PENGARUH FIVE FACTOR ASSET PRICING MODEL

FAMA-FRENCH TERHADAP EXCESS RETURN

PADA PERIODE SEBELUM DAN SESUDAH

CURRENCY CRISIS

SKRIPSI

Oleh

Maria Mathilda Rosdiana Dewi

008201405061

Dipersembahkan Kepada

Fakultas Bisnis, President University

Untuk Memenuhi Sebagian dari Persyaratan

Guna Memperoleh Gelar Sarjana Akuntansi

PRESIDENT UNIVERSITY

Cikarang Baru – Bekasi

Indonesia

2018

ii

iii

iv

v

KATA PENGANTAR

Puji dan Syukur kepada Tuhan Yesus Kristus atas berkat dan kasih karunia-

Nya sehingga penulis dapat menyelesaikan skripsi ini dengan baik meskipun dengan

keterbatasan pengetahuan, informasi, waktu dan tenaga yang dimiliki oleh penulis.

Penyusunan skripsi ini bertujuan untuk memenuhi dan melengkapi persyaratan guna

menempuh ujian sidang pada Program Studi Akuntansi President University.

Penulis menyadari bahwa penyusunan skripsi ini masih jauh dari sempurna

karena keterbatasan yang dimiliki oleh penulis. Untuk itu penulis menerima dan

mengharapkan kritik dan saran yang membangun dari semua pihak yang telah

membaca skripsi ini. Pada kesempatan ini, penulis juga ingin mengucapkan terima

kasih kepada:

1. Drs. Gatot Imam Nugroho, Ak., M.B.A., CA dan Dr. Ika Pratiwi Simbolon,

SE., MM. selaku pembimbing skripsi yang telah meluangkan waktu, tenaga

dan pikiran ditengah kesibukan sehari-hari untuk membimbing penulis dalam

menyelesaikan skripsi ini.

2. Andi Ina Yustina, M.Sc., CIBA, CMA. selaku Ketua Program Studi Akuntansi

President University.

3. Segenap dosen Fakultas Bisnis President University atas semua ilmu yang

telah diberikan kepada penulis selama masa perkuliahan.

4. Seluruh staf dan karyawan President University yang telah membantu

kelancaran administrasi penulis.

5. Keluarga penulis yang terkasih. Papa di Surga, Mama, Mas Aldo, Mbak Tika

dan Mbah Uti atas dukungan dan doa yang diberikan kepada penulis selama

proses penyelesaian skripsi.

6. David yang berjuang bersama dalam menyelesaikan skripsi dan mendukung

penulis dalam mengerjakan skripsi.

7. Teman-teman jurusan Akuntansi angkatan 2014 yang telah berjuang bersama-

sama selama menempuh pendidikan di President University.

8. Seluruh pihak yang tidak dapat penulis sebutkan satu per satu yang telah

membantu dalam penyelesaian skripsi ini.

vi

Akhir kata, penulis berharap skripsi ini dapat bermanfaat untuk perkembangan

Ilmu Pengetahuan Umum dan Ilmu Ekonomi khususnya dalam dunia investasi.

Cikarang, 25 Maret 2018

Penulis

vii

DAFTAR ISI

COVER ......................................................................................................................... i

LEMBAR PENGESAHAN ........................................................................................ ii

SURAT REKOMENDASI ........................................................................................ iii

SURAT PERNYATAAN ........................................................................................... iv

KATA PENGANTAR ................................................................................................. v

DAFTAR ISI.............................................................................................................. vii

INTISARI ................................................................................................................... ix

BAB I PENDAHULUAN ............................................................................................ 1

1.1. Latar Belakang ................................................................................................... 1

1.2. Rumusan Masalah .............................................................................................. 4

1.3. Tujuan Penelitian................................................................................................ 4

1.4. Manfaat Penelitian.............................................................................................. 4

1.5. Sistematika Penulisan ......................................................................................... 5

BAB II TINJAUAN PUSTAKA ................................................................................ 6

2.1. Investasi Saham......................................................................................................... 6

2.2. Portofolio Saham ...................................................................................................... 6

2.3. Return dan Excess Return ........................................................................................ 7

2.4. Five Factor Asset Pricing Model Fama-French .................................................... 8

2.5. Penelitian Sebelumnya ........................................................................................... 14

2.6. Pengembangan Hipotesis ....................................................................................... 15

BAB III METODE PENELITIAN .......................................................................... 17

3.1. Pendekatan Penelitian ...................................................................................... 17

3.2. Definisi Operasional dan Pengukuran Variabel .............................................. 17

3.2.1. Excess Return Portofolio .......................................................................... 17

3.2.2. Market Excess Return (MKT) ........................................................................ 18

3.2.3. Small minus big (SMB) ............................................................................. 18

3.2.4. High Minus Low (HML) ............................................................................ 20

3.2.5. High Minus Low Orthogonal (HMLO) ......................................................... 21

3.2.6. Robust Minus Weak (RMW) .......................................................................... 22

3.2.7. Conservative Minus Aggresive (CMA) ......................................................... 23

3.2.8. Five Factor Asset Pricing Model Fama-French ........................................... 24

viii

3.3. Prosedur Penentuan Sample ............................................................................. 24

3.4. Instrumen Penelitian ......................................................................................... 25

3.5. Analisis Statistik ............................................................................................... 25

BAB IV ANALISIS DATA DAN PEMBAHASAN ................................................ 30

4.1. Deskripsi Data .................................................................................................. 30

4.1.1. Deskripsi Hasil Penelitian ............................................................................... 30

4.1.2. Deskripsi Hasil Pembentukan Portofolio ...................................................... 34

4.2 Hasil dan Pembahasan ....................................................................................... 48

4.2.1. Analisis Pengaruh Asset Pricing Model terhadap Excess Return Sebelum

dan Sesudah Currency Crisis ................................................................................... 48

4.2.2. Pembahasan ...................................................................................................... 50

BAB V KESIMPULAN DAN SARAN .................................................................... 51

5.1. Kesimpulan....................................................................................................... 51

5.2. Saran ................................................................................................................. 51

DAFTAR PUSTAKA ................................................................................................ 52

LAMPIRAN............................................................................................................... 55

ix

INTISARI

Dalam berinvestasi, sangat diperlukan kemampuan untuk memprediksi return

suatu saham bagi para investor. Return saham berbanding lurus dengan kemungkinan

risiko kerugian investasi. Salah satu cara untuk meminimalisir risiko adalah dengan

cara membentuk portofolio. Hal tersebut juga diikuti dengan perkembangan asset

pricing model untuk membentuk portofolio dengan harapan dapat memberikan return

yang optimal. Salah satu risiko yang mungkin dihadapi oleh investor yaitu currency

crisis. Tujuan penelitian adalah untuk mengetahui pengaruh Five Factor Asset Pricing

Model secara simultan terhadap excess return pada periode sebelum dan sesudah

currency crisis dengan menggunakan teknik multiple regression dan uji F. Hasil

penelitian ini menunjukkan terdapat pengaruh Five Factor Asset Pricing Model secara

simultan terhadap excess return pada periode sebelum dan sesudah currency crisis.

Kata Kunci: Excess Return, Five Factor Asset Pricing Model, Currency Crisis

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Penelitian

Pasar modal menjadi salah satu pilihan bagi para investor untuk menanamkan

modal serta merupakan sarana bagi pengusaha untuk mendapatkan dana dari pihak

yang memiliki dana lebih atau investor. Perkembangan pasar modal membuat

investasi tidak hanya terbatas pada tabungan dan aktiva riil namun dapat juga dalam

bentuk obligasi, saham, dan sekuritas yang lain. Investor yang berinvestasi dengan

cara membeli saham akan mendapatkan return berupa dividen setiap tahun dan

kenaikan harga saham ketika dijual kembali atau yang disebut capital gain. Didalam

pembentukan portofolio, investor perlu mengukur berapa return yang benar-benar

diterima dari portofolio dibandingkan apabila investor menginvestasikan kedalam aset

bebas risiko (risk-free rate) seperti suku bunga BI. Maka dari itu return sesungguhnya

yang akan diterima investor adalah selisih antara return portofolio dengan nilai risk-

free rate atau disebut excess return. (Bodie et al., 2013)

Peristiwa ekonomi memberikan dampak secara individu maupun secara

keseluruhan bagi perusahaan. Dampak peristiwa ekonomi dapat tercermin dari

bagaimana harga saham merespon informasi atas kejadian selama pemberitaan

kepada publik. Sejak Juni 2013, nilai tukar rupiah cenderung melemah. Hal yang

sama juga dialami oleh beberapa negara seperti Turki, India, dan Brazil. Indonesia

termasuk salah satu negara yang mengalami penurunan nilai tukar terhadap mata uang

asing. Menurut Burnside et al. (2007), krisis nilai tukar adalah peristiwa menurunnya

nilai mata uang secara substansial dari waktu ke waktu.

2

Penurunan nilai tukar mata uang juga berdampak terhadap pergerakan Indeks

Harga Saham Gabungan (IHSG). Pada Oktober 2008, penurunan secara drastis

dialami oleh IHSG akibat terjadinya krisis moneter sehingga menyentuh posisi

terendah di 1,111 dan pada Maret 2009 perlahan mengalami kenaikan. Namun pada

akhir bulan Juni 2013 kembali mengalami penurunan secara drastis yang diakibatkan

krisis nilai tukar.

Beberapa peneliti telah melakukan penelitian pada periode sebelum dan

sesudah krisis. Olowe (2009), Wu & Chang (2002), dan Kim (1999) dalam

penelitiannya menjelaskan bahwa financial crisis tidak memberikan dampak yang

signifikan terhadap return dan juga terhadap variabel makroekonomi. Namun berbeda

dengan penelitian yang dilakukan oleh Blandon (2011) yang menyebutkan bahwa

financial crisis secara dramatis dapat mengubah perilaku peserta di pasar keuangan.

Ketika berinvestasi, para investor juga akan menghadapi kemungkinan risiko

kerugian yang memiliki perbandingan lurus dengan keuntungan yang didapatkan.

Menurut Gitman (2003), risiko adalah kemungkinan kerugian atau lebih formal

diartikan sebagai variabilitas return yang terkait dengan aset yang telah diserahkan.

Salah satu cara investor untuk mendiversifikasi risiko adalah dengan membentuk

portofolio saham. Kemampuan memprediksi return bagi para investor sangatlah

penting dalam rangka untuk pengambilan keputusan terkait kegiatan investasi. Oleh

karena itu, para peneliti terus melakukan perkembangan atas asset pricing model yang

bertujuan untuk menemukan model terbaik dalam memprediksi return yang optimal.

Sejarah asset pricing model merupakan salah satu evolusi. Ketika sebuah

anomali ditemukan, maka asset pricing model dikembangkan. Asset pricing model

pertama yang paling banyak berkontribusi pada pemberian definisi risiko yang tepat

dan dalam memprediksi return yaitu berasal dari penelitian dari William Sharpe

3

(1964), John Lintner (1965a, b), dan Jan Mossin (1966) yang disebut Capital Asset

Pricing Model (CAPM). Dalam perkembangannya, muncul penelitian Fama dan

French (1992) tentang Three Factor Asset Pricing Model ternyata mampu

menggantikan CAPM. Fama dan French dalam Three Factor Model menemukan

bahwa tidak hanya beta yang mempengaruhi return tetapi size atau ukuran kapitalisasi

perusahaan dan book-to-market ratio setiap perusahaan juga mempengaruhinya.

Kemudian pada tahun 1997, Mark Carhart memperkenalkan Carhart Four Factor

Model dengan menambahkan faktor momentum dalam Three Factor Model yang

dapat menjelaskan mutual fund return.

Pada tahun 2015, Fama dan French melakukan penelitian tentang asset pricing

model baru yaitu Five Factor Model. Tujuan dari dilakukannya penelitian tersebut

adalah untuk menentukan apakah dua faktor baru yaitu profitability dan investment

pattern — yang pertama kali diperkenalkan oleh Hou et al. (2012), dapat lebih

mampu memprediksi return. Sebelumnya, Hou et al. (2012) melakukan pengujian

terhadap asset pricing model dan memperkenalkan q-Factor Model dengan

menambahkan faktor profitability dan investment pattern dalam Three Factor Model

namun tidak mengikutsertakan book-to-market ratio didalam pengujiannya. Hasilnya

menunjukkan bahwa penelitian yang dilakukan oleh Hou et al. (2012) lebih akurat

untuk memprediksi return daripada Three Factor Model. Kemudian Fama dan French

(2015) memperbaiki Three Factor Model dan menambahkan faktor profitability dan

investment pattern dalam penelitiannya. Selain menambahkan dua faktor, Fama dan

French juga membenahi faktor book-to-market karena ketika dilakukan pengujian

dengan q-Factor model yang tidak mengikutsertakan book-to-market dengan Five

Factor Model yang mengikutsertakan faktor book-to-market hasilnya menunjukkan

bahwa q-Factor Model lebih akurat dalam memprediksi return. Oleh karena itu, Fama

dan French mengubah faktor book-to-market menjadi book-to-market orthogonal dan

hasil penelitian Fama dan French (Five Factor Asset Pricing Model) lebih akurat

untuk memprediksi return dibandingkan dengan penelitian Hou et al. (2012) atau q-

Factor Model.

Berdasarkan latar belakang tersebut, peneliti tertarik untuk menganalisis

pengaruh Five Factor Model Fama-French terhadap excess return pada periode

sebelum dan sesudah currency crisis. Dengan melakukan analisis pada periode

sebelum dan sesudah currency crisis menjadikan penelitian ini berbeda dengan

penelitian yang lainnya.

4

1.2. Rumusan Masalah

Permasalahan yang muncul berdasarkan latar belakang yang diatas adalah:

1. Apakah terdapat pengaruh Five Factor Model yang meliputi market excess

return, size, book-to-market orthogonal, profitability, dan investment pattern

secara simultan terhadap excess return pada periode sebelum currency crisis?

2. Apakah terdapat pengaruh Five Factor Model yang meliputi market excess

return, size, book-to-market orthogonal, profitability, dan investment pattern

secara simultan terhadap excess return pada periode sesudah currency crisis?

1.3. Tujuan Penelitian

Berdasarkan permasalahan yang muncul, maka penelitian ini bertujuan untuk:

1. Mengetahui adakah pengaruh secara simultan antara market excess return,

size, book-to-market orthogonal, profitability, dan investment pattern terhadap

excess return pada periode sebelum currency crisis.

2. Mengetahui adakah pengaruh secara simultan antara market excess return,

size, book-to-market orthogonal, profitability, dan investment pattern terhadap

excess return pada periode sesudah currency crisis.

1.4. Manfaat Penelitian

Manfaat dari penelitian ini antara lain:

1) Penelitian ini diharapkan dapat memberi informasi mengenai Five Factor

Model dalam memprediksi return portofolio bagi para investor, sehingga dapat

memberi pertimbangan ketika menganalisis portofolio sekaligus dapat

membantu para investor dalam proses pengambilan keputusan.

2) Penelitian ini dapat menambah wawasan bagi penulis terkait faktor-faktor

yang mempengaruhi excess return portofolio melalui Five Factor Model

Fama-French pada periode sebelum dan sesudah currency crisis. Penelitian ini

juga sebagai penerapan dari ilmu yang telah penulis dapatkan selama kuliah.

3) Bagi akademisi, penelitian ini diharapkan dapat digunakan sebagai referensi

bagi para peneliti selanjutnya yang tertarik untuk meneliti mengenai pasar

modal terutama dengan tema asset pricing model, return portofolio, serta

currency crisis.

5

1.5. Sistematika Penulisan

Bab I : Pendahuluan

Pada bab ini membahas tentang latar belakang penelitian,

permasalahan yang akan dijawab melalui penelitian, tujuan dari

penelitian, manfaat penelitian bagi para investor, bagi penulis, dan bagi

akademisi serta sistematika penulisan penelitian.

Bab II : Tinjauan Pustaka

Pada bab ini berisi teori-teori yang mendukung penelitian ini serta

faktor-faktor yang terdapat pada model yang diteliti (Five Factor

Model Fama-French). Bab ini juga membahas mengenai penelitian

sebelumnya, hipotesis dan model analisis penelitian, serta kerangka

berpikir yang digunakan oleh penulis dalam penelitian ini.

Bab III : Metode Penelitian

Pada bab ini berisi tentang jenis dan sumber data yang digunakan

untuk penelitian, prosedur penentuan sample, serta teknik analisis data

dalam penelitian.

Bab IV : Analisa Data dan Pembahasan

Pada bab ini akan dibahas hasil penelitian bagaimana pengaruh Five

Factor Model Fama-French terhadap excess return pada periode

sebelum dan sesudah currency crisis, serta dicantumkan hasil

pengujiannya.

Bab V : Kesimpulan dan Saran

Pada bab ini berisi tentang kesimpulan dari penelitian yang telah

dilakukan secara keseluruhan dan saran bagi para peneliti selanjutnya

agar dapat dikembangkan dalam penelitian selanjutnya.

6

BAB II

TINJAUAN PUSTAKA

2.1. Investasi Saham

Horne dan Wachowicz (2008) dalam bukunya menjelaskan bahwa keputusan

untuk berinvestasi merupakan hal yang penting ketika perusahaan ingin melakukan

value creation. Serta bagaimana manajer keuangan mengalokasikan dana ke

dalam jenis-jenis investasi yang dapat mendatangkan keuntungan di masa

depan. Selanjutnya, Gitman dan Joehnk (2005) dalam bukunya mendefinisikan

investasi sebagai sarana untuk menempatkan dana dengan harapan akan menghasilkan

hal positif dan/atau menjaga atau meningkatkan dana tersebut.

Saham adalah surat berharga yang merupakan bukti penyertaan kepemilikan

suatu perusahaan (Bodie et al., 2013). Masing-masing lembar saham mewakili satu

suara mengenai hal-hal yang berhubungan dalam pengurusan perusahaan dan dapat

suara tersebut dapat dipergunakan dalam rapat tahunan perusahaan serta dalam

pembagian keuntungan. Perusahaan yang hanya dapat menerbitkan satu kelas saham,

maka saham itu disebut saham biasa, sedangkan apabila perusahaan hendak menarik

investor lain dan memberikan hak-hak istimewa didalam saham yang melebihi saham

biasa, maka perusahaan tersebut dapat menerbitkan saham preferen. Hak istimewa

didalam saham preferen berupa hak prioritas atas pembagian dividen yang tetap

dibagikan apabila terjadi likuidasi. Pemegang saham preferen pada umumnya

memiliki hak suara yang berbeda dengan pemegang saham biasa.

2.2. Portofolio Saham

Portofolio yang baik adalah portofolio yang mampu memberi return dengan

risiko yang dapat ditentukan oleh para investor. Dalam pemilihan saham yang akan

dimasukkan kedalam portofolio, diperlukan metode yang dapat menilai saham mana

saja yang mampu memberikan return bagi para investor. Modern Portfolio Theory

merupakan teori yang memberi investor cara-cara untuk menentukan risiko dan return

dengan memilih aset yang beragam atau bervariasi.

Harry Markowitz merumuskan Modern Portfolio Theory pada tahun 1952

berdasarkan asumsi:

7

1) Evaluasi portofolio dilakukan oleh investor dengan melihat expected

return dan simpangan baku portofolio dalam periode tertentu.

2) Para investor tidak pernah merasa puas, jadi ketika mereka diberikan

pilihan antara dua portofolio dengan simpangan baku identik, para investor

akan memilih portofolio yang mampu memberikan return yang tinggi.

3) Investor memiliki karakteristik sebagai risk averse, sehingga ketika

diberikan pilihan antara dua portofolio dengan expected return yang

identik, mereka akan memilih portofolio dengan simpangan baku yang

rendah.

