAS 0.0000007 M 19837840.44 SM 7.297494
11 SMGR 13.730 S SMGR 0.0000005 M 27982541.55 SM 7.446887
12 INDF 13.684 S INDF 0.0000009 H 16039814.57 SH 7.205199
13 AALI 13.455 S AALI 0.0000004 M 34180564.51 SM 7.533779
14 BDMN 13.439 S BDMN 0.0000012 H 10881637.6 SH 7.036694
15 LSIP 12.975 S LSIP 0.0000008 H 17196445.98 SH 7.235439
16 ADHI 12.852 S ADHI 0.0000002 L 54581689.98 SL 7.737047
17 TINS 12.678 S TINS 0.0000011 H 11531534.09 SH 7.061887
164
4 ASII 14.468 B ASII 0.0000004 M 32762354.89 BM 7.515375
5 BBRI 14.446 B BBRI 0.0000004 M 35723845.07 BM 7.552958
6 BMRI 14.376 B BMRI 0.0000005 M 28976433.82 BM 7.462045
7 BBNI 13.982 B BBNI 0.0000008 H 16728214.99 BH 7.22345
8 KLBF 13.831 B KLBF 0.0000002 L 81319725.39 BL 7.910196
9 INDF 13.802 B INDF 0.0000007 H 19687537.29 BH 7.294191
10 PGAS 13.802 S PGAS 0.0000007 M 21039500.69 SM 7.323035
11 SMGR 13.781 S SMGR 0.0000005 M 29374878.53 SM 7.467976
12 UNTR 13.756 S UNTR 0.0000007 H 19706720.23 SH 7.294614
13 BDMN 13.557 S BDMN 0.0000010 H 13865336.03 SH 7.14193
14 AALI 13.544 S AALI 0.0000003 L 39114418.29 SL 7.592337
15 LSIP 13.094 S LSIP 0.0000006 M 21982275.12 SM 7.342073
16 ADHI 12.981 S ADHI 0.0000005 M 24038524.95 SM 7.380908
17 TINS 12.741 S TINS 0.0000009 H 13568850.97 SH 7.132543
Kuartal II 2016
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 TLKM 14.603 B TLKM 0.0000002 L 61745158.14 BL 7.790603
2 UNVR 14.536 B UNVR 0.0000000 L 1022281220 BL 9.00957
3 BBCA 14.512 B BBCA 0.0000003 L 45589364.68 BL 7.658864
4 ASII 14.477 B ASII 0.0000004 L 33361141.11 BL 7.523241
5 BBRI 14.421 B BBRI 0.0000005 M 28457794.65 BM 7.454201
6 BMRI 14.342 B BMRI 0.0000007 M 21454596.79 BM 7.33152
7 BBNI 13.982 B BBNI 0.0000009 H 16148375.52 BH 7.208129
8 KLBF 13.856 B KLBF 0.0000002 L 88455463.29 BL 7.946725
9 INDF 13.804 B INDF 0.0000007 M 20118954.05 BM 7.303605
10 PGAS 13.754 S PGAS 0.0000007 M 19613768.89 SM 7.292561
11 SMGR 13.744 S SMGR 0.0000005 M 27659929.46 SM 7.441851
12 UNTR 13.742 S UNTR 0.0000007 H 19151464.68 SH 7.282202
13 BDMN 13.526 S BDMN 0.0000011 H 12834571.08 SH 7.108381
14 AALI 13.452 S AALI 0.0000006 M 23173583.41 SM 7.364993
15 ADHI 12.996 S ADHI 0.0000005 M 25106302.85 SM 7.399783
16 LSIP 12.974 S LSIP 0.0000008 H 16974875.52 SH 7.229807
17 TINS 12.717 S TINS 0.0000010 H 12786333.63 SH 7.106746
Kuartal III 2016
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 TLKM 14.638 B TLKM 0.0000002 L 62133467.86 BL 7.793326
2 BBCA 14.583 B BBCA 0.0000003 L 51083482.24 BL 7.70828
3 UNVR 14.531 B UNVR 0.0000000 L 778750741.5 BL 8.891398
4 ASII 14.524 B ASII 0.0000004 L 36803194.69 BL 7.565886
165
5 BBRI 14.474 B BBRI 0.0000005 M 30598860.14 BM 7.485705
6 BMRI 14.413 B BMRI 0.0000006 M 24405996.16 BM 7.387497
7 BBNI 13.982 B BBNI 0.0000009 H 15440376.73 BH 7.188658
8 KLBF 13.905 B KLBF 0.0000001 L 94625011.69 BL 7.976006
9 INDF 13.883 B INDF 0.0000006 M 23616578.91 BM 7.373217
10 PGAS 13.842 S PGAS 0.0000006 M 23812200.34 SM 7.3768
11 UNTR 13.820 S UNTR 0.0000006 M 22699543.23 SM 7.356017
12 SMGR 13.777 S SMGR 0.0000005 M 28970776.01 SM 7.46196
13 BDMN 13.585 S BDMN 0.0000009 H 14394356.21 SH 7.158192
14 AALI 13.455 S AALI 0.0000006 M 23150379.26 SM 7.364558
15 LSIP 13.009 S LSIP 0.0000007 H 18038932.09 SH 7.256211
16 ADHI 12.924 S ADHI 0.0000006 H 20952858.75 SH 7.321243
17 TINS 12.783 S TINS 0.0000009 H 14741306.36 SH 7.168536
Kuartal IV 2016
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 BBRI 14.682 B BBRI 0.0000003 L 48052668.03 BL 7.681718
2 TLKM 14.603 B TLKM 0.0000002 L 69428180.52 BL 7.841536
3 BBCA 14.578 B BBCA 0.0000003 L 48931018.27 BL 7.689584
4 ASII 14.525 B ASII 0.0000004 M 34779859.24 BM 7.541328
5 UNVR 14.471 B UNVR 0.0000000 L 910697966.3 BL 8.959374
6 BMRI 14.427 B BMRI 0.0000006 M 25152049.62 BM 7.400573
7 BBNI 14.009 B BBNI 0.0000009 H 16009675.8 BH 7.204383
8 UNTR 13.899 B UNTR 0.0000005 M 25848836.86 BM 7.412441
9 KLBF 13.851 B KLBF 0.0000002 L 78921475.69 BL 7.897195
10 INDF 13.843 S INDF 0.0000006 M 21920779.43 SM 7.340856
11 PGAS 13.816 S PGAS 0.0000007 H 21229883.97 SH 7.326948
12 SMGR 13.736 S SMGR 0.0000006 M 24449350.83 SM 7.388267
13 BDMN 13.547 S BDMN 0.0000010 H 13109206.54 SH 7.117576
14 AALI 13.509 S AALI 0.0000005 M 24791059.11 SM 7.394295
15 LSIP 13.075 S LSIP 0.0000006 M 20300568.28 SM 7.307508
16 TINS 12.903 S TINS 0.0000007 H 18272898.62 SH 7.261807
17 ADHI 12.870 S ADHI 0.0000007 H 17513052.85 SH 7.243362
