Para investor dalam pembelian saham pada dasarnya memiliki tujuan yang sama yaitu mengharapkan re- turn (pengembalian) yang maksimal dengan risiko seminimal mungkin. Return adalah keuntungan atau pendapatan yang di peroleh oleh investor dalam menginvestasikan dananya di pasar modal. Sedangkan risiko adalah suatu ketidakpastian di masa depan, sehingga dalam melakukan investasi selain mengharap- kan return juga harus memperhatikan risiko yang ada. Suatu hal yang sangat wajar jika investor mengharapkan tingkat return yang setinggi-tingginya atas dana yang telah diinvestasikannya dengan tingkat risiko yang rendah. Salah satu sumber return saham yang diperoleh investor adalah capital gain, yaitu berasal dari pergerakan harga saham. Menurut Subastine dan Syamsudin (2010) (dalam Prasetyo, 2015), pergerakan harga saham disebabkan oleh aksi yang dilakukan oleh investor. Aksi ini didasarkan pada per- sepsi investor terhadap faktor-faktor yang mempengaruhi harga saham itu sendiri. Faktor-faktor tersebut dapat berasal dari berbagai lingkungan, baik lingkungan ekonomi maupun non-ekonomi. Contoh dari pengaruh lingkungan ekonomi adalah faktor mikro seperti kinerja perusahaan, pengumuman laporan keu- angan atau dividen perusahaan. Selain itu, perubahan lingkungan ekonomi makro seperti perubahan suku bunga tabungan, kurs valuta asing, inflasi, serta berbagai kebijakan ekonomi yang dikeluarkan pemerintah turut berpengaruh pada fluktuasi harga dan volume perdagangan di pasar modal. Apalagi pada tahun 2019, Indonesia akan melakukan pemilihan presiden (Pilpres).

Faktor-faktor di atas membuat keadaan di lapangan menjadi semakin kompleks, sehingga investor me- merlukan alat untuk memproyeksikan return harapan suatu saham, sesuai dengan risikonya secara seder- hana. Kemampuan untuk mengestimasi return suatu saham sangat penting dan di perlukan oleh investor. Untuk dapat mengestimasi return suatu saham dengan akurat diperlukan suatu model estimasi. Untuk mengestimasi return saham, model yang sering digunakan oleh investor adalah Capital Asset Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT).

CAPM merupakan suatu model keseimbangan yang dapat menentukan risiko dan return secara lebih se- derhana yang akan diperoleh atau diharapkan investor. CAPM yang diperkenalkan oleh Sharpe (1964) dan Lintner (1955) merupakan model untuk menentukan harga suatu asset pada kondisi equilibrium. Da- lam keadaan equilibrium tingkat keuntungan yang diisyaratkan oleh pemodal untuk suatu saham akan dipengaruhi oleh risiko saham tersebut (Tandellin,2001).

CAPM kemudian menjadi model yang sangat popular untuk digunakan karena kemudahan dalam ap- likasinya. CAPM memprediksi bahwa hanya ada satu jenis risiko sistematik yang mempengaruhi return saham dan risiko itu adalah risiko pasar. Selanjutnya Ross tahun 1976 memperkenalkan model kedua yai- tu Arbitrage Pricing Theory (APT) yang dianggap sebagai model yang lebih baik dari CAPM (Bod- ie.et.al. 2005 dalam Andri 2010).

Weston.et.al.1996 (dalam Andri, 2010), Kelemahan-kelemahan empiris yang terjadi pada model Capital Asset Pricing Model (CAPM) mendorong para ahli manajemen keuangan untuk mencari model alternatif yang menerangkan hubungan pendapatan dengan risiko saham. Pada tahun 1976 Stephen A. Ross meru- muskan sebuah teori yang disebut dengan Arbitrage Pricing Theory (APT). Meskipun model ini tidak bisa secara keseluruhan memecahkan kekurangan yang terjadi pada model CAPM, tetapi model inilah yang pertama kali dikembangkan untuk mencoba mengeliminir kekurangan-kekurangan yang terjadi pada model CAPM dan mempunyai kesempatan untuk menggantikan model tersebut. APT menyatakan bahwa harga suatu aktiva bisa dipengaruhi oleh berbagai faktor, tidak hanya satu faktor (portofolio pasar) seperti yang telah dikemukakan pada teori CAPM (Weston.et.al, 1999).