4) Aset individual dapat dibagi menjadi tidak terbatas, yang berarti bahwa

investor dapat membeli sebagian saham apabila mereka menginginkannya.

5) Adanya risk-free rate yang pada tingkat/rate tersebut para investor dapat

meminjam uang atau memberikan pinjaman.

6) Biaya transaksi dan pajak tidak relevan.

7) Seluruh investor mempunyai rentang periode yang sama.

8) Risk-free interest rate untuk semua investor adalah sama.

9) Informasi dapat diperoleh dengan bebas dan dapat tersedia dengan cepat

bagi seluruh investor.

10) Para investor memiliki persepsi yang sama dalam hal expected return,

simpangan baku, dan kovarian sekuritas.

2.3. Return dan Excess Return

Bodie et al. (2013) menjelaskan bahwa return merupakan penghasilan yang

diperoleh selama periode investasi atas semua dana yang telah diinvestasikan. Secara

umum, return pada suatu investasi adalah persentase dari penghasilan total selama

periode investasi dibandingkan harga beli investasi tersebut. Ketika harga jual lebih

besar dari harga beli maka disebut capital gain. Demikian sebaliknya, ketika harga

jual lebih kecil dari harga beli maka disebut capital loss.

Rumus untuk menghitung return saham adalah (Bodie et al., 2013):

𝑅𝑡 =𝑃𝑡 − 𝑃𝑣

𝑃𝑣

Rt = Actual return saham dan atau indeks pasar pada bulan ke-t

Pt = Harga saham dan atau indeks pasar pada bulan ke-t

Pv = Harga saham dan atau indeks pasar pada bulan ke t-1

8

Dalam proses pembentukan portofolio, diperlukan pengukuran bagi para

investor atas actual return yang diterima dari portofolio dibandingkan jika investor

menginvestasikan dalam aset bebas risiko seperti suku bunga BI. Maka dari itu actual

return yang akan diterima investor adalah selisih dari return portofolio dengan risk-

free rate atau disebut excess return. Excess return adalah perbedaan yang terjadi pada

satu periode tertentu antara tingkat return suatu aset dengan tingkat return yang akan

didapatkan dibandingkan ketika menempatkan dananya pada aset bebas risiko. (Bodie

et al., 2013)

2.4. Five Factor Asset Pricing Model Fama-French

Fama dan French memperkenalkan Five Factor Model yang menambahkan

faktor profitability atau RMW (Robust Minus Weak) dan investment pattern atau

CMA (Conservative Minus Aggressive) didalam Three Factor Model. Kedua faktor

ini adalah penambahan dari q-Factor Model yang diperkenalkan oleh Hou et al.

(2014). Fama dan French (2015) mencatat bahwa dengan menambahkan kelima faktor

itu menghasilkan keakuratan yang lebih baik dibandingkan dengan Three Factor

Model. Faktor yang dipertimbangkan pada Five Factor Model yaitu: market excess

return, size atau SMB (Small Minus Big), book-to-market atau HML (High Minus

Low), serta menambahkan faktor profitability atau RMW (Robust Minus Weak) dan

investment pattern atau CMA (Conservative Minus Aggressive).

Selain menambahkan faktor profitability dan investment pattern, Five Factor

Model juga mengganti faktor HML (High Minus Low) dengan faktor HMLO (High

Minus Low Orthogonal). Pergantian faktor tersebut dilakukan oleh Fama dan French

(2015) karena dalam regresi dari kelima variabel tersebut, q-Factor Model yang tidak

memasukkan variabel HML, menunjukkan hasil yang lebih akurat dibandingkan

dengan Five Factor Model ketika variabel HML dimasukkan sebagai variabel. Karena

itulah Fama dan French (2015) mengganti faktor HML dengan faktor HMLO.

Penggunaan HMLO dikarenakan variabel HML adalah redundant/berlebihan didalam

Five Factor Model. Hal yang menyebabkan Fama dan French (2015) menganggap

bahwa variabel HML sebagai faktor redundant yaitu adanya korelasi antara variabel

HML dengan variabel lainnya, terutama dengan variabel RMW dan CMA.

HMLO adalah nilai dari variabel book-to-market terhadap market return, size,

profitability dan investment pattern ketika nilai dari keempat variabel tersebut tidak

9

mempengaruhi book-to-market ratio. Oleh sebab itu, Fama dan French (2015)

menggunakan return variabel HML dari nilai yang didapatkan dari regresi HML

dengan MKT, SMB, RMW dan CMA. Novy-Marx (2013) mengemukakan bahwa

faktor profitability memiliki kemampuan yang sama dengan faktor book-to-market

dalam menjelaskan return saham.

Setelah mengganti faktor HML dengan HMLO maka rumus Five Factor

Model dapat diketahui dengan (Fama & French, 2015):

E(Ri) = Rf + 𝛽m[E(𝑅m)–𝑅f]+𝛽s𝑆𝑀𝐵 +𝛽h𝐻𝑀𝐿O+𝛽rRMW+𝛽cCMA

Dimana:

E(Ri) = Expected Return Portofolio

Rf = Return yang tidak terpengaruh oleh risiko pasar

E(Rm) = Expected Return indeks pasar

𝛽m = Beta indeks pasar

SMB = Small Minus Big; perbedaan setiap bulan antara rata-rata dari

return pada portofolio saham kecil (S/L, S/H) dan rata- rata

return pada portofolio saham besar (B/L, B/H)

𝛽s = Beta dari SMB

HMLO = High Minus Low Orthogonal; penjumlahan antara intercept

dengan nilai residu dari regresi HML dengan market factor,

size, profitability dan investment pattern

𝛽h = Beta dari HML

RMW = Robust Minus Weak; perbedaan setiap bulan antara rata-rata

return pada portofolio dengan profitability tinggi (S/R dan

B/R) dan rata-rata return pada portofolio dengan profitability

rendah (S/W dan B/W)

𝛽r = Beta dari RMW

CMA = Conservative Minus Aggressive; perbedaan setiap bulan

antara rata-rata return pada portofolio yang perubahan total

asetnya rendah (S/C dan B/C) dan rata-rata return pada

portofolio yang perubahan total asetnya tinggi (S/A dan B/A)

𝛽c = Beta dari CMA

10

Setelah diketahui rumus dari Five Factor Model, dapat dikembangkan lagi

untuk mencari nilai excess return dari portofolio Five Factor Model supaya investor

dapat mengetahui berapa return portofolio yang akan didapat setelah dikurangi risk-

free rate. Pengembangan rumus Five Factor Model dapat ditulis menjadi:

E(Ri)-Rf = Rf+𝛽m[E(𝑅m)–𝑅f]+𝛽s𝑆𝑀𝐵 +𝛽h𝐻𝑀𝐿O+𝛽rRMW+𝛽cCMA

a. Market Excess Return (MKT)

Menurut Franke (1984) dan Fama dan French (1993), market excess return

(MKT) merupakan selisih antara return pasar (Rm) dengan return aset bebas risiko

atau risk-free rate (Rf). Di Indonesia untuk mencari return pasar (Rm) dapat

menggunakan indeks harga saham gabungan (IHSG) untuk keseluruhan industri di

Indonesia. Risk-free rate (Rf) merupakan tingkat bunga yang diperoleh investor

apabila berinvestasi pada aset bebas risiko, misalnya obligasi jangka pendek yang

dikeluarkan oleh pemerintah. Untuk tingkat aset bebas risiko (Rf) dalam penelitian ini

menggunakan SBI.

b. Small Minus Big (SMB)

Small Minus Big (SMB) merupakan salah satu variabel dalam penilaian return

portofolio berdasarkan Five Factor Model Fama-French. SMB merupakan selisih dari

return saham perusahaan dengan nilai kapitalisasi pasar kecil (small caps) pada

periode t dengan return saham perusahaan dengan nilai kapitalisasi pasar besar (big

caps) pada periode t. SMB sendiri dimaksudkan untuk menggambarkan faktor risiko

pada tingkat pengembalian yang berkaitan dengan ukuran perusahaan (firm size).

Menurut Fama dan French (1993), size adalah ukuran kapitalisasi suatu perusahaan

dipasar modal yang diukur dengan nilai saham perusahaan keseluruhan di bursa. Cara

menentukan perusahaan yang masuk golongan big size dan small size adalah dengan

meranking nilai kapitalisasi pasar seluruh perusahaan yang ada di bursa dari yang

terbesar sampai yang terkecil. Perusahaan yang memiliki nilai yang besar akan masuk

golongan big size, sedangkan perusahaan dengan nilai yang kecil akan masuk

golongan small size. Ukuran perusahaan (size) menggambarkan besar kecilnya suatu

perusahaan yang ditunjukkan oleh total aktiva, total penjualan, atau total kapitalisasi

pasar. Kapitalisasi pasar dihitung dengan mengalikan jumlah saham perusahaan yang

beredar (outstanding shares) dengan harga sekarang dari saham tersebut.

11

Menurut Fama dan French (1995), firm size (kapitalisasi pasar) secara parsial

berpengaruh terhadap return. Adapun tingkat pertumbuhan pendapatan perusahaan

kecil (small caps) cenderung lebih besar daripada perusahaan besar (big caps). Hal ini

dikarenakan return saham perusahaan kecil cenderung lebih fluktuatif, dibandingkan

dengan perusahaan besar yang lebih stabil. Harga saham perusahaan besar yang stabil

menyebabkan volatilitas yang kecil sehingga return yang dihasilkan pun juga kecil.

Sehingga dapat disimpulkan bahwa SMB berhubungan positif dengan return

portofolio.

c. High Minus Low (HML)

Variabel selanjutnya yang ada pada Five Factor Model Fama-French adalah

High Minus Low (HML). HML dalam Five Factor Model Fama-French berkaitan

dengan tinggi atau rendahnya nilai book-to-market (B/M) dari perusahaan.

Menurut Rosenberg et al. (1985) serta Fama dan French (1993), book-to-

market ratio adalah rasio perbandingan antara book value of equity suatu perusahaan

dengan market value of equity. Rasio ini menunjukkan seberapa jauh suatu

perusahaan mampu menciptakan nilai perusahaan relatif terhadap jumlah modal yang

diinvestasikan. Book-to-market ratio dapat menjadi indikator bahwa perusahaan

tersebut under value atau over value. Apabila book value suatu sekuritas lebih kecil

dibanding market value (book-to-market ratio < 1), maka saham perusahaan tersebut

over value. Sebaliknya, bila book value sekuritas lebih lebih besar dibanding market

value (book-to-market ratio > 1), maka saham perusahaan tersebut under valued.

Persamaan untuk mendapatkan nilai book-to-market ratio adalah:

𝑩𝒐𝒐𝒌 − 𝒕𝒐 − 𝒎𝒂𝒓𝒌𝒆𝒕 =𝑩𝒐𝒐𝒌 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑬𝒒𝒖𝒊𝒕𝒚

𝑴𝒂𝒓𝒌𝒆𝒕 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑬𝒒𝒖𝒊𝒕𝒚

HML merupakan selisih dari return saham perusahaan dengan nilai B/M

tinggi dengan return saham dari perusahaan dengan nilai B/M rendah. Batas tengah

untuk menentukan nilai B/M tergolong tinggi atau rendah diperoleh berdasarkan rata-

rata nilai B/M dari keseluruhan sampel yang diteliti.

Fama dan French (1995) menyatakan bahwa perusahaan dengan nilai B/M

tinggi mempunyai profitability lebih rendah daripada perusahaan dengan nilai B/M

yang lebih rendah. Nilai B/M yang tinggi juga menunjukkan bahwa perusahaan

sedang dalam kondisi distress. Dengan kondisi seperti ini, pada akhirnya akan terjadi

yang namanya over reaction. Dimana pada akhirnya investor akan menilai saham

12

perusahaan sedang dalam kondisi under value. Under value merupakan kondisi

dimana book value perusahaan lebih tinggi dibandingkan dengan market valuenya.

Perusahaan under value tidak selalu menandakan bahwa kinerja perusahaan

tidak baik, akan tetapi hal ini bisa diakibatkan oleh investor yang menilai saham

perusahaan terlalu rendah. Maka dari itu, nantinya dapat dimungkinkan adanya

koreksi harga naik mendekati nilai wajarnya. Dengan adanya persepsi (positif)

koreksi harga tersebut, akan mendorong investor untuk membeli saham dari

perusahaan-perusahaan dengan nilai B/M yang tinggi dengan harapan mengalami

kenaikan harga yang akan mendorong kenaikan return. Sehingga berdasarkan analisis

tersebut dapat disimpulkan bahwa nilai B/M berpengaruh positif terhadap return

portofolio.

d. Robust Minus Weak (RMW)

Robust Minus Weak (RMW) merupakan salah satu variabel baru dari dua

variabel tambahan yang ada dalam Five Factor Model Fama-French. Variabel RMW

berkaitan erat dengan faktor profitability perusahaan. Profitability adalah kemampuan

perusahaan untuk menghasilkan keuntungan pada tingkat penjualan, aset, dan modal

saham tertentu. Ada tiga rasio yang sering dibicarakan, yaitu: profit margin, return on

asset (ROA) dan return on equity (ROE).

Berdasarkan Hou et al. (2014) dan Chiah et al. (2015), variabel profitability

pada Five Factor Model diproksikan dengan ROE. Perusahaan dengan nilai ROE

yang tinggi nantinya akan masuk dalam kelompok robust, sedangkan perusahaan

dengan nilai ROE yang rendah nantinya akan masuk dalam kelompok weak.

Menurut Horne & Wachowicz (2008), Return on Equity (ROE)

membandingkan laba bersih setelah pajak (dikurangi dividen saham preferen, jika

ada) dengan ekuitas yang telah diinvestasikan oleh pemegang saham di perusahaan.

Return on Equity (ROE) yang tinggi mencerminkan penerimaan perusahaan terhadap

peluang investasi yang kuat dan pengelolaan biaya yang efektif. Semakin tinggi nilai

ROE, maka semakin efisien pula penggunaan modal sendiri yang dilakukan oleh

pihak manajemen perusahaan. Sehingga investor lebih percaya untuk menanamkan

modalnya pada perusahaan dengan nilai ROE yang tinggi, dimana mereka percaya

bahwa perusahaan akan mampu menyisakan atau memberikan margin tertentu (dalam

hal ini adalah dividen) sebagai kompensasi yang wajar untuk investor yang telah

menanamkan modalnya. Bagi investor semakin tinggi ROE menunjukkan risiko

13

investasi yang semakin kecil. Dengan demikian, dapat disimpulkan bahwa nilai ROE

berpengaruh positif terhadap return portofolio.

Berdasarkan Horne dan Wachowicz (2008), nilai ROE perusahaan dapat

dihitung dengan:

𝑹𝑶𝑬𝒕 =𝑵𝑷𝑨𝑻𝒕

𝑺𝑯𝑬𝑸𝒕

Keterangan:

ROEt = return on equity

NPBTt = net profit after tax pada periode t

SHEQt = total share holder's equity pada periode t

e. Conservative Minus Aggressive (CMA)

Variabel baru selanjutnya dalam Five Factor Model Fama-French adalah

Conservative Minus Aggressive (CMA), yang berkaitan dengan faktor investment.

CMA merupakan selisih dari return saham perusahaan dengan conservative

investment dengan return saham perusahaan dengan aggressive investment.

Berdasarkan Cooper et al. (2008), Gray dan Johnson (2011), dan Chiah et al.

(2015), variabel investment dalam model Five Factor Model Fama-French dapat

diproksikan dengan asset growth (AG). Jadi, perusahaan dengan nilai AG tinggi

nantinya akan masuk pada kelompok aggressive dan perusahaan dengan nilai AG

rendah akan masuk pada kelompok conservative.

Cooper et al. (2008) dalam penelitiannya menjelaskan bahwa asset growth

(AG) merupakan prediktor kuat terhadap abnormal return di masa yang akan datang.

Asset growth mempertahankan kemampuan peramalan bahkan pada saham

kapitalisasi besar. Perusahaan yang sedang dalam tahap pertumbuhan akan

membutuhkan dana yang besar. Dikarenakan kebutuhan dana yang makin besar

tersebut, maka perusahaan akan lebih cenderung untuk menahan sebagian besar

pendapatannya. Semakin besar pendapatan yang ditahan dalam perusahaan, dapat

diartikan bahwa semakin rendah dividen yang dibayarkan kepada para pemegang

saham. Rendahnya pembayaran dividen akan menjadikan perusahaan makin kurang

menarik bagi investor. Tingkat pertumbuhan yang cepat mengidentifikasikan bahwa

perusahaan tersebut sedang mengadakan ekspansi. Sehingga berdasarkan analisis

tersebut dapat disimpulkan bahwa nilai AG berpengaruh positif terhadap return

portofolio.

14

Berdasarkan Cooper et al. (2008), nilai asset growth (AG) suatu perusahaan

dapat dihitung dengan:

𝑨𝑮𝒕 = 𝑻𝑨𝒕−𝑻𝑨𝒕−𝟏

𝑻𝑨𝒕−𝟏

Keterangan:

AGt = asset growth, perubahan (tingkat pertumbuhan) tahunan dari aset

total

TAt = total aset pada periode t

TA(t-1) = total aset pada periode t-1

2.5. Penelitian Sebelumnya

Fama dan French (1992) melakukan penelitian mengenai asset pricing model

dan berhasil memperkenalkan asset pricing model baru yang dapat menggantikan

CAPM dalam memprediksi return yaitu Three Factor Model. Pemikiran Fama dan

French (1992) mengenai Three Factor Model didasari oleh penelitian yang dilakukan

oleh Banz (1981), Rosenberg et al. (1985), Bhandari (1988), dan Chan et al. (1991).

Mereka meneliti adanya kontradiksi empiris bahwa rata–rata return tidak hanya

dipengaruhi oleh beta (Fama & French, 1992). Hal ini juga sesuai dengan hasil

penelitian Lam (2002) menyatakan bahwa size dan book to market equity merupakan

variabel yang mempengaruhi cross section return sedangkan beta tidak berpengaruh

pada cross section return portofolio pada bursa Hongkong periode Juli 1984–Juni

1997.

Fama dan French (2015), melakukan pengembangan pada Three Factor Model

dengan memperkenalkan Five Factor Model dimana Fama dan French menambahkan

dua faktor baru yakni faktor profitability (RMW) dan faktor investment (CMA).

Penambahan variabel RMW dan CMA yang sebelumnya diperkenalkan oleh Hou et

al. (2012), serta perubahan variabel HML menjadi HMLO, ternyata mampu

memberikan hasil yang lebih akurat dalam memprediksi return saham. Penelitian ini

juga didukung oleh Chiah et al. (2015) yang menunjukkan bahwa Five Factor Model

lebih akurat dari q-Factor Model.

Perubahan variabel HML menjadi HMLO dilakukan oleh Fama dan French

(2015) karena variabel HML adalah redundant/berlebihan didalam Five Factor

Model. Hal yang menyebabkan Fama dan French (2015) menganggap bahwa variabel

15

HML sebagai faktor redundant yaitu adanya korelasi antara variabel HML dengan

variabel lainnya, terutama dengan variabel RMW dan CMA.

Di dalam penelitian Fama dan French (2015) juga ditunjukkan bahwa

konstruksi portofolio 2x2 lebih akurat dibandingkan dengan kontruksi 2x3 maupun

2x2x2x2. Adapun hasil dari penelitian tersebut menunjukkan bahwa Five Factor

Model lebih akurat dalam memprediksi dan menjelaskan return saham pada NYSE

dibandingkan dengan model sebelumnya, yaitu Three Factor Model.