Kuartal I 2017
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 TLKM 14.619 B TLKM 0.0000002 L 66823883.96 BL 7.824932
2 BBCA 14.606 B BBCA 0.0000003 L 49829218.48 BL 7.697484
3 ASII 14.543 B ASII 0.0000004 L 34813263.56 BL 7.541745
4 UNVR 14.519 B UNVR 0.0000000 L 720113711.2 BL 8.857401
5 BMRI 14.432 B BMRI 0.0000006 M 25690731.67 BM 7.409776
166
6 BBNI 14.078 B BBNI 0.0000007 H 18807114.95 BH 7.274322
7 UNTR 13.995 B UNTR 0.0000004 M 31260289.44 BM 7.494993
8 KLBF 13.858 B KLBF 0.0000002 L 76487970.55 BL 7.883593
9 INDF 13.847 B INDF 0.0000007 M 21201828.95 BM 7.326373
10 BBRI 13.802 S BBRI 0.0000023 H 6070105.832 SH 6.783196
11 PGAS 13.788 S PGAS 0.0000007 M 19358923.4 SM 7.286881
12 SMGR 13.727 S SMGR 0.0000006 M 24888324.21 SM 7.395996
13 BDMN 13.649 S BDMN 0.0000008 H 16232059.27 SH 7.210374
14 AALI 13.458 S AALI 0.0000006 M 20937378.44 SM 7.320922
15 LSIP 13.000 S LSIP 0.0000008 H 16202507 SH 7.209582
16 ADHI 12.926 S ADHI 0.0000006 M 20344802.87 SM 7.308453
17 TINS 12.870 S TINS 0.0000008 H 16773799.42 SH 7.224631
Kuartal II 2017
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 TLKM 14.659 B TLKM 0.000000 L 78695982.91 BL 7.895953
2 BBCA 14.646 B BBCA 0.000000 L 53670800.44 BL 7.729738
3 UNVR 14.571 B UNVR 0.000000 L 1105845422 BL 9.043694
4 ASII 14.558 B ASII 0.000000 L 36147181.4 BL 7.558074
5 BMRI 14.469 B BMRI 0.000001 M 27066831.51 BM 7.432437
6 BBNI 14.086 B BBNI 0.000001 H 18441104.95 BH 7.265787
7 UNTR 14.010 B UNTR 0.000000 M 32046579.47 BM 7.505782
8 KLBF 13.882 B KLBF 0.000000 L 83420995.74 BL 7.921275
9 INDF 13.878 B INDF 0.000001 M 23571058.1 BM 7.372379
10 BBRI 13.872 S BBRI 0.000002 H 6857383.089 SH 6.836158
11 SMGR 13.773 S SMGR 0.000001 M 27471005.7 SM 7.438875
12 PGAS 13.737 S PGAS 0.000001 M 18156919.91 SM 7.259042
13 BDMN 13.687 S BDMN 0.000001 H 17732398.88 SH 7.248767
14 AALI 13.452 S AALI 0.000001 M 21263589.15 SM 7.327637
15 LSIP 12.971 S LSIP 0.000001 H 15414288.78 SH 7.187923
16 ADHI 12.884 S ADHI 0.000001 M 18018778.32 SM 7.255725
17 TINS 12.735 S TINS 0.000001 H 12181976.04 SH 7.085718
Kuartal III 2017
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 BBCA 14.695 B BBCA 0.000000 L 57086300.54 BL 7.756532
2 TLKM 14.674 B TLKM 0.000000 L 76308317.24 BL 7.882572
3 UNVR 14.572 B UNVR 0.000000 L 847690047.1 BL 8.928237
4 ASII 14.505 B ASII 0.000000 M 31152776.56 BM 7.493497
5 BMRI 14.191 B BMRI 0.000001 H 13451514.07 BH 7.128771
6 BBNI 14.136 B BBNI 0.000001 M 19846404.07 BM 7.297682
167
7 UNTR 14.077 B UNTR 0.000000 L 36438130.63 BL 7.561556
8 KLBF 13.892 B KLBF 0.000000 L 81747725.25 BL 7.912476
9 BBRI 13.873 B BBRI 0.000002 H 6525725.81 BH 6.814629
10 INDF 13.869 S INDF 0.000001 M 22320970.09 SM 7.348713
11 SMGR 13.779 S SMGR 0.000001 M 27448054.05 SM 7.438512
12 BDMN 13.693 S BDMN 0.000001 M 17538946.08 SM 7.244003
13 PGAS 13.582 S PGAS 0.000001 H 12215688.06 SH 7.086918
14 AALI 13.457 S AALI 0.000001 M 21405720.64 SM 7.33053
15 LSIP 12.983 S LSIP 0.000001 H 15524297.39 SH 7.191012
16 ADHI 12.853 S ADHI 0.000001 M 16492658.95 SM 7.217291
17 TINS 12.783 S TINS 0.000001 H 13178202.21 SH 7.119856
Kuartal IV 2017
No Size Book to Market Equity Size/Book to
Market Equity
Log
Emiten Size Ket. Emiten BE/ME Ket.
1 BBCA 14.728 B BBCA 0.000000 L 59913795.44 BL 7.777527
2 TLKM 14.653 B TLKM 0.000000 L 76199572.88 BL 7.881953
3 UNVR 14.630 B UNVR 0.000000 L 1206156693 BL 9.081404
4 ASII 14.526 B ASII 0.000000 M 31187833.18 BM 7.493985
5 BMRI 14.267 B BMRI 0.000001 H 15508184.87 BH 7.190561
6 BBNI 14.262 B BBNI 0.000001 M 25833930.32 BM 7.41219
7 UNTR 14.121 B UNTR 0.000000 L 39223350.51 BL 7.593545
8 BBRI 13.949 B BBRI 0.000002 H 7409884.555 BH 6.869811
9 KLBF 13.899 B KLBF 0.000000 L 79246313.57 BL 7.898979
10 INDF 13.826 S INDF 0.000001 M 19797039.8 SM 7.2966
11 BDMN 13.820 S BDMN 0.000001 M 23299433.4 SM 7.367345
12 SMGR 13.769 S SMGR 0.000001 M 26562331.99 SM 7.424266
13 PGAS 13.628 S PGAS 0.000001 H 13469022.15 SH 7.129336
14 AALI 13.403 S AALI 0.000001 M 18128679.75 SM 7.258366
15 LSIP 12.986 S LSIP 0.000001 M 15490562.11 SM 7.190067
16 ADHI 12.827 S ADHI 0.000001 H 14667412.97 SH 7.166354
17 TINS 12.761 S TINS 0.000001 H 12151873.03 SH 7.084643
168
Lampiran 7: Return Saham (Excess Return) (Y)
Tahun Periode Kode
Emiten
Close
Price
Return
saham
Risk
Free
Rate
Excess
Return
2010 Q3 AALI 20,700 0.123 0.065 0.058
Q4 AALI 26,200 0.266 0.065 0.201
2011 Q1 AALI 22,700 -0.134 0.0675 -0.201