Kedua model ini masih menjadi perdebatan para ahli manajemen keuangan tentang ketepatan model ter- sebut dalam memprediksi tingkat return (pendapatan) suatu saham.

A. Variabel Penelitian

B. Lokasi Penelitian

Lokasi penelitian ini dilakukan di Galeri Bursa Efek Indonesia (BEI) kampus Universitas Muham- madiyah Sidoarjo yang beralamat Jl. Mojopahit No.666 B Sidoarjo.

C. Jenis Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang dikumpulkan dari berbagai pusat data yang ada antara lain pusat data diperusahaan, badan- badan penelitian dan sejenisnya (Ferdinand, 2006). Sumber data yang digunakan dalam penelitian ini adalah data sekunder yang meliputi data bulanan yang berupa harga saham perusahaan yang termasuk dalam LQ45 yang terdaftar di Bursa Efek Indonesia (BEI) periode 2015-2017.

D. Populasi dan Sampel

Dalam penelitian ini populasi yang digunakan adalah perusahaan yang terdaftar di Bursa Efek Indo- nesia yang tergolong dalam saham LQ45 periode 2015-2017 sebanyak 32 perusahaan. Teknik pengambilan sampel yang digunakan adalah dengan metode purposive sampling yaitu teknik penen- tuan pengambilan sampel dengan pertimbangan tertentu, seperti karakter-karakter sampel yang sudah diketahui. Adapun kriteria sampel yang digunakan dalam penelitian ini adalah sebagai berikut :

1. Perusahaan-perusahaan yang terdaftar dalam LQ45 di Bursa Efek Indonesia yang mempunyai da- ta keuangan yang lengkap dan dapat diandalkan kebenarannya pada tahun 2015-2017.

2. Perusahaan dalam LQ45 yang saham-sahamnya aktif dan konsisten diperdagangkan di Bursa Efek Indonesia pada tahun 2015-2017. Merupakan perusahaan manufaktur yang sudah go publik dan terdaftar di Bursa Efek Indonesia (BEI) periode 2015 - 2017.

E. Metode Analisis Data

Analisis data yang dilakukan dalam penelitian ini menggunakan pendekatan Capital Assets Pricing Model (CAPM) dan Arbitrage Pricing Theory (APT). Data yang digunakan dalam penelitian ini akan diolah dengan menggunakan Microsoft Excel, dan SPSS 18. Secara rinci, analisis data pada penelitian ini terdiri dari beberapa tahap, diantaranya adalah sebagai berikut :

1. Mengumpulkan data perusahaan yang masuk dalam LQ-45 dan harga penutupan (closing price) saham per bulan.

2. Menghitung keuntungan masing-masing (Ri) saham

3. Menghitung data yang berkaitan dengan CAPM :

a) Menghitung return market (return pasar) dan expected return market

b) Menghitung risk free rate (Rf)

c) Menghitung beta

d) Menghitung expected return saham dengan menggunakan metode CAPM (Capital Asset Pricing Model) di tahun 2015 – 2017.

4. Menghitung data yang berkaitan dengan Arbitrage Pricing Theory (APT) :

a) Menghitung tingkat perubahan aktual faktor-faktor makro ekonomi.

b) Menghitung tingkat perubahan yang diharapkan dari data historis variabel-variabel makro ekonomi. Tingkat yang diharapkan dihitung menggunakan exponential smoothing yang ada di SPSS 18. Dalam SPSS terdapat 4 macam model baku exponential smoothing diantaranya: Single exponential smoothing, Double exponential smoothing brown, Double exponential smoothing holt, Damped trend exponential smoothing.

c) Menghitung perubahan faktor-faktor makro ekonomi yang tidak diharapkan. Perubahan yang tidak diharapkan merupakan selisih dari perubahan aktual dengan perubahan yang diharap- kan.

d) Menghitung beta (b1, b2, b3) untuk model APT dengan cara meregresikan return saham ak- tual dengan faktor–faktor makro ekonomi yang tidak diharapkan pada periode 2015-2017.

e) Menghitung expected return dengan menggunakan metode Arbitrage Pricing Theory (APT) di tahun 2015-2017.

f) Menghitung rata-rata penyimpang absolut (Mean Absolute Deviation) atau MAD untuk pem- ilihan metode yang akurat dari masing-masing model CAPM dan APT.

g) Menguji kelayakan model APT dengan uji asumsi klasik (normalitas).