Selain itu, penelitian mengenai Five Factor Model pernah dilakukan oleh

Chiah et al. (2015) pada saham yang diperdagangkan di ASX, dengan periode sampel

yang digunakan adalah antara Januari 1982 hingga Desember 2013, dimana penelitian

tersebut bertujuan untuk menguji performa dari Five Factor Model dalam harga

ekuitas Australia. Hasil dari penelitian tersebut menunjukkan bahwa Five Factor

Model lebih mampu untuk menjelaskan anomali harga aset daripada Three Factor

Model. Namun, dikatakan bahwa masih perlu dilakukan perbaikan, sebagaimana Five

Factor Model tidak dapat menjelaskan sepenuhnya variasi time-series dalam return

portofolio.

2.6. Pengembangan Hipotesis

Kemampuan investor dalam memprediksi return sangat diperlukan sehingga

para peneliti terus melakukan perkembangan pada asset pricing model. Market excess

return, size, book-to-market orthogonal, profitability, dan investment pattern

merupakan faktor-faktor dalam Five Factor Asset Pricing Model dimana model ini

adalah model yang lebih efektif untuk memprediksi return dibandingkan dengan q-

factor model (Fama & French, 2015).

Dalam memutuskan untuk berinvestasi, para investor dihadapkan dengan

risiko-risiko yang mungkin terjadi, termasuk krisis. Olowe (2009) melakukan

penelitian selama periode terjadinya global financial crisis pada Nigerian Stock

Exchange. Dalam hasil penelitiannya dijelaskan bahwa risiko global financial crisis

memiliki hubungan positif tetapi tidak signifikan dengan return dan global financial

crisis tidak berdampak pada return saham.

Wu dan Chang (2002) melakukan penelitian apakah financial crisis yang

terjadi di Asia pada tahun 1997 berdampak pada sektor real estate di Taiwan selama

periode sebelum dan sesudah krisis dan hasilnya membuktikan bahwa financial crisis

yang terjadi membawa dampak yang tidak signifikan. Wu dan Chang (2002)

16

menekankan penelitian tersebut pada variabel makroekonomi seperti GDP, jumlah

uang beredar, dan indeks harga konsumen. Pendapat serupa disuarakan oleh Kim

(1999) dalam penelitiannya tentang pasar real estate di Korea dan Reinhart (2010)

dalam penelitiannya tentang ”The Impact of the Global Fall”.

Dari beberapa penelitian diatas, peneliti menarik kesimpulan bahwa krisis

yang terjadi tidak membawa dampak yang signifikan terhadap perekonomian

sehingga faktor-faktor dalam asset pricing model dapat bekerja secara efektif

berpengaruh terhadap return. Maka disimpulkan hipotesis:

H1 : Five Factor Model yang meliputi market excess return, size, book-to-market

orthogonal, profitability, dan investment pattern memiliki pengaruh secara

simultan terhadap excess return pada periode sebelum currency crisis.

Blandón (2011) dalam penelitiannya mengatakan bahwa financial crisis secara

dramatis mempengaruhi perilaku harga saham di seluruh dunia, yang menyebabkan,

antara lain, peningkatan volatilitas harga yang sangat besar dan mungkin mengubah

perilaku peserta di pasar keuangan. Berdasarkan penelitian tersebut, peneliti menarik

kesimpulan bahwa krisis yang terjadi membawa dampak yang sangat signifikan

terhadap pasar keuangan dan return saham. Maka disimpulkan hipotesis:

H2 : Five Factor Model yang meliputi market excess return, size, book-to-market

orthogonal, profitability, dan investment pattern memiliki pengaruh secara

simultan terhadap excess return pada periode sesudah currency crisis.

17

BAB III

METODE PENELITIAN

3.1. Pendekatan Penelitian

Penelitian ini menggunakan teknik multiple regression untuk menguji

hipotesis penelitian dan merupakan penelitian hypothesis testing yang bertujuan untuk

meneliti hipotesis yang diajukan peneliti sehingga dapat menghasilkan sebuah

kesimpulan. Adapun penelitian ini menggunakan data-data kuantitatif berdasarkan

pada variabel-variabel dan model penelitian yang telah disusun pada bab sebelumnya.

Pendekatan penelitian yang digunakan adalah uji pengaruh variabel Five Factor

Model terhadap excess return portofolio pada periode sebelum dan sesudah currency

crisis. Populasi dari penelitian ini adalah harga saham perusahaan yang terdaftar di

Bursa Efek Indonesia. Sedangkan sampel dari penelitian ini adalah harga saham dari

perusahaan yang termasuk dalam Kompas 100 di Bursa Efek Indonesia selama tahun

2010 sampai 2016. Alat statistik yang akan digunakan didalam penelitian ini adalah

software SPSS 24.

3.2. Definisi Operasional dan Pengukuran Variabel

Berdasarkan latar belakang dan rumusan permasalahan yang ada, maka pada

peneltian ini menggunakan variabel-variabel sebagai berikut:

1) Variabel dependen menggunakan excess return portofolio

2) Variabel independen adalah:

a. Market excess return (MKT)

b. Small Minus Big (SMB)

c. High Minus Low (HML)

d. Robust Minus Weak (RMW)

e. Conservative Minus Aggressive (CMA)

Berikut akan dijelaskan definisi operasional dari masing-masing variabel

beserta rumus yang digunakan:

3.2.1 Excess return Portofolio

Excess return adalah perbedaan yang terjadi pada satu periode tertentu antara

tingkat return suatu aset dengan tingkat return yang akan didapatkan dibandingkan

ketika menempatkan dananya pada aset bebas risiko. (Bodie et al., 2013)

18

Excess return dapat diperoleh dengan cara menghitung selisih antara return

portofolio dengan risk-free rate.

𝑹𝒊 = 𝒓𝒊 − 𝒓𝒇

Keterangan:

Ri = Excess return

ri = Actual Return

rf = Risk-free rate

3.2.2 Market Excess Return (MKT)

Menurut Franke (1984) serta Fama dan French (1993), market excess return

(MKT) merupakan selisih antara return pasar (Rm) dengan return aset bebas risiko

atau risk-free rate (Rf). Di Indonesia untuk mencari return pasar (Rm) dapat

menggunakan Indeks Harga Saham Gabungan (IHSG), sedangkan risk-free rate (Rf)

menggunakan SBI.

Untuk mencari market excess return (MKT), maka rumus perhitungannya

adalah sebagai berikut:

𝑴𝑲𝑻𝒕 = 𝑹𝒎𝒕 − 𝑹𝒇𝒕

Keterangan:

MKTt = market excess return pada periode t

Rmt = nilai return pasar pada periode t

Rft = nilai risk-free rate pada periode t

3.2.3 Small Minus Big (SMB)

Small Minus Big (SMB) merupakan variabel yang didasarkan pada ukuran

besar kecilnya perusahaan dan ukuran besar kecilnya perusahaan didasarkan pada

besar kecilnya kapitalisasi pasar. SMB sendiri dimaksudkan untuk menggambarkan

faktor risiko pada tingkat pengembalian yang berkaitan dengan ukuran perusahaan

(firm size). Penilaian terhadap SMB adalah dengan mengelompokkan perusahaan

berdasarkan ukuran perusahaan (firm size) yang didasarkan pada besar kecilnya nilai

kapitalisasi sahamnya pada perdagangan di Bursa Efek Indonesia. Dalam

mengelompokkan perusahaan berdasarkan SMB, maka nantinya akan diurutkan mulai

dari perusahaan dengan nilai kapitalisasi besar (big caps) hingga hingga perusahaan

dengan nilai kapitalisasi kecil (small caps). Menurut Fama dan French (1993),

19

kapitalisasi pasar dihitung dengan mengalikan jumlah saham perusahaan yang beredar

(outstanding shares) dengan harga sekarang dari saham tersebut.

Rumus perhitungan kelompok Small Minus Big (SMB) adalah sebagai berikut

(Fama & French, 1993):

𝑺𝑴𝑩𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒔𝒎𝒂𝒍𝒍)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒃𝒊𝒈)𝒕

Keterangan:

SMBt = selisih antara return saham perusahaan small caps

dengan return saham perusahaan big caps pada periode

t

MeanRi(small)t = rata-rata return saham pada kelompok perusahaan

small caps pada periode t

MeanRi(big)t = rata-rata return saham pada kelompok perusahaan big

caps pada periode t

Kemudian nilai kapitalisasi pasar saham perusahaan dalam Five Factor Model

Fama-French dikelompokkan menjadi dua belas portofolio berdasarkan perpotongan

(cross section) antara nilai kapitalisasi perusahaan (SMB), nilai book-to-market

(HML), nilai return on equity atau ROE (RMW), dan nilai asset growth atau AG

(CMA) perusahaan, sehingga terbentuk portofolio SH, SL, SR, SW, SC, SA, BH, BL,

BR, BW, BC, dan BA.

Untuk menentukan nilai SMB (Five Factor Model Fama-French) adalah:

𝑺𝑴𝑩𝒕 =(𝑺𝑯 + 𝑺𝑳 + 𝑺𝑹 + 𝑺𝑾 + 𝑺𝑪 + 𝑺𝑨) − (𝑩𝑯 + 𝑩𝑳 + 𝑩𝑹 + 𝑩𝑾 + 𝑩𝑪 + 𝑩𝑨

𝟔

SMBt = selisih return antara return saham small caps (setelah cross section)

dengan return saham perusahaan big caps (setelah cross section) pada

periode t

SH = rata-rata return saham pada kelompok perusahaan small caps-high

B/M pada periode t

SL = rata-rata return saham pada kelompok perusahaan small caps-low

B/M pada periode t

SR = rata-rata return saham pada kelompok perusahaan small caps-robust

profitability pada periode t

SW = rata-rata return saham pada kelompok perusahaan small caps-weak

profitability pada periode t

20

SC = rata-rata return saham pada kelompok perusahaan small caps-

conservative investment pada periode t

SA = rata-rata return saham pada kelompok perusahaan small caps-

aggressive investment pada periode t

BH = rata-rata return saham pada kelompok perusahaan big caps-high

B/M pada periode t

BL = rata-rata return saham pada kelompok perusahaan big caps-low B/M

pada periode t

BR = rata-rata return saham pada kelompok perusahaan big caps-robust

profitability pada periode t

BW = rata-rata return saham pada kelompok perusahaan big caps-weak

profitability pada periode t

BC = rata-rata return saham pada kelompok perusahaan big caps-

conservative investment pada periode t

BA = rata-rata return saham pada kelompok perusahaan big caps-

aggressive investment pada periode t

3.2.4 High Minus Low (HML)

High Minus Low (HML) merupakan variabel yang didasarkan pada nilai book-

to-market (B/M), dimana HML dimaksudkan untuk menggambarkan faktor risiko

pada tingkat pengembalian yang berhubungan dengan firm value atau dalam hal ini

adalah book-to-market ratio. Penilaian terhadap HML adalah dengan

mengelompokkan perusahaan berdasarkan tinggi rendahnya nilai book-to-market

(B/M) perusahaan sampel. Book-to-market (B/M) merupakan nilai perbandingan

antara nilai buku (book value) perusahaan terhadap nilai pasar (market value)

perusahaan di pasar modal. Nantinya perusahaan akan dikelompokkan menjadi

perusahaan dengan kelompok nilai B/M tinggi (high) dan perusahaan dengan nilai

B/M rendah (low).

Rumus perhitungan kelompok High Minus Low (HML) menurut Fama dan

French (1993) adalah sebagai berikut:

𝑯𝑴𝑳𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒉𝒊𝒈𝒉)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒍𝒐𝒘)𝒕

21

HMLt = selisih return antara return saham perusahaan dengan high

B/M dengan return saham perusahaan dengan low B/M pada

periode t

MeanRi(high)t = rata-rata return saham pada kelompok perusahaan high B/M

pada periode t

MeanRi(low)t = rata-rata return saham pada kelompok perusahaan low B/M

pada periode t

Kemudian nilai B/M perusahaan dikelompokkan menjadi empat portofolio

berdasarkan perpotongan (cross section) antara nilai B/M perusahaan (HML) dengan

nilai kapitalisasi perusahaan (SMB) sehingga terbentuk portofolio SH, BH, SL, dan

BL.

Untuk menentukan nilai HML adalah:

𝑯𝑴𝑳𝒕 =(𝑺𝑯 + 𝑩𝑯) − (𝑺𝑳 + 𝑩𝑳)

𝟐

Keterangan:

HMLt = selisih return antara return saham perusahaan high B/M (setelah

cross section) dengan return saham perusahaan low B/M (setelah cross

section) pada periode t

SH = rata-rata return saham pada kelompok perusahaan small caps-high

B/M pada periode t

BH = rata-rata return saham pada kelompok perusahaan big caps-high

B/M pada periode t

SL = rata-rata return saham pada kelompok perusahaan small caps-low

B/M pada periode t

BL = rata-rata return saham pada kelompok perusahaan big caps-low B/M

pada periode t

3.2.5 High Minus Low Orthogonal (HMLO)

Nilai HMLO dapat diketahui dengan menjumlahkan intercept dengan nilai

residu dari regresi HML dengan Market Factor, Size, Profitability dan Investment

Pattern. Untuk nilai beta dari variabel HMLO tetap menggunakan beta dari variabel

HML (Fama & French, 2015).

𝑯𝑴𝑳𝑶 = 𝑰𝒏𝒕𝒆𝒓𝒄𝒆𝒑𝒕𝑯𝑴𝑳 + 𝑹𝒆𝒔𝒊𝒅𝒖𝒂𝒍𝑯𝑴𝑳

22

3.2.6 Robust Minus Weak (RMW)

Variabel baru yang ditambahkan oleh Fama dan French pada Five Factor

Model adalah variabel Robust Minus Weak (RMW), RMW merupakan variabel yang

menggambarkan faktor risiko pada tingkat pengembalian yang berhubungan dengan

profitability perusahaan, dimana dalam penelitian ini diwakili oleh ROE. Nilai return

on equity (ROE) dalam penelitian ini menunjukkan seberapa besar kemampuan

perusahaan untuk menghasilkan laba sebelum pajak dengan menggunakan modal

sendiri yang dimiliki perusahaan.

Dalam mengelompokkan perusahaan berdasarkan nilai profitability, maka

nantinya perusahaan akan dikelompokkan menjadi dua kelompok, yakni perusahaan

dengan nilai ROE tinggi akan masuk dalam kelompok robust dan perusahaan dengan

nilai ROE rendah akan masuk dalam kelompok weak.

Rumus perhitungan kelompok Robust Minus Weak (RMW) adalah sebagai

berikut (Hou et al., 2014):

𝑹𝑴𝑾𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒓𝒐𝒃𝒖𝒔𝒕)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒘𝒆𝒂𝒌)𝒕

Keterangan:

RMWt = selisih return antara return saham perusahaan robust

dengan return saham perusahaan weak pada periode t

MeanRi(robust)t = rata-rata return saham pada kelompok perusahaan

robust pada periode t

MeanRi(weak)t = rata-rata return saham pada kelompok perusahaan

weak pada periode t

Kemudian nilai profitability (ROE) perusahaan dikelompokkan menjadi empat

portofolio berdasarkan perpotongan (cross section) antara nilai ROE (RMW) dan nilai

kapitalisasi perusahaan (SMB), sehingga terbentuk portofolio SR, BR, SW, dan BW.

Untuk menentukan nilai RMW adalah:

𝑹𝑴𝑾𝒕 =(𝑺𝑹 + 𝑩𝑹) − (𝑺𝑾 + 𝑩𝑾)

𝟐

Keterangan:

RMWt = selisih return antara return saham perusahaan robust (setelah cross

section) dengan return saham perusahaan weak (setelah cross section)

pada periode t

SR = rata-rata return saham pada kelompok perusahaan small caps-robust

pada periode t

23

BR = rata-rata return saham pada kelompok perusahaan big caps-robust

pada periode t

SW = rata-rata return saham pada kelompok perusahaan small caps-weak

pada periode t

BW = rata-rata return saham pada kelompok perusahaan big caps-weak

pada periode t

3.2.7 Conservative Minus Aggressive (CMA)

Dalam penelitian ini CMA menggambarkan faktor risiko pada tingkat

pengembalian yang berhubungan dengan investment. Investment yang dimaksudkan

adalah nilai dari asset growth (AG) perusahaan, dimana nilai AG menunjukkan

seberapa besar kemampuan perusahaan untuk berkembang dibandingkan dengan

periode sebelumnya.

Pada nantinya, perusahaan dengan nilai AG rendah akan masuk pada

kelompok conservative, sedangkan perusahaan dengan nilai AG tinggi akan masuk

pada kelompok aggressive.

Rumus perhitungan kelompok Conservative Minus Aggressive (CMA) adalah

sebagai berikut (Hou et al., 2014):

𝑪𝑴𝑨𝒕 = 𝑴𝒆𝒂𝒏𝑹𝒊(𝒄𝒐𝒏𝒔𝒆𝒓𝒗𝒂𝒕𝒊𝒗𝒆)𝒕 − 𝑴𝒆𝒂𝒏𝑹𝒊(𝒂𝒈𝒈𝒓𝒆𝒔𝒊𝒗𝒆)𝒕

Keterangan:

CMAt = selisih return antara return saham perusahaan

conservative dengan return saham perusahaan

aggressive pada periode t

MeanRi(conservative)t = rata-rata return saham pada kelompok perusahaan

conservative pada periode t

MeanRi(aggresive)t = rata-rata return saham pada kelompok perusahaan

aggressive pada periode t

Kemudian nilai investasi perusahaan dikelompokkan menjadi empat portofolio

berdasarkan perpotongan (cross section) antara nilai asset growth perusahaan (CMA)

dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk portofolio SC, BC, SA,

dan BA.

Untuk menentukan nilai CMA adalah:

𝑪𝑴𝑨𝒕 =(𝑺𝑪 + 𝑩𝑪) − (𝑺𝑨 + 𝑩𝑨)

𝟐

24

Keterangan:

CMAt = selisih return antara return saham perusahaan conservative (setelah

cross section) dengan return saham perusahaan aggressive (setelah

cross section) pada periode t

SC = rata-rata return saham pada kelompok perusahaan small caps-

conservative pada periode t

BC = rata-rata return saham pada kelompok perusahaan big caps-

conservative pada periode t

SA = rata-rata return saham pada kelompok perusahaan small caps-

aggressive pada periode t

BA = rata-rata return saham pada kelompok perusahaan big caps-

aggressive pada periode t

3.2.8 Five Factor Asset Pricing Model Fama-French

Menurut Fama dan French (2015), Five Factor Model adalah model penilaian

aset yang menjelaskan hubungan antara return portofolio terhadap market excess

return, firm size, book-to-market orthogonal, profitability dan investment pattern.

Perhitungan untuk Five Factor Model adalah:

E(Ri)-Rf = Rf+𝛽m[E(𝑅m)–𝑅f]+𝛽s𝑆𝑀𝐵 +𝛽h𝐻𝑀𝐿O+𝛽rRMW+𝛽cCMA

3.3. Prosedur Penentuan Sample

Populasi = Perusahaan yang terdaftar di Bursa Efek Indonesia

Sampel = Perusahaan yang termasuk dalam Kompas 100 di Bursa Efek

Indonesia selama tahun 2010 sampai 2016

Teknik pengambilan sampel yang digunakan pada penelitian ini adalah

purposive sampling, yaitu teknik pemilihan sampel dengan menggunakan kriteria

tertentu. Kriteria yang digunakan pada penelitian ini adalah :

1) Perusahaan yang termasuk dalam Kompas 100 di Bursa Efek Indonesia selama

tahun 2010 sampai 2016.

2) Perusahaan mempunyai data harga saham tahunan yang lengkap (tidak pernah

suspense) selama tahun penelitian.

3) Perusahaan mempunyai data laporan keuangan tahunan (audited) yang

lengkap selama periode tahun 2010 sampai 2016

25

4) Perusahaan yang tidak memiliki nilai book-to-market ratio yang negatif tidak

diikutkan didalam penelitian ini. Nilai book-to-market ratio yang negatif dapat

diartikan bahwa perusahaan mempunyai nilai buku ekuitas yang negatif

sehingga likuiditas perusahaan lebih besar daripada aset yang menandakan

perusahaan sedang dalam keadaan distress.