Q2 AALI 23,500 0.035 0.0675 -0.032
Q3 AALI 19,300 -0.179 0.0675 -0.246
Q4 AALI 21,700 0.124 0.06 0.064
2012 Q1 AALI 23,350 0.076 0.0575 0.019
Q2 AALI 20,050 -0.141 0.0575 -0.199
Q3 AALI 21,950 0.095 0.0575 0.037
Q4 AALI 19,700 -0.103 0.0575 -0.160
2013 Q1 AALI 18,500 -0.061 0.0575 -0.118
Q2 AALI 19,700 0.065 0.06 0.005
Q3 AALI 19,500 -0.010 0.0725 -0.083
Q4 AALI 25,100 0.287 0.075 0.212
2014 Q1 AALI 26,000 0.036 0.075 -0.039
Q2 AALI 28,175 0.084 0.075 0.009
Q3 AALI 23,000 -0.184 0.075 -0.259
Q4 AALI 24,250 0.054 0.0775 -0.023
2015 Q1 AALI 24,300 0.002 0.075 -0.073
Q2 AALI 22,950 -0.056 0.075 -0.131
Q3 AALI 18,125 -0.210 0.075 -0.285
Q4 AALI 15,850 -0.126 0.075 -0.201
2016 Q1 AALI 18,200 0.148 0.0675 0.081
Q2 AALI 14,700 -0.192 0.0525 -0.245
Q3 AALI 14,825 0.009 0.05 -0.041
Q4 AALI 16,775 0.132 0.0475 0.084
2017 Q1 AALI 14,900 -0.112 0.0475 -0.159
Q2 AALI 14,700 -0.013 0.0475 -0.061
Q3 AALI 14,875 0.012 0.0425 -0.031
Q4 AALI 13,150 -0.116 0.0425 -0.158
2010 Q3 ADHI 960 0.548 0.065 0.483
Q4 ADHI 910 -0.052 0.065 -0.117
2011 Q1 ADHI 840 -0.077 0.068 -0.144
Q2 ADHI 800 -0.048 0.068 -0.115
Q3 ADHI 510 -0.363 0.068 -0.430
Q4 ADHI 580 0.137 0.060 0.077
2012 Q1 ADHI 800 0.379 0.058 0.322
Q2 ADHI 990 0.238 0.058 0.180
Q3 ADHI 1,040 0.051 0.058 -0.007
Q4 ADHI 1,760 0.692 0.058 0.635
169
2013 Q1 ADHI 3,025 0.719 0.058 0.661
Q2 ADHI 3,250 0.074 0.060 0.014
Q3 ADHI 2,050 -0.369 0.073 -0.442
Q4 ADHI 1,510 -0.263 0.075 -0.338
2014 Q1 ADHI 2,995 0.983 0.075 0.908
Q2 ADHI 2,785 -0.070 0.075 -0.145
Q3 ADHI 2,765 -0.007 0.075 -0.082
Q4 ADHI 3,480 0.259 0.078 0.181
2015 Q1 ADHI 2,714 -0.220 0.075 -0.295
Q2 ADHI 1,795 -0.339 0.075 -0.414
Q3 ADHI 1,999 0.114 0.075 0.039
Q4 ADHI 2,140 0.071 0.075 -0.004
2016 Q1 ADHI 2,690 0.257 0.068 0.190
Q2 ADHI 2,780 0.033 0.053 -0.019
Q3 ADHI 2,360 -0.151 0.050 -0.201
Q4 ADHI 2,080 -0.119 0.048 -0.166
2017 Q1 ADHI 2,370 0.139 0.048 0.092
Q2 ADHI 2,150 -0.093 0.048 -0.140
Q3 ADHI 2,000 -0.070 0.043 -0.112
Q4 ADHI 1,885 -0.058 0.043 -0.100
2010 Q3 ASII 5,670 0.174 0.065 0.109
Q4 ASII 5,455 -0.038 0.065 -0.103
2011 Q1 ASII 5,700 0.045 0.068 -0.023
Q2 ASII 6,355 0.115 0.068 0.047
Q3 ASII 6,365 0.002 0.068 -0.066
Q4 ASII 7,400 0.163 0.060 0.103
2012 Q1 ASII 7,250 -0.020 0.058 -0.078
Q2 ASII 6,850 -0.055 0.058 -0.113
Q3 ASII 7,435 0.085 0.058 0.028
Q4 ASII 7,350 -0.011 0.058 -0.069
2013 Q1 ASII 7,900 0.075 0.058 0.017
Q2 ASII 7,000 -0.114 0.060 -0.174
Q3 ASII 6,450 -0.079 0.073 -0.151
Q4 ASII 6,800 0.054 0.075 -0.021
2014 Q1 ASII 6,800 0.000 0.075 -0.075
Q2 ASII 7,275 0.070 0.075 -0.005
Q3 ASII 7,050 -0.031 0.075 -0.106
Q4 ASII 7,425 0.053 0.078 -0.024
2015 Q1 ASII 8,575 0.155 0.075 0.080
Q2 ASII 7,075 -0.175 0.075 -0.250
Q3 ASII 5,225 -0.261 0.075 -0.336
Q4 ASII 6,000 0.148 0.075 0.073
2016 Q1 ASII 7,250 0.208 0.068 0.141
Q2 ASII 7,400 0.021 0.053 -0.032
170
Q3 ASII 8,250 0.115 0.050 0.065
Q4 ASII 8,275 0.003 0.048 -0.044
2017 Q1 ASII 8,625 0.042 0.048 -0.005
Q2 ASII 8,925 0.035 0.048 -0.013
Q3 ASII 7,900 -0.115 0.043 -0.157
Q4 ASII 8,300 0.051 0.043 0.008
2010 Q3 BBCA 6,700 0.126 0.065 0.061
Q4 BBCA 6,400 -0.045 0.065 -0.110
2011 Q1 BBCA 6,950 0.086 0.068 0.018
Q2 BBCA 7,650 0.101 0.068 0.033
Q3 BBCA 7,700 0.007 0.068 -0.061
Q4 BBCA 8,000 0.039 0.060 -0.021
2012 Q1 BBCA 8,000 0.000 0.058 -0.058
Q2 BBCA 7,300 -0.088 0.058 -0.145
Q3 BBCA 7,900 0.082 0.058 0.025
Q4 BBCA 9,100 0.152 0.058 0.094
2013 Q1 BBCA 11,400 0.253 0.058 0.195
Q2 BBCA 10,000 -0.123 0.060 -0.183
Q3 BBCA 10,000 0.000 0.073 -0.073
Q4 BBCA 9,600 -0.040 0.075 -0.115
2014 Q1 BBCA 10,600 0.104 0.075 0.029
Q2 BBCA 11,000 0.038 0.075 -0.037
Q3 BBCA 13,075 0.189 0.075 0.114
Q4 BBCA 13,125 0.004 0.078 -0.074
2015 Q1 BBCA 14,825 0.130 0.075 0.055
Q2 BBCA 13,500 -0.089 0.075 -0.164
Q3 BBCA 12,275 -0.091 0.075 -0.166
Q4 BBCA 13,000 0.059 0.075 -0.016
2016 Q1 BBCA 13,300 0.023 0.068 -0.044
Q2 BBCA 13,325 0.002 0.053 -0.051
Q3 BBCA 15,700 0.178 0.050 0.128
Q4 BBCA 15,500 -0.013 0.048 -0.060
2017 Q1 BBCA 16,550 0.068 0.048 0.020
Q2 BBCA 18,150 0.097 0.048 0.049
Q3 BBCA 20,300 0.118 0.043 0.076
Q4 BBCA 21,900 0.079 0.043 0.036
2010 Q3 BBNI 3,675 0.564 0.065 0.499
Q4 BBNI 3,875 0.054 0.065 -0.011
2011 Q1 BBNI 3,975 0.026 0.068 -0.042
Q2 BBNI 3,825 -0.038 0.068 -0.105
Q3 BBNI 3,725 -0.026 0.068 -0.094
Q4 BBNI 3,800 0.020 0.060 -0.040
2012 Q1 BBNI 4,000 0.053 0.058 -0.005
Q2 BBNI 3,825 -0.044 0.058 -0.101
171
Q3 BBNI 3,925 0.026 0.058 -0.031