Analisis Deskriptif

1. Capital Asset Pricing Model (CAPM)

a. Return Saham Perusahaan LQ45

Tingkat pengembalian saham individu merupakan salah satu indikator investor dalam melakukan investasi. Tingkat pengembalian saham individu adalah besarnya keuntungan secara rill diterima oleh investor ketika melakukan investasi saham.

b. Expected Return dengan Metode CAPM

Tingkat expected return [E(Ri)] adalah besarnya keuntungan yang diharapkan oleh investor dari hasil investasi saham yang dilakukan. Metode CAPM dapat digunakan untuk menghitung tingkat excpected return dengan menggunakan variable tingkat risk free rate (Rf), nilai expected return market [E(Rm)], dan risiko sistematis (beta) dari setiap saham. Hasil perhitungan tingkat ex- pected return dari 32 saham dari LQ-45 dapat dilihat pada tabel 4.5

Dari tabel 4.5 diatas, menunjukkan bahwa besarnya expected return (E(Ri)) dari setiap jenis sa- ham mengikuti besarnya tingkatan beta (risiko). Saham UNTR memiliki beta paling tinggi yaitu sebesar 2.5201 dan expected returnnya juga paling tinggi yaitu sebesar 0.0062 Atau 0.62%, Se- dangkan saham AKRA memiliki beta paling rendah yaitu sebesar -0.6706 dan expected returnnya juga paling rendah yitu sebesar 0.0047 atau 0,47%.

2. Arbitrage Pricing Theory (APT)

a. Expected Return dengan Metode APT

Dalam metode APT juga diperlukan return bebas risiko (Rf), return bebas risiko yang digunakan dalam metode APT juga sama dengan yang digunakan dalam metode CAPM yaitu sebesar 0.0050.

Perbandingan Akurasi Metode CAPM dan APT

Untuk melihat metode mana yang lebih baik dalam menghitung return saham LQ45, maka akan dihi- tung nilai MAD dari kedua model tersebut. Hasilnya dapat dilihat pada tabel 4.11.

Dari tabel terlihat bahwa nilai MADCAPM (0.0004) lebih kecil dari nilai MADAPT (0.0113), ini menun- jukkan bahwa metode CAPM lebih baik dibandingkan metode APT dalam memprediksi return saham LQ45.

Hasil Pengujian Hipotesis

Setelah mendapatkan nilai MAD untuk kedua model tersebut, langkah selanjutnya adalah membanding- kan kedua nilai MAD dengan independent sample t-test. Sebelum diuji dengan independent sample t-test, MAD CAPM dan APT perlu dilakukan uji normalitas dengan menggunakan Kolmogorov-smirnov dengan SPSS 18.

1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam regresi, variabel penganggu atau residual memiliki distribusi normal (Ghozali, 2016). Pengujian normalitas data adalah pengujian tentang kenormalan distribusi data. Dalam penelitian ini, distribusi normal dideteksi menggunakan uji statis- tik non-parametrik Kolmogorov-Smirnov (K-S). Hasil uji normalitas data kedua model tersebut dapat dilihat pada tabel 4.11.

Tabel

One-Sample Kolmogorov-Smirnov Test

MADCAPM

N32

Normal Parameters^a,b Mean.000441

Std. Deviation.0003809

Most Extreme Differ-

ences

Absolute.199

Positive.199

Negative-.124

Kolmogorov-Smirnov Z1.124

Asymp. Sig. (2-tailed).160

Sumber :Hasil Output SPSS, 2019

Berdasarkan tabel x kolmogorov – smirnov hasil pengujian normalitas pada 32 sampel perusahaan yang terdaftar dalam Indeks LQ-45 menunjukkan bahwa variabel MADCAPM mempunyai nilai signifikansi sebesar 0.160 yang artinya bahwa variabel tersebut terdistribusi normal, karena nilai MADCAPM 0.160 > 0.05.