5) Perusahaan yang dimasukkan dalam penelitian ini adalah perusahaan yang

selama tahun penelitian membukukan net income yang positif dan memiliki

tingkat pertumbuhan aset tiap tahun yang positif pula.

Berdasarkan kriteria pemilihan sampel di atas, banyaknya perusahaan yang

terdaftar di Kompas 100 selama periode 2010 hingga 2016 adalah sebanyak 100

perusahaan, adapun perusahaan yang mempunyai nilai B/M, ROE, serta AG negatif

selama periode tersebut sebanyak 44 perusahaan, sehinggga total perusahaan yang

memenuhi kriteria pemilihan sampel adalah sebanyak 56 perusahaan.

3.4. Instrumen Penelitian

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Dimana

data-data yang ada dalam penelitian ini diperoleh dari www.finance.yahoo.com dan

www.idx.co.id yang berupa data historis harga saham bulanan serta laporan keuangan

tahunan (audited) dari perusahaan-perusahaan sampel selama tahun 2010 hingga

2016.

3.5. Analisis Statistik

Penelitian ini menggunakan teknik multiple regression untuk menguji

hipotesis penelitian. Sebelum melakukan analisis multiple regression maka diperlukan

pembentukan portofolio dari model Five Factor Model Fama-French.

Berikut adalah konstruksi portofolio bagaimana variabel SMB, HML, RMW,

dan CMA dibangun dengan menghitung rata-rata return perusahaan yang termasuk

golongan dari keempat faktor diatas. Cara yang digunakan didalam pembentukan

konstruksi portofolio ini mengikuti aturan dari Fama dan French (2015) yang

menggunakan konstruksi portofolio dengan skema 2x2. Skema 2x2 mengelompokkan

perusahaan berdasarkan nilai median. Artinya pada variabel SMB, 50% perusahaan

yang memiliki nilai kapitalisasi yang besar akan digolongkan menjadi big size,

sedangkan 50% perusahaan yang memiliki nilai kapitalisasi yang kecil akan

digolongkan menjadi small size. Untuk variabel HML, RMW dan CMA juga

26

diberlakukan aturan yang sama dengan variabel SMB. Penggunaan konstruksi

portofolio dengan skema 2x2 ini dilatarbelakangi oleh hasil penelitian dari Fama dan

French (2015) yang menyatakan bahwa konstruksi portofolio 2x2 lebih

terdiversifikasi karena semua perusahaan akan dimasukkan didalam portofolio

daripada konstruksi portofolio dengan skema 2x3.

1. Pembentukan kelompok portofolio Small Minus Big (SMB)

1) Menghitung kapitalisasi pasar perusahaan sampel, kemudian diurutkan

dari perusahaan dengan nilai kapitalisasi pasar terkecil hingga yang

terbesar per tahun.

2) Portofolio kelompok small merupakan kelompok perusahaan dengan

persentase 50% terbawah, sedangkan kelompok dengan persentase 50%

teratas termasuk kedalam kelompok big.

3) Portofolio SMB akan dibagi menjadi dua belas portofolio, hal ini sesuai

dengan cross section antara nilai kapitalisasi perusahaan (SMB), nilai B/M

(HML), nilai ROE (RMW), dan nilai AG perusahaan (CMA). Persentase

sampel untuk masing-masing variabel adalah 50% teratas (untuk kelompok

high, robust, dan aggressive), dan 50% terbawah (untuk kelompok low,

weak, dan conservative). Dimana pada kelompok small akan terbentuk

portofolio SH, SL, SR, SW, SC, dan SA. Sedangkan pada kelompok big

akan terbentuk portofolio BH, BL, BR, BW, BC, dan BA.

2. Pembentukan kelompok portofolio High Minus Low (HML)

1) Menghitung B/M perusahaan sampel, lalu diurutkan dari perusahaan

dengan nilai B/M terendah hingga perusahaan dengan nilai B/M tertinggi

per tahun.

2) Portofolio kelompok high merupakan perusahaan dengan persentase nilai

B/M 50% teratas atau tertinggi, kelompok low merupakan perusahaan

dengan persentase nilai B/M 50% terbawah atau terendah.

3) Portofolio HML diperoleh dari cross section antara nilai B/M perusahaan

(HML) dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk empat

portofolio. Dimana portofolio SH dan BH masuk kedalam kelompok

perusahaan high, sedangkan portofolio SL dan BL masuk kedalam

kelompok low.

3. Pembentukan kelompok portofolio Robust Minus Weak (RMW)

27

1) Menghitung nilai ROE perusahaan sampel, lalu diurutkan dari perusahaan

dengan nilai ROE terendah hingga perusahaan dengan nilai ROE tertinggi

per tahun.

2) Portofolio kelompok robust merupakan perusahaan dengan persentase

nilai ROE 50% teratas atau tertinggi, kelompok weak merupakan

perusahaan dengan persentase nilai ROE 50% terbawah atau terendah.

3) Portofolio RMW diperoleh dari cross section antara nilai ROE perusahaan

(RMW) dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk

empat portofolio. Dimana portofolio SR dan BR masuk kedalam kelompok

perusahaan robust, sedangkan portofolio SW dan BW masuk kedalam

kelompok weak.

4. Pembentukan kelompok portofolio Conservative Minus Aggressive (CMA)

1) Menghitung nilai AG perusahaan sampel, lalu diurutkan dari perusahaan

dengan nilai AG terendah hingga perusahaan dengan nilai AG tertinggi per

tahun.

2) Portofolio kelompok conservative merupakan perusahaan dengan

persentase nilai AG 50% terendah, kelompok aggressive merupakan

perusahaan dengan persentase nilai AG 50% tertinggi.

3) Portofolio CMA diperoleh dari cross section antara nilai AG perusahaan

(CMA) dan nilai kapitalisasi perusahaan (SMB), sehingga terbentuk empat

portofolio. Dimana portofolio SC dan BC masuk kedalam kelompok

perusahaan conservative, sedangkan portofolio SA dan BA masuk

kedalam kelompok aggressive.

5. Menghitung excess return portofolio menggunakan rata-rata excess return

perusahaan selama periode 2010 sampai 2016 dari seluruh saham yang

menjadi anggota portofolio tersebut dengan asumsi proporsi penyertaan setiap

saham didalam portofolio adalah sama.

6. Melakukan transformasi data mentah sampel penelitian menjadi variabel-

variabel yang sesuai dengan definisi operasional.

7. Melakukan analisis regresi dengan menggunakan data hasil perhitungan yang

ada pada tahap 1 dengan persamaan Five Factor Model Fama-French.

8. Menentukan uji asumsi klasik

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada

analisis regresi linear berganda yang berbasis Ordinary Least Square (OLS).

28

Ordinary Least Square adalah suatu metode ekonometrik dimana terdapat

variabel independen yang merupakan variabel penjelas dan variabel dependen

yaitu variabel yang dijelaskan dalam suatu persamaan linear. Dalam OLS

hanya terdapat satu variabel dependen, sedangkan untuk variabel independen

jumlahnya bisa lebih dari satu. Model regresi berganda disebut sebagai model

yang baik jika memenuhi beberapa asumsi klasik yaitu residual terdistribusi

normal, tidak adanya multikolinearitas, tidak adanya autokorelasi, dan tidak

adanya heterokedastisitas. Uji asumsi klasik dalam penelitian ini adalah

a. Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah data atau variabel yang

digunakan telah terdistribusi normal atau tidak.

Uji normalitas pada penelitian ini adalah uji Kolmogorov-Smirnov.

Adapun hipotesis dalam uji ini adalah:

H0 = data terdistribusi normal

H1 = data tidak terdistribusi normal

H0 diterima apabila nilai signifikansi >0,05.

b. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk mendeteksi apakah terdapat kolerasi

antar variabel bebas didalam model regresi. Uji multikolinearitas dapat

diketahui dengan melihat nilai Tolerance dan nilai Variation Inflation

Factor (VIF). Nilai Tolerance > 0,10 dan nilai VIF < 10, maka dapat

dikatakan bahwa variabel bebas tidak mengalami multikolinearitas.

c. Uji Autokolerasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model

regresi linear ada korelasi antara kesalahan pengganggu pada periode t

dengan periode sebelumnya. Uji autokorelasi dalam penelitian ini

menggunakan uji Runs Test, korelasi dalam residual tidak akan terjadi jika

nilai Runs Test > 0,05.

d. Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke

pengamatan yang lain. Jika residualnya mempunyai variance yang sama,

maka telah terjadi homoskedastisitas dan jika variance tidak sama maka

disebut heterokedastisitas. Persamaan regresi yang baik adalah jika tidak

29

terjadi heterokedastisitas. Uji heterokedastisitas dalam penelitian ini

menggunakan uji korelasi Spearman’s Rho yaitu mengkorelasikan variabel

independen dengan nilai unstandarized residual. Model regresi tidak

mengalami heterokedastisitas jika nilai signifikasi > 0,05 dengan uji 2 sisi.

e. Uji F

Melakukan uji F untuk melihat pengaruh variabel independen terhadap

variabel dependen. Selanjutnya menghitung nilai Adjusted R2 yang

bertujuan untuk menentukan proporsi atau persentase total variance dalam

variabel terikat yang diterangkan oleh variabel bebas (Lind et al., 2008).

1) Merumuskan hipotesis statistik:

H0 : β1= β2= β3= β4= β5= 0, variabel MKT, SMB, HMLO, RMW, dan

CMA sebagai variabel independen secara simultan memiliki pengaruh

terhadap excess return portofolio pada periode sebelum currency

crisis.

H0 : β1= β2= β3= β4= β5= 0, variabel MKT, SMB, HMLO, RMW, dan

CMA sebagai variabel independen secara simultan memiliki pengaruh

terhadap excess return portofolio pada periode sesudah currency crisis.

H1: β1≠β2≠ β3≠ β4≠ β5≠ 0, variabel MKT, SMB, HMLO, RMW, dan

CMA sebagai variabel independen secara simultan tidak memiliki

pengaruh terhadap excess return portofolio pada periode sebelum

currency criris.

H1: β1≠β2≠ β3≠ β4≠ β5≠ 0, variabel MKT, SMB, HMLO, RMW, dan

CMA sebagai variabel independen secara simultan tidak memiliki

pengaruh terhadap excess return portofolio pada periode sebelum

currency criris.

2) Melihat nilai signifikansi yaitu sebesar 0,05 atau 5%

Jika nilai signifikansi ≥ 0,05 maka H1 diterima dan H0 ditolak.

Jika nilai signifikansi ≤ 0,05 maka H1 ditolak dan H0 diterima.

9. Menginterpretasikan data yang sudah dianalisis.

10. Menyimpulkan hasil analisis.

30

BAB IV

ANALISA DATA DAN PEMBAHASAN

4.1. Deskripsi Data

4.1.1 Deskripsi Hasil Penelitian

Tabel 4.1

Deskripsi Statistik Excess Return Portofolio Sebelum Currency Crisis

Portofolio Min Max Average Stdev

SH -0,112000 0,205996 0,025401 0,069545

SL -0,184869 0,327689 0,067549 0,099486

SR -0,073152 0,298577 0,062272 0,073275

SW -0,141265 0,203679 0,028745 0,081650

SC -0,124992 0,345623 0,042691 0,083494

SA -0,128906 0,227253 0,034212 0,075131

BH -0,116082 0,163553 0,015979 0,055312

BL -0,102861 0,146970 0,033682 0,062504

BR -0,095239 0,165760 0,031017 0,058551

BW -0,126245 0,128225 0,019558 0,063207

BC -0,116246 0,109874 0,014091 0,054291

BA -0,100808 0,158119 0,033779 0,063772

MKT -0,088009 0,130673 0,010885 0,049282

SMB -0,092652 0,118386 0,018794 0,042322

HML -0,149464 0,050885 -0,029925 0,042481

HMLO -0,158041 0,070622 -0,027360 0,050056

31

RMW -0,053927 0,138216 0,022493 0,047493

CMA -0,102940 0,089677 -0,005605 0,041180

Sumber: Data diolah

Tabel 4.2

Deskripsi Statistik Excess Return Portofolio Sesudah Currency Crisis

Portofolio Min Max Average Stdev

SH -0,134113 0,185262 -0,001206 0,070627

SL -0,166392 0,127278 0,007210 0,065994

SR -0,149586 0,191845 0,001940 0,068817

SW -0,140374 0,192964 0,002549 0,071264

SC -0,116678 0,102185 -0,001516 0,063958

SA -0,178879 0,293385 0,007017 0,084832

BH -0,124975 0,376478 0,024184 0,104601

BL -0,142635 0,253982 0,011175 0,086887

BR -0,165960 0,306374 0,035199 0,101390

BW -0,122224 0,101151 0,007972 0,051687

BC -0,096885 0,158600 0,013012 0,046956

BA -0,108299 0,334539 0,035544 0,100101

MKT -0,084575 0,048503 -0,000422 0,033063

SMB -0,244608 0,108332 -0,018515 0,078785

HML -0,103144 0,169250 0,002297 0,068306

HMLO -0,117920 0,080599 -0,011133 0,055129

32

RMW -0,124814 0,172758 0,013309 0,065042

CMA -0,176171 0,068369 -0,015532 0,060625

Sumber: Data diolah

Tabel 4.1 dan 4.2 menunjukkan rata-rata return portofolio selama periode

sebelum currency crisis yaitu tahun 2010-2012 dan selama periode sesudah currency

crisis yaitu tahun 2014-2016 yang dibentuk berdasarkan size, book-to-market, book-

to-market orthogonal, profitability, dan investment pattern. Berdasarkan tabel 4.1 dan

4.2 dapat diketahui nilai maksimum, minimum, rata-rata dan standar deviasi dari

masing-masing variabel. Variabel MKT (market excess return) menunjukkan premi

risiko dari risiko sistematis. Variabel SMB menunjukkan nilai dari ukuran

perusahaan. Variabel HML menunjukkan nilai dari book-to-market ratio. Variabel

HMLO menunjukkan nilai dari book-to-market orthogonal. Variabel RMW

menunjukkan nilai dari profitability perusahaan, sedangkan variabel CMA

menunjukkan nilai dari investment pattern perusahaan.

Pada periode sebelum currency crisis, kelompok portofolio yang masuk

kategori small size, nilai minimum dari portofolio SH adalah -0,112000, SL sebesar -

0,184869, SR sebesar -0,073152, SW sebesar -0,141265, SC sebesar -0,124992, dan

SA sebesar -0,128906. Nilai maksimum dari portofolio yang masuk kategori small

size yaitu untuk SH sebesar 0,205996, SL sebesar 0,327689, SR sebesar 0,298577,

SW sebesar 0,203679, SC sebesar 0,345623, dan SA sebesar 0,227253. Nilai rata-rata

dari portofolio yang masuk kategori small size yaitu untuk SH sebesar 0,025401, SL

sebesar 0,067549, SR sebesar 0,062272, SW sebesar 0,028745, SC sebesar 0,042691,

dan SA sebesar 0,034212. Sedangkan nilai standar deviasi dari portofolio yang masuk

kategori small size yaitu untuk SH sebesar 0,069545, SL sebesar 0,099486, SR

sebesar 0,073275, SW sebesar 0,081650, SC sebesar 0,083494, dan SA sebesar

0,075131.

Nilai minimum dari portofolio yang masuk kategori big size yaitu BH sebesar

-0,116082, BL sebesar -0,102861, BR sebesar -0,095239, BW sebesar -0,126245, BC

sebesar -0,116246, dan BA sebesar -0,100808. Nilai maksimum dari portofolio yang

masuk kategori big size yaitu BH sebesar 0,163553, BL sebesar 0,146970, BR sebesar

0,165760, BW sebesar 0,128225, BC sebesar 0,109874, dan BA sebesar 0,158119.

Nilai rata-rata dari portofolio yang masuk kategori big size yaitu BH sebesar

33

0,015979, BL sebesar 0,033682, BR sebesar 0,031017, BW sebesar 0,019558, BC

sebesar 0,014091, dan BA sebesar 0,033779. Nilai standar deviasi dari portofolio

yang masuk kategoari big size yaitu BH sebesar 0,055312, BL sebesar 0,062504, BR

sebesar 0,058551, BW sebesar 0,063207, BC sebesar 0,054291, dan BA sebesar

0,063772.

Besarnya nilai minimum untuk portofolio MKT sebesar -0,088009, SMB

sebesar -0,092652, HML sebesar -0,149464, HMLO sebesar -0,158041, RMW

sebesar -0,053927, dan CMA sebesar -0,102940. Nilai maksimum untuk portofolio

MKT sebesar 0,130673, SMB sebesar 0,118386, HML sebesar 0,050885, HMLO

sebesar 0,070622, RMW sebesar 0,138216, dan CMA sebesar 0,089677. Nilai rata-

rata untuk portofolio MKT sebesar 0,010885, SMB sebesar 0,018794, HML sebesar -

0,029925, HMLO -0,027360, RMW sebesar 0,022493, dan CMA sebesar -0,005605.

Nilai standar deviasi untuk portofolio MKT sebesar 0,049282, SMB sebesar

0,042322, HML sebesar 0,042481, HMLO sebesar 0,050056, RMW sebesar

0,047493, dan CMA sebesar 0,041180.

Pada periode sesudah currency crisis, kelompok portofolio yang masuk

kategori small size, Nilai minimum dari portofolio yang masuk kategori small size

yaitu untuk SH sebesar -0,134113, SL sebesar -0,166392, SR sebesar -0,149586, SW

sebesar -0,140374, SC sebesar -0,116678, dan SA sebesar -0,178879. Nilai

maksimum dari portofolio SH adalah 0,185262, SL sebesar 0,127278, SR sebesar

0,191845, SW sebesar 0,192964, SC sebesar 0,102185, dan SA sebesar 0,293385.

Nilai rata-rata dari portofolio yang masuk kategori small size yaitu untuk SH sebesar -

0,001206, SL sebesar 0,007210, SR sebesar 0,001940, SW sebesar 0,002549, SC

sebesar -0,001516, dan SA sebesar 0,007017. Sedangkan nilai standar deviasi dari

portofolio yang masuk kategori small size yaitu untuk SH sebesar 0,070627, SL

sebesar 0,065994, SR sebesar 0,068817, SW sebesar 0,071264, SC sebesar 0,063958,

dan SA sebesar 0,084832.

Nilai minimum dari portofolio yang masuk kategori big size yaitu BH sebesar

-0,124975, BL sebesar -0,142635, BR sebesar -0,165960, BW sebesar -0,122224, BC

sebesar -0,096885, dan BA sebesar -0,108299. Nilai maksimum dari portofolio yang

masuk kategori big size yaitu BH sebesar 0,376478, BL sebesar 0,253982, BR sebesar

0,306374, BW sebesar 0,101151, BC sebesar 0,158600, dan BA sebesar 0,334539.

Nilai rata-rata dari portofolio yang masuk kategori big size yaitu BH sebesar

0,024184, BL sebesar 0,011175, BR sebesar 0,035199, BW sebesar 0,007972, BC

34

sebesar 0,013012, dan BA sebesar 0,035544. Nilai standar deviasi dari portofolio

yang masuk kategoari big size yaitu BH sebesar 0,104601, BL sebesar 0,086887, BR

sebesar 0,101390, BW sebesar 0,051687, BC sebesar 0,046956, dan BA sebesar

0,100101.