Q4 BBNI 3,700 -0.057 0.058 -0.115
2013 Q1 BBNI 3,925 0.061 0.058 0.003
Q2 BBNI 4,300 0.096 0.060 0.036
Q3 BBNI 4,250 -0.012 0.073 -0.084
Q4 BBNI 3,950 -0.071 0.075 -0.146
2014 Q1 BBNI 4,960 0.256 0.075 0.181
Q2 BBNI 4,765 -0.039 0.075 -0.114
Q3 BBNI 5,525 0.159 0.075 0.084
Q4 BBNI 6,100 0.104 0.078 0.027
2015 Q1 BBNI 7,225 0.184 0.075 0.109
Q2 BBNI 5,300 -0.266 0.075 -0.341
Q3 BBNI 4,135 -0.220 0.075 -0.295
Q4 BBNI 4,990 0.207 0.075 0.132
2016 Q1 BBNI 5,200 0.042 0.068 -0.025
Q2 BBNI 5,200 0.000 0.053 -0.053
Q3 BBNI 5,200 0.000 0.050 -0.050
Q4 BBNI 5,525 0.063 0.048 0.015
2017 Q1 BBNI 6,475 0.172 0.048 0.124
Q2 BBNI 6,600 0.019 0.048 -0.028
Q3 BBNI 7,400 0.121 0.043 0.079
Q4 BBNI 9,900 0.338 0.043 0.295
2010 Q3 BBRI 10,000 0.053 0.065 -0.012
Q4 BBRI 10,500 0.050 0.065 -0.015
2011 Q1 BBRI 5,750 -0.452 0.068 -0.520
Q2 BBRI 6,500 0.130 0.068 0.063
Q3 BBRI 5,850 -0.100 0.068 -0.168
Q4 BBRI 6,750 0.154 0.060 0.094
2012 Q1 BBRI 6,950 0.030 0.058 -0.028
Q2 BBRI 6,350 -0.086 0.058 -0.144
Q3 BBRI 7,450 0.173 0.058 0.116
Q4 BBRI 6,950 -0.067 0.058 -0.125
2013 Q1 BBRI 8,750 0.259 0.058 0.201
Q2 BBRI 7,750 -0.114 0.060 -0.174
Q3 BBRI 7,250 -0.065 0.073 -0.137
Q4 BBRI 7,250 0.000 0.075 -0.075
2014 Q1 BBRI 9,575 0.321 0.075 0.246
Q2 BBRI 10,325 0.078 0.075 0.003
Q3 BBRI 10,425 0.010 0.075 -0.065
Q4 BBRI 11,650 0.118 0.078 0.040
2015 Q1 BBRI 13,275 0.139 0.075 0.064
Q2 BBRI 10,350 -0.220 0.075 -0.295
Q3 BBRI 8,650 -0.164 0.075 -0.239
Q4 BBRI 11,425 0.321 0.075 0.246
172
2016 Q1 BBRI 11,425 0.000 0.068 -0.068
Q2 BBRI 10,800 -0.055 0.053 -0.107
Q3 BBRI 12,200 0.130 0.050 0.080
Q4 BBRI 19,675 0.613 0.048 0.565
2017 Q1 BBRI 2,595 -0.868 0.048 -0.916
Q2 BBRI 3,050 0.175 0.048 0.128
Q3 BBRI 3,055 0.002 0.043 -0.041
Q4 BBRI 3,640 0.191 0.043 0.149
2010 Q3 BDMN 5,800 0.074 0.065 0.009
Q4 BDMN 5,700 -0.017 0.065 -0.082
2011 Q1 BDMN 6,360 0.116 0.068 0.048
Q2 BDMN 5,826 -0.084 0.068 -0.151
Q3 BDMN 4,600 -0.210 0.068 -0.278
Q4 BDMN 4,100 -0.109 0.060 -0.169
2012 Q1 BDMN 4,600 0.122 0.058 0.064
Q2 BDMN 6,000 0.304 0.058 0.247
Q3 BDMN 6,250 0.042 0.058 -0.016
Q4 BDMN 5,650 -0.096 0.058 -0.154
2013 Q1 BDMN 6,450 0.142 0.058 0.084
Q2 BDMN 5,850 -0.093 0.060 -0.153
Q3 BDMN 3,975 -0.321 0.073 -0.393
Q4 BDMN 3,775 -0.050 0.075 -0.125
2014 Q1 BDMN 4,350 0.152 0.075 0.077
Q2 BDMN 4,145 -0.047 0.075 -0.122
Q3 BDMN 3,905 -0.058 0.075 -0.133
Q4 BDMN 4,525 0.159 0.078 0.081
2015 Q1 BDMN 5,125 0.133 0.075 0.058
Q2 BDMN 4,300 -0.161 0.075 -0.236
Q3 BDMN 2,895 -0.327 0.075 -0.402
Q4 BDMN 3,200 0.105 0.075 0.030
2016 Q1 BDMN 3,800 0.188 0.068 0.120
Q2 BDMN 3,540 -0.068 0.053 -0.121
Q3 BDMN 4,050 0.144 0.050 0.094
Q4 BDMN 3,710 -0.084 0.048 -0.131
2017 Q1 BDMN 4,700 0.267 0.048 0.219
Q2 BDMN 5,125 0.090 0.048 0.043
Q3 BDMN 5,200 0.015 0.043 -0.028
Q4 BDMN 6,960 0.338 0.043 0.296
2010 Q3 BMRI 7,200 0.200 0.065 0.135
Q4 BMRI 6,500 -0.097 0.065 -0.162
2011 Q1 BMRI 6,800 0.046 0.068 -0.021
Q2 BMRI 7,200 0.059 0.068 -0.009
Q3 BMRI 6,300 -0.125 0.068 -0.193
Q4 BMRI 6,750 0.071 0.060 0.011
173
2012 Q1 BMRI 6,850 0.015 0.058 -0.043
Q2 BMRI 7,200 0.051 0.058 -0.006
Q3 BMRI 8,200 0.139 0.058 0.081
Q4 BMRI 8,100 -0.012 0.058 -0.070
2013 Q1 BMRI 10,000 0.235 0.058 0.177
Q2 BMRI 9,000 -0.100 0.060 -0.160
Q3 BMRI 7,950 -0.117 0.073 -0.189
Q4 BMRI 7,850 -0.013 0.075 -0.088
2014 Q1 BMRI 9,450 0.204 0.075 0.129
Q2 BMRI 9,725 0.029 0.075 -0.046
Q3 BMRI 10,075 0.036 0.075 -0.039
Q4 BMRI 10,100 0.002 0.078 -0.075
2015 Q1 BMRI 12,475 0.235 0.075 0.160
Q2 BMRI 10,050 -0.194 0.075 -0.269
Q3 BMRI 7,925 -0.211 0.075 -0.286
Q4 BMRI 9,250 0.167 0.075 0.092
2016 Q1 BMRI 10,300 0.114 0.068 0.046
Q2 BMRI 9,525 -0.075 0.053 -0.128
Q3 BMRI 11,200 0.176 0.050 0.126
Q4 BMRI 11,575 0.033 0.048 -0.014
2017 Q1 BMRI 11,700 0.011 0.048 -0.037
Q2 BMRI 12,750 0.090 0.048 0.042
Q3 BMRI 6,725 -0.473 0.043 -0.515
Q4 BMRI 8,000 0.190 0.043 0.147
2010 Q3 INDF 5,450 0.313 0.065 0.248
Q4 INDF 4,875 -0.106 0.065 -0.171
2011 Q1 INDF 5,400 0.108 0.068 0.040
Q2 INDF 5,750 0.065 0.068 -0.003
Q3 INDF 5,050 -0.122 0.068 -0.189
Q4 INDF 4,600 -0.089 0.060 -0.149
2012 Q1 INDF 4,850 0.054 0.058 -0.003
Q2 INDF 4,850 0.000 0.058 -0.058
Q3 INDF 5,640 0.163 0.058 0.105
Q4 INDF 5,850 0.037 0.058 -0.020
2013 Q1 INDF 7,450 0.274 0.058 0.216
Q2 INDF 7,350 -0.013 0.060 -0.073
Q3 INDF 7,050 -0.041 0.073 -0.113
Q4 INDF 6,600 -0.064 0.075 -0.139
2014 Q1 INDF 7,300 0.106 0.075 0.031
Q2 INDF 6,700 -0.082 0.075 -0.157