Tabel

One-Sample Kolmogorov-Smirnov Test

MAD APT

N32

Normal Parameters^a,b Mean.011266

Std. Deviation.0076982

Most Extreme Differ- ences

Absolute.140

Positive.140 Negative-.096

Kolmogorov-Smirnov Z.791

Asymp. Sig. (2-tailed).560

Sumber :Hasil Output SPSS, 2019

Berdasarkan tabel x kolmogorov – smirnov hasil pengujian normalitas pada 32 sampel perusahaan yang terdaftar dalam Indeks LQ-45 menunjukkan bahwa variabel MADAPT mempunyai nilai signif- ikansi sebesar 0.560 yang artinya bahwa variabel tersebut terdistribusi normal, karena nilai MAD- CAPM 0.560 > 0.05.

2. Uji Beda Independent t-test

Uji beda pada tabel dibawah ini digunakan untuk melihat perbedaan nilai MADCAPM dan MADAPT pada saham LQ45.

Independent Samples Test

Levene's Test for Equality of

Variancest-test for Equality of Means

95% Confidence Inter-

Sig. (2-

Mean Dif-

Std. Error

val of the Difference

Berdasarkan tabel diatas terlihat nilai F hasil Lavene’s test for equality of variances sebesar 44.052 dengan nilai Sig (p) = 0.000 yang lebih kecil dari taraf signifikansi (0.05), maka Ho ditolak atau dengan kata lain asumsi kedua varian sama besar (equal variances assumed) tidak terpenuhi, maka uji t-test menggunakan asumsi varian tidak sama (equal variancesassumed).

Karena hasil Lavene’s test menyatakan bahwa asumsi kedua variance tidak sama besar (equal variances not assumed), maka digunakan hasil independent sample t-test dengan asumsi equal vari- ances not assumed, hasilnya Ho ditolak dan Ha diterima karena nilai Sig lebih kecil dari taraf signif-

ikansi (5%), yaitu Sig = 0.000 < 0.05, sehingga dapat disimpulkan bahwa terdapat perbedaan akurasi yang signifikan antara CAPM dan APT dalam menghitung return saham LQ45.

Pembahasan

Perbedaan Akurasi Model CAPM dan APT dalam Memprediksi Return Saham.

Berdasarkan perhitungan MADCAPM dan MADAPT, diketahui bahwa nilai rata-rata MAD masing- masing model adalah 0.0004 dan 0.0113, ini menunjukkan bahwa metode CAPM lebih baik dibandingan metode APT dalam memprediksi return saham LQ45. Berdasarkan pengolahan uji beda independent sample t-test dengan SPSS juga menunjukkan bahwa Ho ditolak dan Ha diterima, karena nilai Sig lebih kecil dari taraf signifikansi (5%), yaitu Sig = 0.000 < 0.05, sehingga dapat disimpulkan bahwa terdapat perbedaan akurasi yang signifikan antara CAPM dan APT dalam menghitung return saham LQ45.

Hal ini sesuai dengan penelitian terdahulu yang dilakukan oleh Hielmiyani Maftuhah (2014), Musdalifah Azis (2018) dimana hasil menunjukkan bahwa metode CAPM lebih akurat dibandingkan metode APT dalam memprediksi return saham yang diukur dengan menghitung nilai MAD, dan terdapat perbedaan yang signifikan antara MADCAPM dan MADAPT.

Berdasarkan hasil analisis dengan perhitungan menggunakan Capital Asset Pricing Model (CAPM) dan ArbitrasePricingTheory(APT) pada saham-saham LQ45 di Bursa Efek Indonesia periode Januari 2015 – Desember 2017 diperoleh kesimpulan :

1. Terdapat perbedaan akurasi antara metode CAPM dan APT dalam memprediksi return saham LQ45. Hal ini berdasarkan dari nilai MAD (Mean Absolute Deviation) dari kedua model rata-rata nilai MAD- CAPM sebesar 0.0004 dan nilai MADAPT sebesar 0.0113. Kedua nilai tersebut memiliki selisih yang sig- nifikan yaitu sebesar 0.0109. Berdasarkan hasil uji beda independent sample t-test dengan SPSS juga menunjukkan bahwa Ho ditolak dan Ha diterima, karena nilai Sig lebih kecil dari taraf signifikansi (5%), yaitu Sig = 0.000 < 0.05.