Besarnya nilai minimum untuk portofolio MKT sebesar -0,084575, SMB

sebesar -0,244608, HML sebesar -0,103144, HMLO sebesar -0,117920, RMW

sebesar -0,124814, dan CMA sebesar -0,176171. Nilai maksimum untuk portofolio

MKT sebesar 0,048503, SMB sebesar 0,108332, HML sebesar 0,169250, HMLO

sebesar 0,080599, RMW sebesar 0,172758, dan CMA sebesar 0,068369. Nilai rata-

rata untuk portofolio MKT sebesar -0,000422, SMB sebesar -0,018515, HML sebesar

0,002297, HMLO sebesar -0,011133, RMW sebesar 0,013309, dan CMA sebesar -

0,015532. Nilai standar deviasi untuk portofolio MKT sebesar 0,033063, SMB

sebesar 0,078785, HML sebesar 0,068306, HMLO sebesar 0,055129, RMW sebesar

0,065042, dan CMA sebesar 0,060625.

4.1.2 Deskripsi Hasil Pembentukan Portofolio

Berdasarkan sampel yang telah dipilih, maka telah terbentuk 12 portofolio

dengan aturan Fama dan French (2015) yaitu skema 2x2 berdasarkan variabel size,

book-to-market orthogonal, profitability dam investment pattern. Pembentukan

portofolio dengan skema 2x2 menyebabkan anggota dari setiap portofolio dapat

berbeda pada tahun pertama dengan tahun berikutnya. Hasil perhitungan return

portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC, BA, SMB, HML,

HMLO, RMW dan CMA beserta perhitungan dari uji asumsi klasik dari masing-

masing portofolio.