Q3 INDF 7,000 0.045 0.075 -0.030
Q4 INDF 6,750 -0.036 0.078 -0.113
2015 Q1 INDF 7,450 0.104 0.075 0.029
Q2 INDF 6,575 -0.117 0.075 -0.192
174
Q3 INDF 5,500 -0.163 0.075 -0.238
Q4 INDF 5,175 -0.059 0.075 -0.134
2016 Q1 INDF 7,225 0.396 0.068 0.329
Q2 INDF 7,250 0.003 0.053 -0.049
Q3 INDF 8,700 0.200 0.050 0.150
Q4 INDF 7,925 -0.089 0.048 -0.137
2017 Q1 INDF 8,000 0.009 0.048 -0.038
Q2 INDF 8,600 0.075 0.048 0.028
Q3 INDF 8,425 -0.020 0.043 -0.063
Q4 INDF 7,625 -0.095 0.043 -0.137
2010 Q3 KLBF 2,550 0.214 0.065 0.149
Q4 KLBF 3,250 0.275 0.065 0.210
2011 Q1 KLBF 680 -0.791 0.068 -0.858
Q2 KLBF 675 -0.007 0.068 -0.075
Q3 KLBF 650 -0.037 0.068 -0.105
Q4 KLBF 680 0.046 0.060 -0.014
2012 Q1 KLBF 710 0.044 0.058 -0.013
Q2 KLBF 755 0.063 0.058 0.006
Q3 KLBF 940 0.245 0.058 0.188
Q4 KLBF 1,060 0.128 0.058 0.070
2013 Q1 KLBF 1,240 0.170 0.058 0.112
Q2 KLBF 1,440 0.161 0.060 0.101
Q3 KLBF 1,180 -0.181 0.073 -0.253
Q4 KLBF 1,250 0.059 0.075 -0.016
2014 Q1 KLBF 1,465 0.172 0.075 0.097
Q2 KLBF 1,660 0.133 0.075 0.058
Q3 KLBF 1,700 0.024 0.075 -0.051
Q4 KLBF 1,830 0.076 0.078 -0.001
2015 Q1 KLBF 1,865 0.019 0.075 -0.056
Q2 KLBF 1,675 -0.102 0.075 -0.177
Q3 KLBF 1,375 -0.179 0.075 -0.254
Q4 KLBF 1,320 -0.040 0.075 -0.115
2016 Q1 KLBF 1,445 0.095 0.068 0.027
Q2 KLBF 1,530 0.059 0.053 0.006
Q3 KLBF 1,715 0.121 0.050 0.071
Q4 KLBF 1,515 -0.117 0.048 -0.164
2017 Q1 KLBF 1,540 0.017 0.048 -0.031
Q2 KLBF 1,625 0.055 0.048 0.008
Q3 KLBF 1,665 0.025 0.043 -0.018
Q4 KLBF 1,690 0.015 0.043 -0.027
2010 Q3 LSIP 9,850 0.187 0.065 0.122
Q4 LSIP 12,850 0.305 0.065 0.240
2011 Q1 LSIP 2,275 -0.823 0.068 -0.890
Q2 LSIP 2,325 0.022 0.068 -0.046
175
Q3 LSIP 2,050 -0.118 0.068 -0.186
Q4 LSIP 2,250 0.098 0.060 0.038
2012 Q1 LSIP 2,875 0.278 0.058 0.220
Q2 LSIP 2,675 -0.070 0.058 -0.127
Q3 LSIP 2,450 -0.084 0.058 -0.142
Q4 LSIP 2,300 -0.061 0.058 -0.119
2013 Q1 LSIP 1,930 -0.161 0.058 -0.218
Q2 LSIP 1,720 -0.109 0.060 -0.169
Q3 LSIP 1,270 -0.262 0.073 -0.334
Q4 LSIP 1,930 0.520 0.075 0.445
2014 Q1 LSIP 2,210 0.145 0.075 0.070
Q2 LSIP 2,315 0.048 0.075 -0.027
Q3 LSIP 1,900 -0.179 0.075 -0.254
Q4 LSIP 1,890 -0.005 0.078 -0.083
2015 Q1 LSIP 1,730 -0.085 0.075 -0.160
Q2 LSIP 1,555 -0.101 0.075 -0.176
Q3 LSIP 1,385 -0.109 0.075 -0.184
Q4 LSIP 1,320 -0.047 0.075 -0.122
2016 Q1 LSIP 1,820 0.379 0.068 0.311
Q2 LSIP 1,380 -0.242 0.053 -0.294
Q3 LSIP 1,495 0.083 0.050 0.033
Q4 LSIP 1,740 0.164 0.048 0.116
2017 Q1 LSIP 1,465 -0.158 0.048 -0.206
Q2 LSIP 1,370 -0.065 0.048 -0.112
Q3 LSIP 1,410 0.029 0.043 -0.013
Q4 LSIP 1,420 0.007 0.043 -0.035
2010 Q3 PGAS 3,850 -0.006 0.065 -0.071
Q4 PGAS 4,425 0.149 0.065 0.084
2011 Q1 PGAS 3,900 -0.119 0.068 -0.186
Q2 PGAS 4,025 0.032 0.068 -0.035
Q3 PGAS 2,675 -0.335 0.068 -0.403
Q4 PGAS 3,175 0.187 0.060 0.127
2012 Q1 PGAS 3,800 0.197 0.058 0.139
Q2 PGAS 3,525 -0.072 0.058 -0.130
Q3 PGAS 4,125 0.170 0.058 0.113
Q4 PGAS 4,600 0.115 0.058 0.058
2013 Q1 PGAS 5,950 0.293 0.058 0.236
Q2 PGAS 5,750 -0.034 0.060 -0.094
Q3 PGAS 5,200 -0.096 0.073 -0.168
Q4 PGAS 4,475 -0.139 0.075 -0.214
2014 Q1 PGAS 5,125 0.145 0.075 0.070
Q2 PGAS 5,575 0.088 0.075 0.013
Q3 PGAS 6,000 0.076 0.075 0.001
Q4 PGAS 6,000 0.000 0.078 -0.078
176
2015 Q1 PGAS 4,800 -0.200 0.075 -0.275
Q2 PGAS 4,315 -0.101 0.075 -0.176
Q3 PGAS 2,530 -0.414 0.075 -0.489
Q4 PGAS 2,745 0.085 0.075 0.010
2016 Q1 PGAS 2,615 -0.047 0.068 -0.115
Q2 PGAS 2,340 -0.105 0.053 -0.158
Q3 PGAS 2,870 0.226 0.050 0.176
Q4 PGAS 2,700 -0.059 0.048 -0.107
2017 Q1 PGAS 2,530 -0.063 0.048 -0.110
Q2 PGAS 2,250 -0.111 0.048 -0.158
Q3 PGAS 1,575 -0.300 0.043 -0.343
Q4 PGAS 1,750 0.111 0.043 0.069
2010 Q3 SMGR 9,900 0.131 0.065 0.066
Q4 SMGR 9,450 -0.045 0.065 -0.110
2011 Q1 SMGR 9,100 -0.037 0.068 -0.105
Q2 SMGR 9,600 0.055 0.068 -0.013
Q3 SMGR 8,300 -0.135 0.068 -0.203
Q4 SMGR 11,450 0.380 0.060 0.320
2012 Q1 SMGR 12,250 0.070 0.058 0.012
Q2 SMGR 13,100 0.069 0.058 0.012
Q3 SMGR 14,450 0.103 0.058 0.046
Q4 SMGR 15,850 0.097 0.058 0.039
2013 Q1 SMGR 17,700 0.117 0.058 0.059
Q2 SMGR 17,100 -0.034 0.060 -0.094
Q3 SMGR 13,000 -0.240 0.073 -0.312
Q4 SMGR 14,150 0.088 0.075 0.013
2014 Q1 SMGR 15,800 0.117 0.075 0.042
Q2 SMGR 15,075 -0.046 0.075 -0.121
Q3 SMGR 15,425 0.023 0.075 -0.052
Q4 SMGR 16,200 0.050 0.078 -0.027
2015 Q1 SMGR 13,650 -0.157 0.075 -0.232
Q2 SMGR 12,000 -0.121 0.075 -0.196
Q3 SMGR 9,050 -0.246 0.075 -0.321
Q4 SMGR 11,400 0.260 0.075 0.185
2016 Q1 SMGR 10,175 -0.107 0.068 -0.175
Q2 SMGR 9,350 -0.081 0.053 -0.134
Q3 SMGR 10,100 0.080 0.050 0.030
Q4 SMGR 9,175 -0.092 0.048 -0.139
2017 Q1 SMGR 9,000 -0.019 0.048 -0.067
Q2 SMGR 10,000 0.111 0.048 0.064
Q3 SMGR 10,125 0.013 0.043 -0.030
Q4 SMGR 9,900 -0.022 0.043 -0.065
2010 Q3 TINS 3,150 0.770 0.065 0.705
Q4 TINS 2,750 -0.127 0.065 -0.192
177
2011 Q1 TINS 2,775 0.009 0.068 -0.058
Q2 TINS 2,500 -0.099 0.068 -0.167
Q3 TINS 1,770 -0.292 0.068 -0.360
Q4 TINS 1,670 -0.056 0.060 -0.116
2012 Q1 TINS 1,340 -0.198 0.058 -0.255
Q2 TINS 1,030 -0.231 0.058 -0.289
Q3 TINS 1,610 0.563 0.058 0.506
Q4 TINS 1,610 0.000 0.058 -0.058
2013 Q1 TINS 1,680 0.043 0.058 -0.014
Q2 TINS 1,380 -0.179 0.060 -0.239
Q3 TINS 1,550 0.123 0.073 0.051
Q4 TINS 1,450 -0.065 0.075 -0.140
2014 Q1 TINS 1,318 -0.091 0.075 -0.166
Q2 TINS 1,260 -0.044 0.075 -0.119
Q3 TINS 1,225 -0.028 0.075 -0.103
Q4 TINS 1,225 0.000 0.078 -0.078
2015 Q1 TINS 950 -0.224 0.075 -0.299
Q2 TINS 710 -0.253 0.075 -0.328
Q3 TINS 640 -0.099 0.075 -0.174
Q4 TINS 505 -0.211 0.075 -0.286
2016 Q1 TINS 740 0.465 0.068 0.398
Q2 TINS 700 -0.054 0.053 -0.107
Q3 TINS 815 0.164 0.050 0.114
Q4 TINS 1,075 0.319 0.048 0.272
2017 Q1 TINS 995 -0.074 0.048 -0.122
Q2 TINS 730 -0.266 0.048 -0.314
Q3 TINS 815 0.116 0.043 0.074
Q4 TINS 775 -0.049 0.043 -0.092
2010 Q3 TLKM 9,200 0.195 0.065 0.130
Q4 TLKM 7,950 -0.136 0.065 -0.201
2011 Q1 TLKM 7,350 -0.075 0.0675 -0.143
Q2 TLKM 7,350 0.000 0.0675 -0.068
Q3 TLKM 7,600 0.034 0.0675 -0.033
Q4 TLKM 7,050 -0.072 0.06 -0.132
2012 Q1 TLKM 1,400 -0.801 0.0575 -0.859
Q2 TLKM 1,630 0.164 0.0575 0.107
Q3 TLKM 1,890 0.160 0.0575 0.102
Q4 TLKM 1,810 -0.042 0.0575 -0.100
2013 Q1 TLKM 2,205 0.218 0.0575 0.161
Q2 TLKM 2,256 0.023 0.06 -0.037
Q3 TLKM 2,100 -0.069 0.0725 -0.142
Q4 TLKM 2,150 0.024 0.075 -0.051
2014 Q1 TLKM 2,215 0.030 0.075 -0.045
Q2 TLKM 2,465 0.113 0.075 0.038
178
Q3 TLKM 2,915 0.183 0.075 0.108
Q4 TLKM 2,865 -0.017 0.0775 -0.095
2015 Q1 TLKM 2,890 0.009 0.075 -0.066
Q2 TLKM 2,930 0.014 0.075 -0.061
Q3 TLKM 2,645 -0.097 0.075 -0.172
Q4 TLKM 3,105 0.174 0.075 0.099
2016 Q1 TLKM 3,325 0.071 0.0675 0.003
Q2 TLKM 3,980 0.197 0.0525 0.144
Q3 TLKM 4,310 0.083 0.05 0.033
Q4 TLKM 3,980 -0.077 0.0475 -0.124
2017 Q1 TLKM 4,130 0.038 0.0475 -0.010
Q2 TLKM 4,520 0.094 0.0475 0.047
Q3 TLKM 4,680 0.035 0.0425 -0.007
Q4 TLKM 4,460 -0.047 0.0425 -0.090
2010 Q3 UNTR 20,450 0.091 0.065 0.026
Q4 UNTR 23,800 0.164 0.065 0.099
2011 Q1 UNTR 21,700 -0.088 0.0675 -0.156
Q2 UNTR 24,950 0.150 0.0675 0.082
Q3 UNTR 22,000 -0.118 0.0675 -0.186
Q4 UNTR 26,350 0.198 0.06 0.138
2012 Q1 UNTR 33,000 0.252 0.0575 0.195
Q2 UNTR 21,050 -0.362 0.0575 -0.420
Q3 UNTR 20,700 -0.017 0.0575 -0.074
Q4 UNTR 19,700 -0.048 0.0575 -0.106
2013 Q1 UNTR 18,200 -0.076 0.0575 -0.134
Q2 UNTR 18,200 0.000 0.06 -0.060
Q3 UNTR 16,300 -0.104 0.0725 -0.177
Q4 UNTR 19,000 0.166 0.075 0.091
2014 Q1 UNTR 20,750 0.092 0.075 0.017
Q2 UNTR 23,100 0.113 0.075 0.038
Q3 UNTR 19,900 -0.139 0.075 -0.214
Q4 UNTR 17,350 -0.128 0.0775 -0.206
2015 Q1 UNTR 21,800 0.256 0.075 0.181
Q2 UNTR 20,375 -0.065 0.075 -0.140
Q3 UNTR 17,475 -0.142 0.075 -0.217
Q4 UNTR 16,950 -0.030 0.075 -0.105
2016 Q1 UNTR 15,300 -0.097 0.0675 -0.165
Q2 UNTR 14,800 -0.033 0.0525 -0.085
Q3 UNTR 17,700 0.196 0.05 0.146
Q4 UNTR 21,250 0.201 0.0475 0.153
2017 Q1 UNTR 26,500 0.247 0.0475 0.200
Q2 UNTR 27,450 0.036 0.0475 -0.012
Q3 UNTR 32,000 0.166 0.0425 0.123
Q4 UNTR 35,400 0.106 0.0425 0.064
179
2010 Q3 UNVR 16,850 -0.009 0.065 -0.074
Q4 UNVR 16,500 -0.021 0.065 -0.086
2011 Q1 UNVR 15,300 -0.073 0.0675 -0.140
Q2 UNVR 14,900 -0.026 0.0675 -0.094
Q3 UNVR 16,500 0.107 0.0675 0.040
Q4 UNVR 18,800 0.139 0.06 0.079
2012 Q1 UNVR 20,000 0.064 0.0575 0.006
Q2 UNVR 22,900 0.145 0.0575 0.088
Q3 UNVR 26,050 0.138 0.0575 0.080
Q4 UNVR 20,850 -0.200 0.0575 -0.257
2013 Q1 UNVR 22,800 0.094 0.0575 0.036
Q2 UNVR 30,750 0.349 0.06 0.289
Q3 UNVR 30,150 -0.020 0.0725 -0.092
Q4 UNVR 26,000 -0.138 0.075 -0.213
2014 Q1 UNVR 29,250 0.125 0.075 0.050
Q2 UNVR 29,275 0.001 0.075 -0.074
Q3 UNVR 31,800 0.086 0.075 0.011
Q4 UNVR 32,300 0.016 0.0775 -0.062
2015 Q1 UNVR 39,650 0.228 0.075 0.153
Q2 UNVR 39,500 -0.004 0.075 -0.079
Q3 UNVR 38,000 -0.038 0.075 -0.113
Q4 UNVR 37,000 -0.026 0.075 -0.101
2016 Q1 UNVR 42,925 0.160 0.0675 0.093
Q2 UNVR 45,075 0.050 0.0525 -0.002
Q3 UNVR 44,550 -0.012 0.05 -0.062
Q4 UNVR 38,800 -0.129 0.0475 -0.177
2017 Q1 UNVR 43,325 0.117 0.0475 0.069
Q2 UNVR 48,800 0.126 0.0475 0.079