Tabel 4.3

Hasil Perhitungan Excess Return Portofolio Small Size Sebelum Currency Crisis

Date SH SL SR SW SC SA

31-Jan-2010 -0,019364 -0,003882 -0,033939 -0,008116 -0,024706 -0,006281

28-Feb-2010 0,121230 0,109674 0,080042 0,133660 0,109369 0,127313

31-Mar-2010 0,166672 0,178252 0,114302 0,191673 0,111880 0,227253

35

30-Apr-2010 -0,112000 0,100569 0,105317 -0,124528 -0,006809 -0,110906

31-May-2010 0,045192 0,139824 0,144262 0,038685 0,080519 0,057180

30-Jun-2010 0,065118 0,078766 0,183082 0,022709 0,047685 0,089375

31-Jul-2010 0,050866 0,143949 0,039743 0,087894 0,121279 0,026994

31-Aug-2010 0,205996 0,327689 0,298577 0,203679 0,345623 0,127216

30-Sep-2010 0,049538 0,118778 0,112038 0,048772 0,119321 0,014375

31-Oct-2010 -0,031343 0,006087 0,025657 -0,041042 -0,057509 0,013538

30-Nov-2010 0,050712 0,160726 0,074162 0,079837 0,103925 0,052506

31-Dec-2010 -0,084627 -0,089360 -0,019962 -0,112150 -0,065416 -0,106205

31-Jan-2011 0,020194 0,060938 0,033088 0,031494 0,021560 0,045536

28-Feb-2011 0,058330 0,051403 0,085461 0,048412 0,047301 0,068418

31-Mar-2011 0,034310 0,054421 0,064199 0,033471 0,031744 0,051138

30-Apr-2011 0,016278 -0,010881 0,017437 0,006086 0,035608 -0,027602

31-May-2011 0,025290 0,018050 0,045741 0,017080 0,020716 0,026562

30-Jun-2011 0,070123 0,278615 0,247120 0,097666 0,093400 0,178081

31-Jul-2011 -0,094544 0,137151 0,046318 -0,048708 -0,021393 -0,037616

31-Aug-2011 -0,103389 -0,184869 -0,073152 -0,141265 -0,124992 -0,128906

30-Sep-2011 0,064746 0,097995 0,085942 0,071056 0,072156 0,077032

31-Oct-2011 -0,022467 -0,078613 0,065120 -0,066771 -0,036150 -0,041653

30-Nov-2011 0,081341 0,074773 0,024242 0,094525 0,056898 0,109552

31-Dec-2011 0,074889 0,088854 0,035778 0,090634 0,086122 0,069222

31-Jan-2012 0,033252 0,047128 0,063954 0,020633 0,009739 0,068659

36

29-Feb-2012 -0,012483 0,114775 0,065157 0,024730 0,011006 0,073105

31-Mar-2012 0,067076 0,146463 0,065052 0,128134 0,142827 0,059371

30-Apr-2012 -0,066818 -0,099993 -0,037492 -0,113694 -0,108732 -0,053340

31-May-2012 0,009581 0,034115 0,042040 0,003637 0,029992 0,010199

30-Jun-2012 0,045220 0,062109 0,064640 0,043321 0,069449 0,035467

31-Jul-2012 -0,039793 -0,066198 -0,049348 -0,052430 -0,057516 -0,044702

31-Aug-2012 0,071307 0,099947 0,066262 0,096571 0,092756 0,074407

30-Sep-2012 -0,012096 0,044343 0,039557 -0,008506 0,015025 0,009159

31-Oct-2012 -0,017548 0,065557 0,036036 0,004593 0,034072 0,002065

30-Nov-2012 0,037304 0,012235 0,016079 0,034421 0,036622 0,016499

31-Dec-2012 0,066348 0,112368 0,069276 0,098667 0,093516 0,078626

Sumber: Data diolah

Tabel 4.4

Hasil Perhitungan Excess Return Portofolio Small Size Sesudah Currency Crisis

Date SH SL SR SW SC SA

31-Jan-2014 0,113633 0,116605 0,054565 0,122501 0,094602 0,134575

28-Feb-2014 0,066149 0,038615 0,050849 0,073323 0,041852 0,072746

31-Mar-2014 0,013263 0,005975 -0,009714 -0,003270 0,007250 0,014591

30-Apr-2014 0,004332 0,015875 0,018435 -0,010320 -0,021828 0,037912

31-May-2014 -0,058965 -0,076655 -0,027450 -0,072392 -0,076977 -0,052324

30-Jun-2014 0,036502 0,059459 0,086299 0,054769 0,037156 0,050607

31-Jul-2014 0,025579 0,075169 -0,007671 0,044456 0,039913 0,043125

37

31-Aug-2014 -0,044216 -0,024197 -0,030104 -0,056449 -0,034029 -0,041533

30-Sep-2014 -0,010507 -0,019651 0,012680 0,003093 -0,029038 0,002145

31-Oct-2014 0,045019 0,058014 0,043218 0,070694 0,065021 0,033371

30-Nov-2014 0,185262 -0,004271 0,027422 0,192964 -0,044704 0,293385

31-Dec-2014 -0,020290 0,001710 0,014304 -0,034761 0,026060 -0,052497

31-Jan-2015 0,037471 0,054003 0,036181 0,045043 0,025350 0,064654

28-Feb-2015 -0,036331 -0,089751 -0,063086 -0,046150 -0,031246 -0,078724

31-Mar-2015 -0,090316 -0,077396 -0,095766 -0,082295 -0,108037 -0,058075

30-Apr-2015 0,013135 0,013418 0,019221 0,010371 0,010277 0,017134

31-May-2015 -0,094104 -0,082145 -0,107482 -0,082732 -0,107619 -0,068112

30-Jun-2015 -0,111236 -0,040079 -0,097942 -0,087572 -0,102705 -0,075173

31-Jul-2015 -0,134113 -0,166392 -0,149586 -0,140374 -0,116678 -0,178879

31-Aug-2015 -0,063472 -0,006444 -0,035314 -0,052798 -0,071715 -0,014463

30-Sep-2015 0,112556 0,118635 0,191845 0,077558 0,091126 0,145182

31-Oct-2015 -0,075159 -0,036423 -0,047956 -0,071735 -0,061497 -0,067551

30-Nov-2015 0,025319 0,008671 -0,012643 0,036291 0,026285 0,012931

31-Dec-2015 -0,073991 -0,031774 -0,069732 -0,058233 -0,037114 -0,095015

31-Jan-2016 -0,021891 0,127278 0,089998 0,010418 0,091365 0,009234

29-Feb-2016 0,084057 0,078487 0,067030 0,093987 0,102185 0,063519

31-Mar-2016 -0,008440 0,033436 0,033365 -0,008378 0,035683 -0,010387

30-Apr-2016 -0,036725 -0,016033 -0,009460 -0,042422 -0,006860 -0,044675

31-May-2016 0,107717 0,083445 0,088742 0,103125 0,096291 0,096583

38

30-Jun-2016 0,057036 0,067888 0,091544 0,036535 0,080079 0,046471

31-Jul-2016 0,044910 0,082073 0,022781 0,096297 0,002195 0,114138

31-Aug-2016 -0,056105 -0,054009 -0,063065 -0,048256 -0,052081 -0,057776

30-Sep-2016 0,012954 0,038120 0,060995 -0,006870 0,055377 -0,002002

31-Oct-2016 -0,067632 -0,024397 -0,068001 -0,029842 -0,063730 -0,033543

30-Nov-2016 -0,005276 -0,018107 -0,014425 -0,008466 -0,007502 -0,014466

31-Dec-2016 -0,019545 -0,049608 -0,030226 -0,036342 -0,009271 -0,054503

Sumber: Data diolah

Tabel 4.5

Hasil Perhitungan Excess Return Portofolio Big Size Sebelum Currency Crisis

Date BH BL BR BW BC BA

31-Jan-2010 0,030084 0,146970 0,165760 -0,002278 0,005022 -0,021270

28-Feb-2010 0,082518 0,062259 0,061286 0,082419 0,061359 0,073289

31-Mar-2010 0,047400 0,066692 0,053159 0,083643 0,056918 0,066820

30-Apr-2010 -0,035107 -0,079527 -0,055112 -0,101698 -0,059457 -0,077387

31-May-2010 0,008703 0,055322 0,047210 0,034809 0,005257 0,082077

30-Jun-2010 0,079674 0,074685 0,070947 0,088394 0,068088 0,083776

31-Jul-2010 0,030856 0,001756 0,001977 0,026667 0,025911 -0,007849

31-Aug-2010 0,163553 0,118016 0,129871 0,128225 0,109874 0,148927

30-Sep-2010 0,043784 0,047232 0,028470 0,091120 0,055038 0,037703

31-Oct-2010 -0,104068 -0,007687 -0,040108 -0,010968 -0,014947 -0,048617

30-Nov-2010 0,071068 0,031178 0,028522 0,072723 0,061956 0,020345

39

31-Dec-2010 -0,054696 0,064611 0,082026 -0,083319 -0,088550 0,158119

31-Jan-2011 0,040448 -0,000412 -0,010514 0,091110 -0,030260 0,042404

28-Feb-2011 0,069135 0,056006 0,070727 0,019534 0,051662 0,065828

31-Mar-2011 0,011286 0,036229 0,041217 -0,015316 0,038266 0,022230

30-Apr-2011 -0,004225 0,015773 0,012298 0,001852 -0,004040 0,020634

31-May-2011 0,016406 0,013432 0,021230 -0,011194 0,004180 0,021858

30-Jun-2011 0,019772 0,110208 0,092317 0,055226 0,060504 0,102268

31-Jul-2011 -0,037790 -0,079201 -0,067485 -0,066946 -0,076169 -0,060770

31-Aug-2011 -0,076821 -0,092571 -0,087590 -0,089836 -0,084888 -0,090459

30-Sep-2011 0,072231 0,106889 0,104278 0,070251 0,094149 0,099114

31-Oct-2011 -0,038546 -0,037975 -0,028569 -0,073226 -0,048598 -0,030293

30-Nov-2011 -0,018195 0,082868 0,060860 0,028814 0,031819 0,070624

31-Dec-2011 0,043795 0,061247 0,053728 0,065547 0,059864 0,053558

31-Jan-2012 0,024774 0,043723 0,033809 0,037993 0,028876 0,042328

29-Feb-2012 0,045586 0,086133 0,054115 0,088277 0,026943 0,110569

31-Mar-2012 0,005849 0,052468 0,021605 0,047000 0,040064 0,024914

30-Apr-2012 -0,116082 -0,102861 -0,095239 -0,126245 -0,116246 -0,100808

31-May-2012 0,033555 0,019575 0,033330 0,015216 0,030985 0,020148

30-Jun-2012 0,064033 0,045878 0,080034 0,018492 0,053527 0,053790

31-Jul-2012 -0,035584 -0,032072 -0,017121 -0,055519 -0,034035 -0,033120

31-Aug-2012 0,046648 0,121435 0,092483 0,085251 0,061524 0,117244

30-Sep-2012 0,017704 0,045569 0,034919 0,031905 0,004199 0,063055

40

31-Oct-2012 -0,017074 0,020541 -0,007672 0,020543 -0,028725 0,037565

30-Nov-2012 0,032112 -0,044590 -0,022499 0,002658 -0,002282 -0,021153

31-Dec-2012 0,012444 0,102732 0,072335 0,052975 0,059481 0,068594

Sumber: Data diolah

Tabel 4.6

Hasil Perhitungan Excess Return Portofolio Big Size Sesudah Currency Crisis

Date BH BL BR BW BC BA

31-Jan-2014 0,040040 0,117625 0,054565 0,065703 0,063849 0,052442

28-Feb-2014 0,020030 0,072275 0,050849 0,041894 0,051532 0,044409

31-Mar-2014 0,040407 0,253982 -0,009714 0,030895 0,017047 -0,010369

30-Apr-2014 -0,000499 0,103996 0,018435 -0,032698 -0,001340 0,005340

31-May-2014 -0,004964 -0,119604 -0,027450 -0,001073 -0,009518 -0,028426

30-Jun-2014 0,035575 -0,075750 0,086299 0,028378 0,050542 0,084820

31-Jul-2014 0,000378 -0,142635 -0,007671 0,010425 -0,004591 0,000882

31-Aug-2014 0,009298 0,005798 -0,030104 -0,010191 -0,023147 -0,024260

30-Sep-2014 -0,016744 0,056641 0,012680 -0,019184 -0,010104 0,014979

31-Oct-2014 0,004747 -0,085651 0,043218 -0,001050 0,009521 0,048457

30-Nov-2014 -0,015783 -0,026569 0,027422 -0,013525 0,007133 0,021387

31-Dec-2014 0,004797 0,087421 0,014304 0,022689 0,014945 0,019053

31-Jan-2015 0,048979 0,051435 0,020363 0,034144 0,029296 0,021415

28-Feb-2015 -0,009619 0,043414 -0,009868 0,017307 0,022846 -0,019117

31-Mar-2015 -0,104781 -0,007264 -0,095043 -0,107654 -0,096885 -0,100755

41

30-Apr-2015 0,042259 0,011821 0,031949 0,052743 0,031307 0,044127

31-May-2015 -0,095928 -0,023723 0,114115 -0,122224 -0,057323 0,109752

30-Jun-2015 -0,052076 0,072601 -0,057322 -0,007105 -0,015518 -0,060428

31-Jul-2015 0,016124 0,001950 0,251344 -0,016583 0,158600 0,170193

31-Aug-2015 -0,124975 -0,006020 -0,165960 0,101151 -0,042508 -0,108299

30-Sep-2015 0,087173 0,003640 0,113289 0,082496 0,063362 0,133414

31-Oct-2015 -0,046439 0,023298 0,023033 -0,056074 -0,026340 0,015564

30-Nov-2015 0,043471 0,237445 0,042382 0,000464 0,056787 0,008000

31-Dec-2015 0,016874 -0,012081 -0,010622 0,056673 -0,003354 0,021781

31-Jan-2016 0,038581 0,035251 0,052100 0,012638 0,059131 0,004525

29-Feb-2016 0,007703 -0,038633 0,012454 0,087527 0,061801 0,030588

31-Mar-2016 -0,025567 -0,098052 -0,006363 -0,022912 -0,007699 -0,021370

30-Apr-2016 0,280694 0,027983 0,256526 -0,056029 -0,030372 0,275006

31-May-2016 -0,019253 -0,097466 -0,005010 0,067554 0,041352 0,014061

30-Jun-2016 0,076258 -0,057552 0,043028 0,097274 0,088371 0,044955

31-Jul-2016 0,052203 -0,087709 0,014772 0,022774 0,018178 0,018844

31-Aug-2016 0,317598 0,004102 0,278152 -0,036598 -0,010088 0,295987

30-Sep-2016 -0,031838 0,092058 -0,034708 0,003491 0,019379 -0,058918

31-Oct-2016 -0,066293 -0,037903 -0,081521 -0,059251 -0,057705 -0,086731

30-Nov-2016 0,376478 0,050810 0,306374 -0,001901 0,014793 0,334539

31-Dec-2016 -0,074294 -0,034649 -0,059121 0,014814 -0,014838 -0,036281

Sumber: Data diolah

42

Tabel 4.7

Hasil Perhitungan Excess Return Portofolio SMB, HML, HMLO, RMW, CMA

Sebelum Currency Crisis

Date MKT SMB HML HMLO RMW CMA

31-Jan-2010 -0,029073 -0,070096 -0,066184 -0,078786 0,071107 0,003933

28-Feb-2010 0,084134 0,043026 0,015907 0,004190 -0,037376 -0,014937

31-Mar-2010 0,064418 0,102567 -0,015435 -0,027559 -0,053927 -0,062637

30-Apr-2010 -0,064077 0,043322 -0,084074 -0,018421 0,138216 0,061014

31-May-2010 0,036317 0,045380 -0,070625 -0,072886 0,058989 -0,026740

30-Jun-2010 0,047985 0,003528 -0,004330 -0,023694 0,071463 -0,028689

31-Jul-2010 -0,001310 0,065234 -0,031992 0,021110 -0,036421 0,064022

31-Aug-2010 0,130673 0,118386 -0,038078 0,023714 0,048272 0,089677

30-Sep-2010 0,032863 0,026579 -0,036345 -0,003058 0,000308 0,061141

31-Oct-2010 -0,034056 0,023631 -0,066906 -0,060333 0,018780 -0,018688

30-Nov-2010 0,043377 0,039346 -0,035063 -0,008173 -0,024938 0,046515

31-Dec-2010 -0,084894 -0,092652 -0,057288 -0,117237 0,128766 -0,102940

31-Jan-2011 0,012529 0,013339 0,000058 -0,024786 -0,050015 -0,048320

28-Feb-2011 0,054405 0,004406 0,010028 -0,006158 0,044121 -0,017641

31-Mar-2011 0,032689 0,022562 -0,022528 -0,020045 0,043630 -0,001679

30-Apr-2011 -0,001083 -0,000894 0,003580 0,013754 0,010899 0,019268

31-May-2011 0,007824 0,014588 0,005107 0,004154 0,030543 -0,011762

30-Jun-2011 0,056668 0,087452 -0,149464 -0,158041 0,093272 -0,063222

31-Jul-2011 -0,075604 0,061595 -0,095142 -0,056017 0,047244 0,000412

43

31-Aug-2011 -0,081814 -0,039068 0,048615 0,055973 0,035179 0,004743

30-Sep-2011 0,062510 -0,012998 -0,033953 -0,052353 0,024456 -0,004921

31-Oct-2011 -0,025403 0,012779 0,027788 0,038588 0,088274 -0,006401

30-Nov-2011 0,023778 0,030757 -0,047247 -0,065516 -0,019118 -0,045730

31-Dec-2011 0,026319 0,017960 -0,015708 -0,010723 -0,033338 0,011603

31-Jan-2012 0,006040 0,005310 -0,016412 -0,033056 0,019569 -0,036187

29-Feb-2012 0,029420 -0,022556 -0,083903 -0,134186 0,003133 -0,072863

31-Mar-2012 0,009567 0,069504 -0,063003 -0,018456 -0,044238 0,049303

30-Apr-2012 -0,088009 0,029569 0,009977 0,022882 0,053604 -0,035415

31-May-2012 0,027235 -0,003874 -0,005277 -0,002989 0,028258 0,015314

30-Jun-2012 0,042423 0,000742 0,000633 0,002870 0,041430 0,016860

31-Jul-2012 -0,024589 -0,017089 0,011446 0,008158 0,020740 -0,006865

31-Aug-2012 0,045015 -0,003889 -0,051714 -0,072192 -0,011538 -0,018685

30-Sep-2012 0,015790 -0,018311 -0,042152 -0,063709 0,025539 -0,026495

31-Oct-2012 -0,021836 0,016600 -0,060360 -0,058776 0,001614 -0,017142

30-Nov-2012 0,004690 0,034819 0,050885 0,070622 -0,021750 0,019497

31-Dec-2012 0,026949 0,025040 -0,068154 -0,063819 -0,005016 0,002888

Sumber: Data diolah

44

Tabel 4.8

Hasil Perhitungan Excess Return Portofolio SMB, HML, HMLO, RMW, CMA

Sesudah Currency Crisis

Date MKT SMB HML HMLO RMW CMA

31-Jan-2014 0,039342 0,040376 -0,040278 -0,043591 -0,039537 -0,014283

28-Feb-2014 0,025796 0,010424 -0,012355 -0,020342 -0,006760 -0,011886

31-Mar-2014 0,008822 -0,049026 -0,103144 -0,117920 -0,023526 0,010038

30-Apr-2014 0,004858 -0,008138 -0,058019 -0,076512 0,039944 -0,033210

31-May-2014 -0,009382 -0,028955 0,066165 0,057141 0,009282 -0,002873

30-Jun-2014 0,036840 0,019155 0,044184 0,033529 0,044726 -0,023864

31-Jul-2014 0,003194 0,060631 0,046712 0,062934 -0,035111 -0,004343

31-Aug-2014 -0,006111 -0,026320 -0,008259 -0,013731 0,003216 0,004308

30-Sep-2014 -0,015599 -0,013258 -0,032121 -0,046635 0,020725 -0,028133

31-Oct-2014 0,005606 0,049349 0,038702 0,053115 0,008396 -0,003642

30-Nov-2014 0,008505 0,108332 0,100159 0,043737 -0,062297 -0,176171

31-Dec-2014 0,005491 -0,038114 -0,052312 -0,046738 0,020340 0,037224

31-Jan-2015 0,023959 0,009512 -0,009494 -0,019581 -0,011322 -0,015711

28-Feb-2015 0,006296 -0,065042 0,000193 -0,002025 -0,022056 0,044720

31-Mar-2015 -0,084575 0,000083 -0,055219 -0,049652 -0,000430 -0,023047

30-Apr-2015 0,019299 -0,021775 0,015078 -0,001586 -0,005972 -0,009839

31-May-2015 -0,064858 -0,077810 -0,042082 -0,102341 0,105795 -0,103291

30-Jun-2015 -0,028269 -0,065810 -0,097917 -0,111954 -0,030293 0,008689

31-Jul-2015 -0,067243 -0,244608 0,023227 -0,027885 0,129358 0,025304

45

31-Aug-2015 -0,069603 0,017068 -0,087991 -0,072168 -0,124814 0,004270

30-Sep-2015 0,048503 0,042255 0,038728 0,015811 0,072541 -0,062054

31-Oct-2015 -0,008208 -0,048894 -0,054236 -0,075799 0,051443 -0,017925

30-Nov-2015 0,026709 -0,048616 -0,088663 -0,095318 -0,003508 0,031071

31-Dec-2015 -0,001426 -0,072522 -0,006631 -0,025010 -0,039397 0,016383

31-Jan-2016 0,027715 0,017362 -0,072920 -0,035112 0,059521 0,068369

29-Feb-2016 0,009764 0,054637 0,025953 0,057769 -0,051015 0,034939

31-Mar-2016 -0,007026 0,042874 0,015304 0,047996 0,029147 0,029870

30-Apr-2016 -0,014246 -0,151664 0,116010 0,008121 0,172758 -0,133781

31-May-2016 0,040192 0,095778 0,051242 0,080599 -0,043474 0,013500

30-Jun-2016 0,034320 0,014536 0,061479 0,078932 0,000381 0,038512

31-Jul-2016 0,027192 0,053889 0,051374 0,033937 -0,040759 -0,056305

31-Aug-2016 -0,009367 -0,196741 0,155700 0,021904 0,149970 -0,150190

30-Sep-2016 0,005554 0,028185 -0,074531 -0,031036 0,014833 0,067838

31-Oct-2016 -0,055462 0,017043 -0,035813 -0,020518 -0,030215 -0,000581

30-Nov-2016 0,023705 -0,191556 0,169250 0,027456 0,151158 -0,156391

31-Dec-2016 -0,005492 0,000812 -0,004791 0,011683 -0,033910 0,033338

Sumber: Data diolah

46

Tabel 4.9

Uji Asumsi Klasik Five Factor Model Sebelum Currency Crisis

Sumber: Data diolah

Tabel 4.10

Uji Asumsi Klasik Five Factor Model Sesudah Currency Crisis

Sumber: Data diolah

Tabel 4.11

Uji F Five Factor Model Sebelum Currency Crisis

Portofolio

Uji F

F Sig. Adjusted R²

SH 53,9059 0,0000 0,8832

SL 109,4749 0,0000 0,9394

SR 66,6881 0,0000 0,9037

47

SW 67,7561 0,0000 0,9051

SC 46,3566 0,0000 0,8663

SA 85,2815 0,0000 0,9233

BH 29,7070 0,0000 0,8040

BL 33,0021 0,0000 0,8205

BR 23,0235 0,0000 0,7588

BW 53,6589 0,0000 0,8827

BC 70,2009 0,0000 0,9081

BA 19,4171 0,0000 0,7246

Sumber: Data diolah

Tabel 4.12

Uji F Five Factor Model Sesudah Currency Crisis

Portofolio

Uji F

F Sig. Adjusted R²

SH 32,0411 0,0000 0,8160

SL 20,7161 0,0000 0,7380

SR 34,1308 0,0000 0,8256

SW 34,4571 0,0000 0,8270

SC 26,7680 0,0000 0,7864

SA 49,7479 0,0000 0,8744

BH 35,7571 0,0000 0,8324

BL 23,3739 0,0000 0,7617

48

BR 59,6508 0,0000 0,8934

BW 12,3673 0,0000 0,6189

BC 5,9629 0,0006 0,4149

BA 68,0069 0,0000 0,9054

Sumber: Data diolah

4.2. Hasil dan Pembahasan

4.2.1 Analisis Pengaruh Asset Pricing Model terhadap Excess Return

Sebelum dan Sesudah Currency Crisis

Tabel 4.9 dan 4.10 menunjukkan hasil uji asumsi klasik pengaruh excess

market return, size, book-to-market orthogonal, profitability dan investment pattern

terhadap excess return portofolio pada periode sebelum dan sesudah currency crisis,

dengan analisis sebagai berikut:

a. Uji Normalitas

Berdasarkan hasil uji Kolmogorov-Smirnov (K-S) pada tabel 4.9 dan 4.10

diperoleh nilai signifikansi K-S lebih dari 0.05 pada portofolio SH, SL, SR,

SW, SC, SA, BH, BL, BR, BW, BC, dan BA. Hal tersebut berarti bahwa H0

diterima, sehingga dapat disimpulkan data setiap portofolio terdistribusi

normal.

b. Uji Multikolinearitas

Pada tabel 4.9 dan tabel 4.10 menunjukkan bahwa nilai VIF (Variance

Inflation Factor) kurang dari 10 dan nilai Tolerance lebih dari 0,1 untuk

variabel MKT, SMB, HML, HMLO, RMW, dan CMA pada masing-masing

portofolio sehingga dapat disimpulkan tidak terjadi multikolinearitas pada

model regresi.

c. Uji Autokorelasi

Pada tabel 4.9 dan tabel 4.10 menunjukkan nilai signifikansi uji Runs Test

lebih dari 0,05 pada semua portofolio sehingga dapat disimpulkan bahwa tidak

terjadi autokorelasi pada persamaan regresi.

d. Uji Heterokedastisitas

49

Berdasarkan hasil uji korelasi Spearman’s Rho pada tabel 4.9 dan tabel

4.10 Korelasi masing-masing variabel bebas dengan unstandardized residual

memiliki nilai signifikasi lebih dari 0,05. Hal tersebut berarti bahwa tidak

terjadi masalah heterokedatisitas pada model regresi.

e. Uji F

Pada tabel 4.11 dan 4.12 dapat dilihat bahwa hasil uji F pada semua

portofolio Five Factor Model (SH, SL, SR, SW, SC, SA, BH, BL, BR, BW,

BC, dan BA) mempunyai nilai signifikansi kurang dari 0,05. Sesuai dengan

hipotesis awal bahwa jika nilai signifikansi <0,05 maka H1 ditolak dan H0

diterima. Hal ini dapat diartikan bahwa variabel independen, yakni MKT,

SMB, HML, RMW, dan CMA secara simultan berpengaruh terhadap excess

return portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC, dan BA

pada periode sebelum dan sesudah currency crisis.

Berdasarkan nilai Adjusted R2 dari Five Factor Model pada periode

sebelum currency crisis, terlihat bahwa kemampuan variance dari variabel

MKT, SMB, HMLO, RMW dan CMA dalam menjelaskan variance dari

portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC dan BA adalah

88,32%, 93,94%, 90,37%, 90,51%, 86,63%, 92,33%, 80,40%, 82,05%,

75,88%, 88,27%, 90,81% dan 72,46%. Sedangkan kemampuan variance dari

variabel diluar variabel MKT, SMB, HMLO, RMW dan CMA yang mampu

menjelaskan variance dari portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR,

BW, BC dan BA sebesar 11,69%, 6,06%, 9,63%, 9,49%, 13,37%, 7,67%,

19,60%, 17,95%, 24,12%, 11,73%, 9,19% dan 27,54%.

Selanjutnya nilai Adjusted R2 dari Five Factor Model pada periode

sesudah currency crisis, terlihat bahwa kemampuan variance dari variabel

MKT, SMB, HMLO, RMW dan CMA dalam menjelaskan variance dari

portofolio SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC dan BA pada

periode sebelum currency crisis adalah 81,60%, 73,80%, 82,56%, 82,70%,

78,64%, 87,44%, 83,24%, 76,17%, 89,34%, 61,89%, 41,49% dan 90,54%.

Sedangkan kemampuan variance dari variabel diluar variabel MKT, SMB,

HMLO, RMW dan CMA yang mampu menjelaskan variance dari portofolio

SH, SL, SR, SW, SC, SA, BH, BL, BR, BW, BC dan BA sebesar 18,40%,

26,20%, 17,44%, 17,30%, 21,36%, 12,56%, 16,76%, 23,83%, 10,66%,

38,11%, 58,51% dan 9,46%.

50

4.2.2 Pembahasan

Dalam berinvestasi, sangat diperlukan kemampuan untuk memprediksi return

suatu saham bagi para investor. Return yang didapatkan oleh para investor berbanding

lurus dengan kemungkinan risiko kerugian yang akan dihadapi. Salah satu cara

investor untuk mendiversifikasi risiko adalah dengan membentuk portofolio saham.

Oleh sebab itu banyak peneliti yang mengembangkan asset pricing model untuk

membentuk portofolio dengan harapan agar dapat memberikan return yang optimal

bagi investor.

Berdasarkan uji F antara variabel dependen yaitu excess return portofolio

dengan variabel independen yaitu MKT, SMB, HMLO, RMW, dan CMA didapatkan

hasil bahwa variabel independen Five Factor Model secara simultan berpengaruh

pada excess return portofolio Five Factor Model. Hal ini sesuai dengan penelitian

sebelumnya yang dilakukan oleh Chiah et al., (2015), Fama dan French (2015),

Nichol dan Dowling (2014) bahwa Five Factor Asset Pricing Model berpengaruh

terhadap excess return dan mampu memprediksi excess return.

Hasil uji F Five Factor Model terhadap excess return sebelum currency crisis

dan sesudah curreny crisis menunjukkan hasil yang sama yaitu nilai signifikansi

dibawah 0,05 sehingga dapat disimpulkan bahwa Five Factor Model berpengaruh

terhadap excess return ketika periode sebelum currency crisis dan sesudah currency

crisis. Sedangkan nilai Adjusted R2

pada Five Factor Model sebelum currency crisis

menunjukkan hasil yang lebih baik dibandingkan dengan nilai Adjusted R2 pada Five

Factor Model sesudah currency crisis. Nilai Adjusted R2 portofolio BC pada periode

sesudah currency crisis adalah 41,49% yang berarti kemampuan variance dari

variabel MKT, SMB, HMLO, RMW dan CMA dalam menjelaskan variance dari

portofolio BC sebesar 41,49%. Hasil ini sama dengan penelitian yang dilakukan Fama

dan French (2016) yang dilakukan pada bursa saham internasional, dimana

menurutnya faktor profitability dan investment pattern memiliki pengaruh yang besar

terhadap return pada portofolio small size daripada portofolio big size.

51

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan pengujian dengan menggunakan teknik multiple regression dan

uji F, maka kesimpulan yang dapat dihasilkan dari penelitian ini adalah:

1. Five Factor Model yang meliputi variabel MKT, SMB, HML, RMW, dan

CMA secara simultan dapat berpengaruh terhadap excess return pada periode

sebelum currency crisis.

2. Five Factor Model yang meliputi variabel MKT, SMB, HML, RMW, dan

CMA secara simultan dapat berpengaruh terhadap excess return pada periode

sesudah currency crisis.

5.2. Saran

Berdasarkan hasil dan kesimpulan, maka saran yang diberikan oleh peneliti

adalah:

1. Bagi akademisi, peneliti selanjutnya dapat menambahkan jumlah

emiten/perusahaan, hal ini dimaksudkan agar sampel nantinya bisa lebih

banyak, sehingga hasil penelitian bisa lebih akurat dengan menambahkan

jumlah emiten/perusahaan. Selain itu, penelitian selanjutnya dapat menguji

dengan menggunakan asset pricing model lainnya yang terbaru pada pasar

saham di Indonesia, hal ini dimaksudkan agar ditemukan model yang dapat

memprediksi return dengan lebih akurat ketika keuangan sedang dilanda

krisis.

2. Bagi Investor, sebaiknya lebih memperhatikan market factor, firm size, book-

to-market, return on equity, dan asset growth dalam memperhitungkan return

serta dalam pengambilan keputusan investasi saham. Investor juga harus lebih

memperhatikan pembentukan portofolio yang optimal agar dapat

mendiversifikasi risiko dan meminimalisir risiko.

52

DAFTAR PUSTAKA

Banz, R. W. (1981). THE RELATIONSHIP BETWEEN RETURN AND MARKET

VALUE OF COMMON STOCKS. Journal of Financial Economics , 3-18.

Bhandari, L. C. (1988). Debt/Equity Ratio and Expected Common Stock Returns:

Empirical Evidence. The Journal of Finance , 507-528.

BI Rate. (n.d.). Retrieved February 2018, from https://www.bi.go.id/id/moneter/bi-

rate/data/Default.aspx

Blandón, J. G. (2011). RETURN SEASONALITY IN EMERGING MARKETS:

EVIDENCE FROM LATIN AMERICA. Contemporary Studies in Economic and

Financial Analysis , 405-422.

Bodie, Z., Kane, A., & Marcus, A. J. (2013). Essentials of Investments. McGraw-

Hill/Irwin.

Carhart, M. M. (1997). On Persistence in Mutual Fund Performance. The Journal of

Finance .

Chan, L. K., Hamao, Y., & Lakonishok, J. (1991). Fundamentals and Stock Returns in

Japan. The Journal of Finance , 1739-1764.

Chiah, M., Chai, D., Zhong, A., & Li, S. (2016). A Better Model? An Empirical

Investigation of the Fama–French Five-factor Model in Australia. International

Review of Finance .

Eichenbaum, M., Burnside, C., & Rebelo, S. (2007). CURRENCY CRISIS

MODELS. The New Palgrave: A Dictionary of Economics .

Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of

Financial Economics , 1-22.

Fama, E. F., & French, K. R. (1992). The Cross-Section of Expected Stock Returns.

The Journal of Finance .

Fama, F. E., & French, R. K. (1993). Common risk factors in the returns on stock and

bonds. Journal of Financial Economics , 3-56.

Fama, F. E., & French, R. K. (1995). Size and Book-to-Market Factors in Earnings

and Returns. The Journal of Finance , 131-155.

Franke, G. (1984). Conditions for Myopic Valuation and Serial Independence of the

Market Excess Return in Discrete Time Models. The Journal of Finance , 425-442.

Gitman, L. J. (2003). Principle of Managerial Finance.

53

Gray, P., & Johnson, J. (2011). The relationship between asset growth and the cross-

section of stock returns. Journal of Banking & Finance , 670–680.

Gulen, H., Schill, M. J., & Cooper, M. J. (2008). Asset Growth and the Cross-Section

of Stock Returns. THE JOURNAL OF FINANCE .

Historical Data. (n.d.). Retrieved February 7, 2018, from

https://finance.yahoo.com/quote

Hou, K., Xue, C., & Zhang, L. (2012). DIGESTING ANOMALIES: AN

INVESTMENT APPROACH. NBER WORKING PAPER SERIES .

Hou, K., Xue, C., & Zhang, L. (2015). Digesting Anomalies: An Investment

Approach. The Review of Financial Studies .

Kim, K.-H. (1999). Korea: Could a Real Estate Price Bubble Have Caused the

Economic Crisis. Paper Presented at the Joint Conference of AREUEA and ARES at

Maui, Hawaii .

Lam, K. S. (2002). The relationship between size, book-to-market equity ratio,

earnings–price ratio, and return for the Hong Kong stock market. Global Finance

Journal , 163–179.

Laporan Keuangan dan Tahunan. (n.d.). Retrieved February 2018, from

http://idx.co.id/perusahaan-tercatat/laporan-keuangan-dan-tahunan/

Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012). Statistical Techniques in

Business & Economics. McGraw-Hill/Irwin.

Lintner, J. (1965b). Security Prices, Risk, and Maximal Gains From Diversification.

The Journal of Finance , 587-615.

Lintner, J. (1965a). The Valuation of Risk Assets and the Selection of Risky

Investments in Stock Portfolios and Capital Budgets. The Review of Economics and

Statistics , 13-37.

Markowitz, H. (1952). Portfolio Selection. The Journal of Finance , 77-91.

Mossin, J. (1966). Equilibrium in a Capital Asset Market. Econometrica , 768-783.

Novy-Marx, R. (2013). The other side of value: The gross profitability premium.

Journal of Financial Economics , 1-28.

Olowe, R. A. (2009). STOCK RETURN VOLATILITY, GLOBAL FINANCIAL

CRISIS AND THE MONTHLY SEASONAL EFFECT ON THE NIGERIAN

STOCK EXCHANGE. African Review of Money Finance and Banking , 73-107.

Reinhart, M. C., & Reinhart, V. R. (2010). AFTER THE FALL. NBER WORKING

PAPER SERIES .

54

Rosenberg, B., Reid, K., & Lanstein, R. (1985). Persuasive evidence of market

inefficiency. The Journal of Portfolio Management , 9-16.

Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium Under

Conditions of Risk. The Journal of Finance .

Van Horne, J. C., & Wachowicz, J. M. (2008). Fundamentals of Financial

Management. Prentice Hall.

Wu, W.-C., & Chang, C.-O. (2002). Taiwan Real Estate Market in Post Asian

Financial Crisis Period. Paper Presented at the International Conference of Asian

Crisis, IV: The Recovery and the Rest of the World .