Q3 UNVR 48,975 0.004 0.0425 -0.039
Q4 UNVR 55,900 0.141 0.0425 0.099
180
Lampiran 8: Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation Variance
Pre_RiskX1 30 -.215 .137 -.03387 .077948 .006
SMBX2 30 -4.028 -3.100 -3.46317 .224555 .050
HMLX3 30 -2.396 -1.113 -1.84680 .275543 .076
ReturnY 30 -.243 .155 -.04010 .093785 .009
Valid N (listwise) 30
181
Lampiran 9: Hasil Uji Stasioneritas (Unit Root Test)
A. Return Saham (Y)
Null Hypothesis: AVERAGE_EXCESS_RETURN__Y has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.299813 0.0002
Test critical values: 1% level -3.679322 5% level -2.967767 10% level -2.622989 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(AVERAGE_EXCESS_RETURN__Y) Method: Least Squares Date: 05/21/18 Time: 21:57 Sample (adjusted): 2 30 Included observations: 29 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. AVERAGE_EXCESS_RETURN__Y(-
1) -0.938891 0.177155 -5.299813 0.0000 C -0.044378 0.018123 -2.448754 0.0211 R-squared 0.509875 Mean dependent var -0.005274
Adjusted R-squared 0.491723 S.D. dependent var 0.125032 S.E. of regression 0.089140 Akaike info criterion -1.930751 Sum squared resid 0.214539 Schwarz criterion -1.836455 Log likelihood 29.99589 Hannan-Quinn criter. -1.901219 F-statistic 28.08802 Durbin-Watson stat 1.962612 Prob(F-statistic) 0.000014
B. Premi Risiko (X1)
Null Hypothesis: PREMI_RISIKO_S_X1_01 has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.391189 0.0001
Test critical values: 1% level -3.679322 5% level -2.967767 10% level -2.622989 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(PREMI_RISIKO_S_X1_01) Method: Least Squares Date: 05/21/18 Time: 21:59
182
Sample (adjusted): 2 30 Included observations: 29 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. PREMI_RISIKO_S_X1_01(-
1) -0.956633 0.177444 -5.391189 0.0000 C -0.038208 0.015068 -2.535781 0.0173 R-squared 0.518415 Mean dependent var -0.003525
Adjusted R-squared 0.500579 S.D. dependent var 0.103826 S.E. of regression 0.073374 Akaike info criterion -2.320026 Sum squared resid 0.145361 Schwarz criterion -2.225729 Log likelihood 35.64037 Hannan-Quinn criter. -2.290493 F-statistic 29.06491 Durbin-Watson stat 2.002188 Prob(F-statistic) 0.000011
C. SMB (X2)
Null Hypothesis: D(SMB__X2_) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=7)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.019887 0.0000
Test critical values: 1% level -3.689194 5% level -2.971853 10% level -2.625121 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(SMB__X2_,2) Method: Least Squares Date: 05/21/18 Time: 22:00 Sample (adjusted): 3 30 Included observations: 28 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. D(SMB__X2_(-1)) -1.181560 0.196276 -6.019887 0.0000
C -0.026668 0.026652 -1.000579 0.3263 R-squared 0.582256 Mean dependent var -0.006754
Adjusted R-squared 0.566189 S.D. dependent var 0.212466 S.E. of regression 0.139939 Akaike info criterion -1.026468 Sum squared resid 0.509158 Schwarz criterion -0.931310 Log likelihood 16.37055 Hannan-Quinn criter. -0.997377 F-statistic 36.23904 Durbin-Watson stat 1.961974 Prob(F-statistic) 0.000002
D. HML (X3)
Null Hypothesis: D(HML_X3_) has a unit root Exogenous: Constant
183
Lag Length: 0 (Automatic - based on SIC, maxlag=7) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.739671 0.0000
Test critical values: 1% level -3.689194 5% level -2.971853 10% level -2.625121 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(HML_X3_,2) Method: Least Squares Date: 05/21/18 Time: 22:00 Sample (adjusted): 3 30 Included observations: 28 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. D(HML_X3_(-1)) -1.179870 0.175063 -6.739671 0.0000
C -0.040509 0.027747 -1.459923 0.1563 R-squared 0.635972 Mean dependent var 0.011611
Adjusted R-squared 0.621971 S.D. dependent var 0.229339 S.E. of regression 0.141007 Akaike info criterion -1.011270 Sum squared resid 0.516955 Schwarz criterion -0.916112 Log likelihood 16.15778 Hannan-Quinn criter. -0.982179 F-statistic 45.42317 Durbin-Watson stat 1.905474 Prob(F-statistic) 0.000000
184
Lampiran 10: Hasil Uji Multikolonearitas (Kolomogrov Sminorv Test)
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 30
Normal Parametersa Mean .0000000
Std. Deviation .04081822
Most Extreme Differences Absolute .072
Positive .065
Negative -.072
Kolmogorov-Smirnov Z .394
Asymp. Sig. (2-tailed) .998
a. Test distribution is Normal.