55

Lampiran 1

Anggota Portofolio SH

Sebelum Currency Crisis

Sesudah Currency Crisis

SH SH

2010 2011 2012 2014 2015 2016

ACES AALI AALI AALI ADRO AALI

BKSL ACES BDMN

AISA ASRI AISA

BSDE BMTR CTRA

BDMN BDMN BDMN

CTRA BSDE DILD

BKSL BKSL BKSL

DILD CTRA HMSP

BMTR BMTR CPIN

HMSP DILD ICBP

CTRA CTRA DILD

JPFA HMSP INCO

HMSP INCO INTP

KAEF ICBP JPFA

INCO ITMG JPFA

KIJA JPFA KREN

JPFA JPFA JSMR

KREN KAEF MPPA

KAEF KIJA KIJA

LPCK LPKR PBRX

KIJA LPCK MAPI

MDLN MPPA PNBN

KREN MAPI MDLN

MNCN PBRX PNLF

MDLN MDLN MPPA

MPPA PNBN RALS

MNCN MPPA PNBN

PNBN PNLF SCMA

MPPA PBRX PNLF

PNLF PWON TINS

PNBN PNBN

PWON RALS

PNLF PNLF

RALS SCMA

RALS PTBA

SCMA SMRA

TINS RALS

TOTL WIKA

TINS

WIKA

56

Lampiran 2

Anggota Portofolio SL

Sebelum Currency Crisis

Sesudah Currency Crisis

SL SL

2010 2011 2012 2014 2015 2016

ADHI ADHI ACES ACES ACES ACES

AISA AISA AISA

DILD AISA ASRI

ASRI BKSL CPIN

ITMG DILD ITMG

MAPI KIJA KAEF

LPCK KAEF KAEF

PBRX KREN KIJA

MAPI LSIP KLBF

SMRA LPCK LPCK

PBRX SCMA KREN

SSIA MDLN LSIP

PTBA SSIA LPCK

TOTL MAPI

SSIA TOTL MNCN

MDLN

TOTL PBRX

PWON

RALS

SMRA

SMRA

TOTL

TINS

TOTL

57

Lampiran 3

Anggota Portofolio SR

Sebelum Currency Crisis

Sesudah Currency Crisis

SR

SR

2010 2011 2012 2014 2015 2016

ACES AALI AALI ADHI ACES AALI

ADHI ACES ACES

ASII CTRA ACES

HMSP HMSP CPIN

ASRI ITMG AISA

JPFA ICBP HMSP

BBCA KAEF CPIN

KREN LPCK ICBP

BBNI LPCK INTP

MPPA SCMA JPFA

BBRI MDLN ITMG

SCMA LPCK

BMRI PTBA JPFA

MAPI

BSDE SCMA KLBF

PWON

ICBP TOTL KREN

SCMA

INTP LPCK

SMRA

KLBF MNCN

TOTL

LPKR RALS

PGAS TOTL

PWON

SCMA

SMGR

SMRA

TLKM

UNVR

58

Lampiran 4

Anggota Portofolio SW

Sebelum Currency Crisis

Sesudah Currency Crisis

SW SW

2010 2011 2012 2014 2015 2016

AISA ADHI AISA AISA ADRO ASRI

ASRI AISA BDMN

BDMN AISA BDMN

BKSL BKSL CTRA

BKSL ASRI BKSL

BSDE BMTR DILD

BMTR BDMN DILD

CTRA BSDE INCO

CTRA BKSL JSMR

DILD CTRA KAEF

DILD BMTR KAEF

KAEF DILD KIJA

INCO DILD KIJA

KIJA JPFA KREN

JPFA INCO MAPI

LPCK KAEF LSIP

KAEF JPFA MDLN

MAPI KIJA MDLN

KIJA KIJA MPPA

MDLN KREN MPPA

KREN LSIP PBRX

MNCN LPKR PBRX

MAPI MAPI PNBN

PNBN MDLN PNBN

MDLN MPPA PNLF

PNLF MPPA PNLF

PBRX PBRX SMRA

PWON PBRX RALS

PNBN PNBN TINS

RALS PNBN TINS

PNLF PNLF

SMRA PNLF

RALS RALS

SSIA PWON

SSIA SSIA

TOTL RALS

TINS TINS

WIKA SMRA

TOTL

WIKA

59

Lampiran 5

Anggota Portofolio SC

Sebelum Currency Crisis

Sesudah Currency Crisis

SC SC

2010 2011 2012 2014 2015 2016

ADHI AALI AISA BDMN ADRO AISA

CTRA BKSL BDMN

BKSL BDMN ASRI

KAEF BMTR DILD

HMSP BMTR BDMN

KIJA BSDE ICBP

INCO INCO BKSL

LPCK HMSP INCO

ITMG ITMG CPIN

MAPI ICBP KAEF

JPFA JPFA INTP

MNCN JPFA KREN

KIJA KAEF ITMG

MPPA KAEF LSIP

MAPI LSIP LPCK

PBRX KREN MPPA

MDLN MAPI MNCN

PWON LPKR PNLF

MPPA MPPA PNBN

RALS MDLN RALS

PNBN PNBN RALS

SCMA MPPA SCMA

RALS PNLF TINS

SSIA PNBN TINS

SSIA RALS TOTL

WIKA PWON TOTL

TOTL SCMA

RALS

SSIA

TOTL

TINS

60

Lampiran 6

Anggota Portofolio SA

Sebelum Currency Crisis

Sesudah Currency Crisis

SA SA

2010 2011 2012 2014 2015 2016

ACES ACES AALI AALI ACES AALI

AISA ADHI ACES

ACES AISA ACES

ASRI AISA CPIN

AISA ASRI DILD

BKSL CTRA CTRA

BMTR BKSL JPFA

BSDE DILD HMSP

CTRA CTRA JSMR

DILD KIJA JPFA

DILD DILD KAEF

HMSP LPCK KIJA

KAEF KIJA KIJA

JPFA PBRX LPCK

KREN LPCK KLBF

KREN PNLF MAPI

LPCK MDLN KREN

MDLN SCMA MDLN

MNCN PBRX MAPI

PNBN SMRA PBRX

PBRX PTBA MDLN

PNLF WIKA PNBN

PNLF TOTL MPPA

SMRA PWON

PTBA PBRX

TOTL SMRA

TINS PNLF

SMRA

61

Lampiran 7

Anggota Portofolio BH

Sebelum Currency Crisis

Sesudah Currency Crisis

BH BH

2010 2011 2012 2014 2015 2016

BBCA ASII ADRO ADRO AALI ADRO

BMTR BBCA ASII

ASII BBNI ASII

GGRM BDMN BBCA

BBCA BMRI BBCA

INCO GGRM BBNI

BBNI BSDE BBNI

INDF INCO BMRI

BMRI GGRM BBRI

JSMR INDF BMTR

CPIN INDF BMRI

TLKM KLBF GGRM

GGRM PGAS GGRM

TLKM INDF

TLKM UNTR HMSP

INTP

UNTR ICBP

ITMG

INDF

TLKM

PGAS

UNTR

SMGR

UNTR

62

Lampiran 8

Anggota Portofolio BL

Sebelum Currency Crisis

Sesudah Currency Crisis

BL BL

2010 2011 2012 2014 2015 2016

AALI ADRO ADHI ADHI ADHI ADHI

ADRO AKRA AKRA

AKRA AKRA AKRA

AKRA ASRI ASRI

ASRI ASII BMTR

ASII BBNI BBRI

BBRI BBCA BSDE

BBNI BBRI BKSL

BSDE BBRI CTRA

BBRI BMRI BSDE

ICBP CPIN INCO

BDMN CPIN JSMR

INDF HMSP LPKR

BMRI INTP KLBF

INTP ICBP LSIP

CPIN ITMG LPKR

JSMR INTP PTBA

ICBP JSMR MNCN

KLBF JSMR PWON

INTP LSIP PGAS

LPKR KLBF SCMA

ITMG MAPI PTBA

LSIP KREN SSIA

KLBF MNCN SMGR

PGAS LPKR TLKM

LPKR PGAS SSIA

PWON MNCN UNVR

LSIP PTBA UNVR

SCMA PWON WIKA

PGAS SMGR WIKA

SMGR SMGR

PTBA SSIA

SMRA SMRA

SMGR TINS

UNVR TLKM

TINS UNTR

WIKA UNVR

UNTR UNVR

WIKA

UNVR

63

Lampiran 9

Anggota Portofolio BR

Sebelum Currency Crisis

Sesudah Currency Crisis

BR BR

2010 2011 2012 2014 2015 2016

AALI ADRO ASII ADHI AKRA AKRA

ASII AKRA ASRI

ASII ASII ASII

BBCA ASII BBCA

ASRI BBCA BBCA

BBRI ASRI BBRI

BBCA BBRI BBNI

BMRI BBCA BMRI

BBNI BMRI BBRI

CPIN BBRI INTP

BBRI CPIN GGRM

GGRM BMRI ITMG

BMRI GGRM HMSP

ICBP CPIN KLBF

BSDE HMSP ICBP

INCO GGRM MNCN

ICBP ICBP INDF

INTP INTP PGAS

INTP INTP PTBA

ITMG ITMG PTBA

KLBF KLBF PWON

KLBF KLBF SMGR

LPKR MNCN SCMA

LSIP LSIP SSIA

PGAS PGAS SMGR

PGAS MAPI TLKM

PWON PWON TLKM

PTBA PGAS UNVR

SCMA SMGR UNVR

SMGR PTBA WIKA

SMGR SMRA

TINS SMGR

SMRA TLKM

TLKM SSIA

TLKM UNVR

UNTR TINS

UNVR WIKA

UNVR TLKM

UNTR

UNVR

64

Lampiran 10

Anggota Portofolio BW

Sebelum Currency Crisis

Sesudah Currency Crisis

BW BW

2010 2011 2012

2014 2015 2016

ADRO BBNI ADHI ADRO AALI ADHI

AKRA BDMN ADRO

AKRA ADHI ADRO

BBNI INCO AKRA

CPIN BBNI BMRI

BDMN INDF BBNI

GGRM BSDE BMTR

BMTR JSMR BKSL

INDF INDF BSDE

INDF MNCN BMTR

JSMR JSMR CTRA

JSMR BSDE

LSIP KREN INCO

LPKR GGRM

UNTR LPKR LPKR

INDF

WIKA UNTR LSIP

JSMR

PGAS

LPKR

SSIA

UNTR

UNTR

WIKA

65

Lampiran 11

Anggota Portofolio BC

Sebelum Currency Crisis

Sesudah Currency Crisis

BC BC

2010 2011 2012 2014 2015 2016

ADRO AKRA BBCA ADHI AKRA ADRO

BBCA BBCA BBNI

ADRO ASII AKRA

BBNI BBRI BBRI

AKRA BBCA ASII

BMRI INCO BKSL

ASII BMRI BMTR

BMTR INDF BMRI

BBCA GGRM BSDE

GGRM INTP GGRM

BBNI ICBP GGRM

INCO JSMR INDF

INDF INDF ICBP

ITMG KLBF ITMG

INTP INTP INCO

JSMR MNCN KLBF

KLBF KREN INDF

KLBF PGAS MNCN

LSIP LPKR LSIP

LSIP TINS PTBA

SMGR MNCN PGAS

PGAS TLKM TLKM

SMRA UNTR SCMA

TLKM UNTR

TLKM TLKM

UNVR

UNTR UNTR

UNVR

66

Lampiran 12

Anggota Portofolio BA

Sebelum Currency Crisis

Sesudah Currency Crisis

BA BA

2010 2011 2012 2014 2015 2016

AALI ADRO ADHI ASRI AALI ADHI

AKRA ASII ADRO

BBRI ADHI BBCA

ASII ASRI AKRA

BMRI BBNI BBNI

BBRI BBNI ASII

BSDE BBRI BBRI

BDMN BDMN ASRI

CPIN BSDE BMRI

CPIN BMRI BMTR

GGRM CPIN CTRA

ICBP CPIN BSDE

ICBP HMSP HMSP

INDF GGRM INTP

JSMR JSMR LPKR

INTP ITMG JSMR

LPKR KLBF PTBA

LPKR LSIP LPKR

PGAS PGAS PWON

SMGR MAPI PGAS

PWON PWON SMGR

TINS PTBA SMGR

SCMA SMGR SSIA

UNTR SMGR SSIA

UNVR SMRA WIKA

UNVR SSIA WIKA

WIKA TLKM

UNTR

UNVR

UNVR

WIKA

67

Lampiran 13

Nilai excess return dari tiap-tiap portofolio sebelum currency crisis

Date SH SL SR SW SC SA BH BL BR BW BC BA

31-Jan-10 -0,019364 -0,003882 -0,033939 -0,008116 -0,024706 -0,006281 0,030084 0,146970 0,165760 -0,002278 0,005022 -0,021270

28-Feb-10 0,121230 0,109674 0,080042 0,133660 0,109369 0,127313 0,082518 0,062259 0,061286 0,082419 0,061359 0,073289

31-Mar-10 0,166672 0,178252 0,114302 0,191673 0,111880 0,227253 0,047400 0,066692 0,053159 0,083643 0,056918 0,066820

30-Apr-10 -0,112000 0,100569 0,105317 -0,124528 -0,006809 -0,110906 -0,035107 -0,079527 -0,055112 -0,101698 -0,059457 -0,077387

31-May-10 0,045192 0,139824 0,144262 0,038685 0,080519 0,057180 0,008703 0,055322 0,047210 0,034809 0,005257 0,082077

30-Jun-10 0,065118 0,078766 0,183082 0,022709 0,047685 0,089375 0,079674 0,074685 0,070947 0,088394 0,068088 0,083776

31-Jul-10 0,050866 0,143949 0,039743 0,087894 0,121279 0,026994 0,030856 0,001756 0,001977 0,026667 0,025911 -0,007849

31-Aug-10 0,205996 0,327689 0,298577 0,203679 0,345623 0,127216 0,163553 0,118016 0,129871 0,128225 0,109874 0,148927

30-Sep-10 0,049538 0,118778 0,112038 0,048772 0,119321 0,014375 0,043784 0,047232 0,028470 0,091120 0,055038 0,037703

31-Oct-10 -0,031343 0,006087 0,025657 -0,041042 -0,057509 0,013538 -0,104068 -0,007687 -0,040108 -0,010968 -0,014947 -0,048617

30-Nov-10 0,050712 0,160726 0,074162 0,079837 0,103925 0,052506 0,071068 0,031178 0,028522 0,072723 0,061956 0,020345

31-Dec-10 -0,084627 -0,089360 -0,019962 -0,112150 -0,065416 -0,106205 -0,054696 0,064611 0,082026 -0,083319 -0,088550 0,158119

31-Jan-11 0,020194 0,060938 0,033088 0,031494 0,021560 0,045536 0,040448 -0,000412 -0,010514 0,091110 -0,030260 0,042404

28-Feb-11 0,058330 0,051403 0,085461 0,048412 0,047301 0,068418 0,069135 0,056006 0,070727 0,019534 0,051662 0,065828

31-Mar-11 0,034310 0,054421 0,064199 0,033471 0,031744 0,051138 0,011286 0,036229 0,041217 -0,015316 0,038266 0,022230

30-Apr-11 0,016278 -0,010881 0,017437 0,006086 0,035608 -0,027602 -0,004225 0,015773 0,012298 0,001852 -0,004040 0,020634

31-May-11 0,025290 0,018050 0,045741 0,017080 0,020716 0,026562 0,016406 0,013432 0,021230 -0,011194 0,004180 0,021858

30-Jun-11 0,070123 0,278615 0,247120 0,097666 0,093400 0,178081 0,019772 0,110208 0,092317 0,055226 0,060504 0,102268

31-Jul-11 -0,094544 0,137151 0,046318 -0,048708 -0,021393 -0,037616 -0,037790 -0,079201 -0,067485 -0,066946 -0,076169 -0,060770

31-Aug-11 -0,103389 -0,184869 -0,073152 -0,141265 -0,124992 -0,128906 -0,076821 -0,092571 -0,087590 -0,089836 -0,084888 -0,090459

30-Sep-11 0,064746 0,097995 0,085942 0,071056 0,072156 0,077032 0,072231 0,106889 0,104278 0,070251 0,094149 0,099114

31-Oct-11 -0,022467 -0,078613 0,065120 -0,066771 -0,036150 -0,041653 -0,038546 -0,037975 -0,028569 -0,073226 -0,048598 -0,030293

30-Nov-11 0,081341 0,074773 0,024242 0,094525 0,056898 0,109552 -0,018195 0,082868 0,060860 0,028814 0,031819 0,070624

31-Dec-11 0,074889 0,088854 0,035778 0,090634 0,086122 0,069222 0,043795 0,061247 0,053728 0,065547 0,059864 0,053558

31-Jan-12 0,033252 0,047128 0,063954 0,020633 0,009739 0,068659 0,024774 0,043723 0,033809 0,037993 0,028876 0,042328

29-Feb-12 -0,012483 0,114775 0,065157 0,024730 0,011006 0,073105 0,045586 0,086133 0,054115 0,088277 0,026943 0,110569

31-Mar-12 0,067076 0,146463 0,065052 0,128134 0,142827 0,059371 0,005849 0,052468 0,021605 0,047000 0,040064 0,024914

30-Apr-12 -0,066818 -0,099993 -0,037492 -0,113694 -0,108732 -0,053340 -0,116082 -0,102861 -0,095239 -0,126245 -0,116246 -0,100808

31-May-12 0,009581 0,034115 0,042040 0,003637 0,029992 0,010199 0,033555 0,019575 0,033330 0,015216 0,030985 0,020148

30-Jun-12 0,045220 0,062109 0,064640 0,043321 0,069449 0,035467 0,064033 0,045878 0,080034 0,018492 0,053527 0,053790

31-Jul-12 -0,039793 -0,066198 -0,049348 -0,052430 -0,057516 -0,044702 -0,035584 -0,032072 -0,017121 -0,055519 -0,034035 -0,033120

31-Aug-12 0,071307 0,099947 0,066262 0,096571 0,092756 0,074407 0,046648 0,121435 0,092483 0,085251 0,061524 0,117244

30-Sep-12 -0,012096 0,044343 0,039557 -0,008506 0,015025 0,009159 0,017704 0,045569 0,034919 0,031905 0,004199 0,063055

31-Oct-12 -0,017548 0,065557 0,036036 0,004593 0,034072 0,002065 -0,017074 0,020541 -0,007672 0,020543 -0,028725 0,037565

30-Nov-12 0,037304 0,012235 0,016079 0,034421 0,036622 0,016499 0,032112 -0,044590 -0,022499 0,002658 -0,002282 -0,021153

31-Dec-12 0,066348 0,112368 0,069276 0,098667 0,093516 0,078626 0,012444 0,102732 0,072335 0,052975 0,059481 0,068594

68

Lampiran 14

Nilai excess return dari tiap-tiap portofolio sesudah currency crisis

Date SH SL SR SW SC SA BH BL BR BW BC BA

31-Jan-14 0,113633 0,116605 0,054565 0,122501 0,094602 0,134575 0,040040 0,117625 0,054565 0,065703 0,063849 0,052442

28-Feb-14 0,066149 0,038615 0,050849 0,073323 0,041852 0,072746 0,020030 0,072275 0,050849 0,041894 0,051532 0,044409

31-Mar-14 0,013263 0,005975 -0,009714 -0,003270 0,007250 0,014591 0,040407 0,253982 -0,009714 0,030895 0,017047 -0,010369

30-Apr-14 0,004332 0,015875 0,018435 -0,010320 -0,021828 0,037912 -0,000499 0,103996 0,018435 -0,032698 -0,001340 0,005340

31-May-14 -0,058965 -0,076655 -0,027450 -0,072392 -0,076977 -0,052324 -0,004964 -0,119604 -0,027450 -0,001073 -0,009518 -0,028426

30-Jun-14 0,036502 0,059459 0,086299 0,054769 0,037156 0,050607 0,035575 -0,075750 0,086299 0,028378 0,050542 0,084820

31-Jul-14 0,025579 0,075169 -0,007671 0,044456 0,039913 0,043125 0,000378 -0,142635 -0,007671 0,010425 -0,004591 0,000882