185
Lampiran 11: Hasil Uji Autokorelasi (Durbin Watson)
Variables Entered/Removedb
Model
Variables
Entered
Variables
Removed Method
1 HMLX3,
Pre_RiskX1,
SMBX2a
. Enter
a. All requested variables entered.
b. Dependent Variable: ReturnY
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .900a .811 .789 .043109 1.975
a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2
b. Dependent Variable: ReturnY
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .207 3 .069 37.085 .000a
Residual .048 26 .002
Total .255 29
a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2
b. Dependent Variable: ReturnY
186
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) .134 .146 .918 .367
Pre_RiskX1 1.093 .106 .909 10.294 .000
SMBX2 .053 .060 .127 .886 .384
HMLX3 -.026 .050 -.075 -.518 .609
a. Dependent Variable: ReturnY
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value -.23158 .14573 -.04010 .084436 30
Residual -.116376 .078028 .000000 .040818 30
Std. Predicted Value -2.268 2.201 .000 1.000 30
Std. Residual -2.700 1.810 .000 .947 30
a. Dependent Variable: ReturnY
187
Lampiran 12: Uji Multikolonearitas
Variables Entered/Removedb
Model
Variables
Entered
Variables
Removed Method
1 HMLX3,
Pre_RiskX1,
SMBX2a
. Enter
a. All requested variables entered.
b. Dependent Variable: ReturnY
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .900a .811 .789 .043109
a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2
b. Dependent Variable: ReturnY
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .207 3 .069 37.085 .000a
Residual .048 26 .002
Total .255 29
a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2
b. Dependent Variable: ReturnY
188
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .134 .146 .918 .367
Pre_RiskX1 1.093 .106 .909 10.294 .000 .935 1.070
SMBX2 .053 .060 .127 .886 .384 .352 2.840
HMLX3 -.026 .050 -.075 -.518 .609 .344 2.905
a. Dependent Variable: ReturnY
Coefficient Correlationsa
Model HMLX3 Pre_RiskX1 SMBX2
1 Correlations HMLX3 1.000 -.255 -.805
Pre_RiskX1 -.255 1.000 .209
SMBX2 -.805 .209 1.000
Covariances HMLX3 .002 -.001 -.002
Pre_RiskX1 -.001 .011 .001
SMBX2 -.002 .001 .004
a. Dependent Variable: ReturnY
Collinearity Diagnosticsa
Model
Dimensi
on Eigenvalue Condition Index
Variance Proportions
(Constant) Pre_RiskX1 SMBX2 HMLX3
1 1 3.215 1.000 .00 .02 .00 .00
2 .774 2.038 .00 .92 .00 .00
3 .011 17.291 .10 .02 .00 .40
4 .001 59.170 .90 .04 1.00 .60
a. Dependent Variable: ReturnY
189
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value -.23158 .14573 -.04010 .084436 30
Residual -.116376 .078028 .000000 .040818 30
Std. Predicted Value -2.268 2.201 .000 1.000 30
Std. Residual -2.700 1.810 .000 .947 30
a. Dependent Variable: ReturnY
190
Lampiran 13: Hasil Uji Heterekodastisitas (Glesjer Test)
Variables Entered/Removedb
Model
Variables
Entered
Variables
Removed Method
1 HMLX3,
Pre_RiskX1,
SMBX2a
. Enter
a. All requested variables entered.
b. Dependent Variable: ReturnY
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 .900a .811 .789 .043109
a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2
b. Dependent Variable: ReturnY
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .207 3 .069 37.085 .000a
Residual .048 26 .002
Total .255 29
a. Predictors: (Constant), HMLX3, Pre_RiskX1, SMBX2
b. Dependent Variable: ReturnY
191
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
Collinearity
Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .134 .146 .918 .367
Pre_RiskX
1 1.093 .106 .909 10.294 .000 .935 1.070
SMBX2 .053 .060 .127 .886 .384 .352 2.840
HMLX3 -.026 .050 -.075 -.518 .609 .344 2.905
a. Dependent Variable: ReturnY
Coefficient Correlationsa
Model HMLX3 Pre_RiskX1 SMBX2
1 Correlations HMLX3 1.000 -.255 -.805
Pre_RiskX1 -.255 1.000 .209
SMBX2 -.805 .209 1.000
Covariances HMLX3 .002 -.001 -.002
Pre_RiskX1 -.001 .011 .001
SMBX2 -.002 .001 .004
a. Dependent Variable: ReturnY
Collinearity Diagnosticsa
Model
Dimensi
on Eigenvalue Condition Index
Variance Proportions
(Constant) Pre_RiskX1 SMBX2 HMLX3
1 1 3.215 1.000 .00 .02 .00 .00
2 .774 2.038 .00 .92 .00 .00
3 .011 17.291 .10 .02 .00 .40
4 .001 59.170 .90 .04 1.00 .60
a. Dependent Variable: ReturnY
192
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value -.23158 .14573 -.04010 .084436 30
Residual -.116376 .078028 .000000 .040818 30
Std. Predicted Value -2.268 2.201 .000 1.000 30
Std. Residual -2.700 1.810 .000 .947 30
a. Dependent Variable: ReturnY
193
Lampiran 14: Hasil Analisis Regresi Linear Berganda (Ordinary Least Square)
Dependent Variable: Y Method: Least Squares Date: 05/21/18 Time: 22:07 Sample: 1 30 Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob. C 0.134659 0.145221 0.927270 0.3623
X1 1.095388 0.105984 10.33538 0.0000 X2 0.053544 0.059846 0.894697 0.3792 X3 -0.025840 0.049326 -0.523850 0.6048
R-squared 0.811784 Mean dependent var -0.040179
Adjusted R-squared 0.790066 S.D. dependent var 0.093783 S.E. of regression 0.042970 Akaike info criterion -3.333057 Sum squared resid 0.048007 Schwarz criterion -3.146231 Log likelihood 53.99586 Hannan-Quinn criter. -3.273290 F-statistic 37.37964 Durbin-Watson stat 1.989096 Prob(F-statistic) 0.000000
Top Related