31-Aug-14 -0,044216 -0,024197 -0,030104 -0,056449 -0,034029 -0,041533 0,009298 0,005798 -0,030104 -0,010191 -0,023147 -0,024260

30-Sep-14 -0,010507 -0,019651 0,012680 0,003093 -0,029038 0,002145 -0,016744 0,056641 0,012680 -0,019184 -0,010104 0,014979

31-Oct-14 0,045019 0,058014 0,043218 0,070694 0,065021 0,033371 0,004747 -0,085651 0,043218 -0,001050 0,009521 0,048457

30-Nov-14 0,185262 -0,004271 0,027422 0,192964 -0,044704 0,293385 -0,015783 -0,026569 0,027422 -0,013525 0,007133 0,021387

31-Dec-14 -0,020290 0,001710 0,014304 -0,034761 0,026060 -0,052497 0,004797 0,087421 0,014304 0,022689 0,014945 0,019053

31-Jan-15 0,037471 0,054003 0,036181 0,045043 0,025350 0,064654 0,048979 0,051435 0,020363 0,034144 0,029296 0,021415

28-Feb-15 -0,036331 -0,089751 -0,063086 -0,046150 -0,031246 -0,078724 -0,009619 0,043414 -0,009868 0,017307 0,022846 -0,019117

31-Mar-15 -0,090316 -0,077396 -0,095766 -0,082295 -0,108037 -0,058075 -0,104781 -0,007264 -0,095043 -0,107654 -0,096885 -0,100755

30-Apr-15 0,013135 0,013418 0,019221 0,010371 0,010277 0,017134 0,042259 0,011821 0,031949 0,052743 0,031307 0,044127

31-May-15 -0,094104 -0,082145 -0,107482 -0,082732 -0,107619 -0,068112 -0,095928 -0,023723 0,114115 -0,122224 -0,057323 0,109752

30-Jun-15 -0,111236 -0,040079 -0,097942 -0,087572 -0,102705 -0,075173 -0,052076 0,072601 -0,057322 -0,007105 -0,015518 -0,060428

31-Jul-15 -0,134113 -0,166392 -0,149586 -0,140374 -0,116678 -0,178879 0,016124 0,001950 0,251344 -0,016583 0,158600 0,170193

31-Aug-15 -0,063472 -0,006444 -0,035314 -0,052798 -0,071715 -0,014463 -0,124975 -0,006020 -0,165960 0,101151 -0,042508 -0,108299

30-Sep-15 0,112556 0,118635 0,191845 0,077558 0,091126 0,145182 0,087173 0,003640 0,113289 0,082496 0,063362 0,133414

31-Oct-15 -0,075159 -0,036423 -0,047956 -0,071735 -0,061497 -0,067551 -0,046439 0,023298 0,023033 -0,056074 -0,026340 0,015564

30-Nov-15 0,025319 0,008671 -0,012643 0,036291 0,026285 0,012931 0,043471 0,237445 0,042382 0,000464 0,056787 0,008000

31-Dec-15 -0,073991 -0,031774 -0,069732 -0,058233 -0,037114 -0,095015 0,016874 -0,012081 -0,010622 0,056673 -0,003354 0,021781

31-Jan-16 -0,021891 0,127278 0,089998 0,010418 0,091365 0,009234 0,038581 0,035251 0,052100 0,012638 0,059131 0,004525

29-Feb-16 0,084057 0,078487 0,067030 0,093987 0,102185 0,063519 0,007703 -0,038633 0,012454 0,087527 0,061801 0,030588

31-Mar-16 -0,008440 0,033436 0,033365 -0,008378 0,035683 -0,010387 -0,025567 -0,098052 -0,006363 -0,022912 -0,007699 -0,021370

30-Apr-16 -0,036725 -0,016033 -0,009460 -0,042422 -0,006860 -0,044675 0,280694 0,027983 0,256526 -0,056029 -0,030372 0,275006

31-May-16 0,107717 0,083445 0,088742 0,103125 0,096291 0,096583 -0,019253 -0,097466 -0,005010 0,067554 0,041352 0,014061

30-Jun-16 0,057036 0,067888 0,091544 0,036535 0,080079 0,046471 0,076258 -0,057552 0,043028 0,097274 0,088371 0,044955

31-Jul-16 0,044910 0,082073 0,022781 0,096297 0,002195 0,114138 0,052203 -0,087709 0,014772 0,022774 0,018178 0,018844

31-Aug-16 -0,056105 -0,054009 -0,063065 -0,048256 -0,052081 -0,057776 0,317598 0,004102 0,278152 -0,036598 -0,010088 0,295987

30-Sep-16 0,012954 0,038120 0,060995 -0,006870 0,055377 -0,002002 -0,031838 0,092058 -0,034708 0,003491 0,019379 -0,058918

31-Oct-16 -0,067632 -0,024397 -0,068001 -0,029842 -0,063730 -0,033543 -0,066293 -0,037903 -0,081521 -0,059251 -0,057705 -0,086731

30-Nov-16 -0,005276 -0,018107 -0,014425 -0,008466 -0,007502 -0,014466 0,376478 0,050810 0,306374 -0,001901 0,014793 0,334539

31-Dec-16 -0,019545 -0,049608 -0,030226 -0,036342 -0,009271 -0,054503 -0,074294 -0,034649 -0,059121 0,014814 -0,014838 -0,036281

69

Lampiran 15

Nilai SMB, HML, HMLO, RMW, dan CMA sebelum currency crisis

Date SMB HML HMLO RMW CMA

31-Jan-10 -0,070096 -0,066184 -0,078786 0,071107 0,003933

28-Feb-10 0,043026 0,015907 0,004190 -0,037376 -0,014937

31-Mar-10 0,102567 -0,015435 -0,027559 -0,053927 -0,062637

30-Apr-10 0,043322 -0,084074 -0,018421 0,138216 0,061014

31-May-10 0,045380 -0,070625 -0,072886 0,058989 -0,026740

30-Jun-10 0,003528 -0,004330 -0,023694 0,071463 -0,028689

31-Jul-10 0,065234 -0,031992 0,021110 -0,036421 0,064022

31-Aug-10 0,118386 -0,038078 0,023714 0,048272 0,089677

30-Sep-10 0,026579 -0,036345 -0,003058 0,000308 0,061141

31-Oct-10 0,023631 -0,066906 -0,060333 0,018780 -0,018688

30-Nov-10 0,039346 -0,035063 -0,008173 -0,024938 0,046515

31-Dec-10 -0,092652 -0,057288 -0,117237 0,128766 -0,102940

31-Jan-11 0,013339 0,000058 -0,024786 -0,050015 -0,048320

28-Feb-11 0,004406 0,010028 -0,006158 0,044121 -0,017641

31-Mar-11 0,022562 -0,022528 -0,020045 0,043630 -0,001679

30-Apr-11 -0,000894 0,003580 0,013754 0,010899 0,019268

31-May-11 0,014588 0,005107 0,004154 0,030543 -0,011762

30-Jun-11 0,087452 -0,149464 -0,158041 0,093272 -0,063222

31-Jul-11 0,061595 -0,095142 -0,056017 0,047244 0,000412

31-Aug-11 -0,039068 0,048615 0,055973 0,035179 0,004743

30-Sep-11 -0,012998 -0,033953 -0,052353 0,024456 -0,004921

31-Oct-11 0,012779 0,027788 0,038588 0,088274 -0,006401

30-Nov-11 0,030757 -0,047247 -0,065516 -0,019118 -0,045730

31-Dec-11 0,017960 -0,015708 -0,010723 -0,033338 0,011603

31-Jan-12 0,005310 -0,016412 -0,033056 0,019569 -0,036187

29-Feb-12 -0,022556 -0,083903 -0,134186 0,003133 -0,072863

31-Mar-12 0,069504 -0,063003 -0,018456 -0,044238 0,049303

30-Apr-12 0,029569 0,009977 0,022882 0,053604 -0,035415

31-May-12 -0,003874 -0,005277 -0,002989 0,028258 0,015314

30-Jun-12 0,000742 0,000633 0,002870 0,041430 0,016860

31-Jul-12 -0,017089 0,011446 0,008158 0,020740 -0,006865

31-Aug-12 -0,003889 -0,051714 -0,072192 -0,011538 -0,018685

30-Sep-12 -0,018311 -0,042152 -0,063709 0,025539 -0,026495

31-Oct-12 0,016600 -0,060360 -0,058776 0,001614 -0,017142

30-Nov-12 0,034819 0,050885 0,070622 -0,021750 0,019497

31-Dec-12 0,025040 -0,068154 -0,063819 -0,005016 0,002888

70

Lampiran 16

Nilai SMB, HML, HMLO, RMW, dan CMA sesudah currency crisis

Date SMB HML HMLO RMW CMA

31-Jan-14 0,040376 -0,040278 -0,043591 -0,039537 -0,014283

28-Feb-14 0,010424 -0,012355 -0,020342 -0,006760 -0,011886

31-Mar-14 -0,049026 -0,103144 -0,117920 -0,023526 0,010038

30-Apr-14 -0,008138 -0,058019 -0,076512 0,039944 -0,033210

31-May-14 -0,028955 0,066165 0,057141 0,009282 -0,002873

30-Jun-14 0,019155 0,044184 0,033529 0,044726 -0,023864

31-Jul-14 0,060631 0,046712 0,062934 -0,035111 -0,004343

31-Aug-14 -0,026320 -0,008259 -0,013731 0,003216 0,004308

30-Sep-14 -0,013258 -0,032121 -0,046635 0,020725 -0,028133

31-Oct-14 0,049349 0,038702 0,053115 0,008396 -0,003642

30-Nov-14 0,108332 0,100159 0,043737 -0,062297 -0,176171

31-Dec-14 -0,038114 -0,052312 -0,046738 0,020340 0,037224

31-Jan-15 0,009512 -0,009494 -0,019581 -0,011322 -0,015711

28-Feb-15 -0,065042 0,000193 -0,002025 -0,022056 0,044720

31-Mar-15 0,000083 -0,055219 -0,049652 -0,000430 -0,023047

30-Apr-15 -0,021775 0,015078 -0,001586 -0,005972 -0,009839

31-May-15 -0,077810 -0,042082 -0,102341 0,105795 -0,103291

30-Jun-15 -0,065810 -0,097917 -0,111954 -0,030293 0,008689

31-Jul-15 -0,244608 0,023227 -0,027885 0,129358 0,025304

31-Aug-15 0,017068 -0,087991 -0,072168 -0,124814 0,004270

30-Sep-15 0,042255 0,038728 0,015811 0,072541 -0,062054

31-Oct-15 -0,048894 -0,054236 -0,075799 0,051443 -0,017925

30-Nov-15 -0,048616 -0,088663 -0,095318 -0,003508 0,031071

31-Dec-15 -0,072522 -0,006631 -0,025010 -0,039397 0,016383

31-Jan-16 0,017362 -0,072920 -0,035112 0,059521 0,068369

29-Feb-16 0,054637 0,025953 0,057769 -0,051015 0,034939

31-Mar-16 0,042874 0,015304 0,047996 0,029147 0,029870

30-Apr-16 -0,151664 0,116010 0,008121 0,172758 -0,133781

31-May-16 0,095778 0,051242 0,080599 -0,043474 0,013500

30-Jun-16 0,014536 0,061479 0,078932 0,000381 0,038512

31-Jul-16 0,053889 0,051374 0,033937 -0,040759 -0,056305

31-Aug-16 -0,196741 0,155700 0,021904 0,149970 -0,150190

30-Sep-16 0,028185 -0,074531 -0,031036 0,014833 0,067838

31-Oct-16 0,017043 -0,035813 -0,020518 -0,030215 -0,000581

30-Nov-16 -0,191556 0,169250 0,027456 0,151158 -0,156391

31-Dec-16 0,000812 -0,004791 0,011683 -0,033910 0,033338

71

Lampiran 17

Nilai Market excess return dan Risk-free rate

Sebelum Currency Crisis

Sesudah Currency Crisis

Date MKT SBI

Date MKT SBI

31-Jan-10 -0,029073 0,005417

31-Jan-14 0,039342 0,006250

28-Feb-10 0,084134 0,005417

28-Feb-14 0,025796 0,006250

31-Mar-10 0,064418 0,005417

31-Mar-14 0,008822 0,006250

30-Apr-10 -0,064077 0,005417

30-Apr-14 0,004858 0,006250

31-May-10 0,036317 0,005417

31-May-14 -0,009382 0,006250

30-Jun-10 0,047985 0,005417

30-Jun-14 0,036840 0,006250

31-Jul-10 -0,001310 0,005417

31-Jul-14 0,003194 0,006250

31-Aug-10 0,130673 0,005417

31-Aug-14 -0,006111 0,006250

30-Sep-10 0,032863 0,005417

30-Sep-14 -0,015599 0,006250

31-Oct-10 -0,034056 0,005417

31-Oct-14 0,005606 0,006250

30-Nov-10 0,043377 0,005417

30-Nov-14 0,008505 0,006458

31-Dec-10 -0,084894 0,005417

31-Dec-14 0,005491 0,006458

31-Jan-11 0,012529 0,005417

31-Jan-15 0,023959 0,006458

28-Feb-11 0,054405 0,005625

28-Feb-15 0,006296 0,006250

31-Mar-11 0,032689 0,005625

31-Mar-15 -0,084575 0,006250

30-Apr-11 -0,001083 0,005625

30-Apr-15 0,019299 0,006250

31-May-11 0,007824 0,005625

31-May-15 -0,064858 0,006250

30-Jun-11 0,056668 0,005625

30-Jun-15 -0,028269 0,006250

31-Jul-11 -0,075604 0,005625

31-Jul-15 -0,067243 0,006250

31-Aug-11 -0,081814 0,005625

31-Aug-15 -0,069603 0,006250

30-Sep-11 0,062510 0,005625

30-Sep-15 0,048503 0,006250

31-Oct-11 -0,025403 0,005417

31-Oct-15 -0,008208 0,006250

30-Nov-11 0,023778 0,005000

30-Nov-15 0,026709 0,006250

31-Dec-11 0,026319 0,005000

31-Dec-15 -0,001426 0,006250

31-Jan-12 0,006040 0,005000

31-Jan-16 0,027715 0,006042

29-Feb-12 0,029420 0,004792

29-Feb-16 0,009764 0,005833

31-Mar-12 0,009567 0,004792

31-Mar-16 -0,007026 0,005625

30-Apr-12 -0,088009 0,004792

30-Apr-16 -0,014246 0,005625

31-May-12 0,027235 0,004792

31-May-16 0,040192 0,005625

30-Jun-12 0,042423 0,004792

30-Jun-16 0,034320 0,005417

31-Jul-12 -0,024589 0,004792

31-Jul-16 0,027192 0,005417

31-Aug-12 0,045015 0,004792

31-Aug-16 -0,009367 0,005417

30-Sep-12 0,015790 0,004792

30-Sep-16 0,005554 0,005208

31-Oct-12 -0,021836 0,004792

31-Oct-16 -0,055462 0,005000

30-Nov-12 0,004690 0,004792

30-Nov-16 0,023705 0,005000

31-Dec-12 0,026949 0,004792

31-Dec-16 -0,005492 0,005000

72

Lampiran 18

Hasil regresi portofolio SH sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00408

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 17

Z -,507

Asymp. Sig. (2-tailed) ,612

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 -,029

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,865

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,134

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,435

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** -,018

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,918

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,086

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,617

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,037

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,831

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

-,029 ,134 -,018 -,086 ,037 1,000

Sig. (2-tailed) ,865 ,435 ,918 ,617 ,831 .

73

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,014 ,005 2,559 ,016

MKT 1,135 ,097 ,804 11,716 ,000 ,708 1,411

SMB ,309 ,113 ,188 2,736 ,010 ,707 1,414

HMLO ,115 ,105 ,083 1,095 ,282 ,588 1,700

RMW -,202 ,096 -,138 -2,109 ,043 ,782 1,278

CMA -,162 ,130 -,096 -1,247 ,222 ,565 1,768

a. Dependent Variable: SH

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,152 5 ,030 53,906 ,000b

Residual ,017 30 ,001

Total ,169 35

a. Dependent Variable: SH

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,949a ,900 ,883 ,02377

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: SH

74

Lampiran 19

Hasil regresi portofolio SL sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00080

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 18

Z -,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 ,039

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,823

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,048

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,779

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** ,002

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,993

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,029

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,866

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,027

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,877

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,039 ,048 ,002 -,029 ,027 1,000

Sig. (2-tailed) ,823 ,779 ,993 ,866 ,877 .

75

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,008 ,006 1,436 ,161

MKT ,806 ,100 ,399 8,073 ,000 ,708 1,411

SMB 1,246 ,116 ,530 10,706 ,000 ,707 1,414

HMLO -1,177 ,108 -,592 -10,916 ,000 ,588 1,700

RMW -,005 ,099 -,002 -,052 ,959 ,782 1,278

CMA ,861 ,134 ,356 6,439 ,000 ,565 1,768

a. Dependent Variable: SL

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,328 5 ,066 109,475 ,000b

Residual ,018 30 ,001

Total ,346 35

a. Dependent Variable: SL

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,974a ,948 ,939 ,02449

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: SL

76

Lampiran 20

Hasil regresi portofolio SR sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00128

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 19

Z ,000

Asymp. Sig. (2-tailed) 1,000

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 -,141

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,412

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 -,051

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,766

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** ,003

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,987

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,077

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,654

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,022

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,897

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

-,141 -,051 ,003 -,077 ,022 1,000

Sig. (2-tailed) ,412 ,766 ,987 ,654 ,897 .

77

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,011 ,005 2,069 ,047

MKT ,977 ,093 ,657 10,545 ,000 ,708 1,411

SMB ,886 ,108 ,512 8,206 ,000 ,707 1,414

HMLO -,269 ,100 -,184 -2,685 ,012 ,588 1,700

RMW ,775 ,091 ,502 8,473 ,000 ,782 1,278

CMA ,115 ,124 ,065 ,927 ,361 ,565 1,768

a. Dependent Variable: SR

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,172 5 ,034 66,688 ,000b

Residual ,016 30 ,001

Total ,188 35

a. Dependent Variable: SR

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,958a ,917 ,904 ,02274

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: SR

78

Lampiran 21

Hasil regresi portofolio SW sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00266

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 23

Z 1,184

Asymp. Sig. (2-tailed) ,237

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 ,000

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,999

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,175

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,308

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** ,054

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,756

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,079

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,647

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,123

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,474

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,000 ,175 ,054 -,079 ,123 1,000

Sig. (2-tailed) ,999 ,308 ,756 ,647 ,474 .

79

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,013 ,006 2,323 ,027

MKT 1,054 ,102 ,636 10,282 ,000 ,708 1,411

SMB ,439 ,119 ,227 3,673 ,001 ,707 1,414

HMLO -,337 ,111 -,206 -3,039 ,005 ,588 1,700

RMW -,567 ,101 -,330 -5,599 ,000 ,782 1,278

CMA ,159 ,137 ,080 1,158 ,256 ,565 1,768

a. Dependent Variable: SW

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,214 5 ,043 67,756 ,000b

Residual ,019 30 ,001

Total ,233 35

a. Dependent Variable: SW

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,958a ,919 ,905 ,02515

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: SW

80

Lampiran 22

Hasil regresi portofolio SC sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00286

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 18

Z -,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandarized_

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 -,124

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,649

N 36 36 36 36 36 16

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,174

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,520

N 36 36 36 36 36 16

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** -,050

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,854

N 36 36 36 36 36 16

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,047

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,863

N 36 36 36 36 36 16

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,121

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,656

N 36 36 36 36 36 16

Unstandarized_R

esidual

Correlation

Coefficient

-,124 ,174 -,050 -,047 ,121 1,000

Sig. (2-tailed) ,649 ,520 ,854 ,863 ,656 .

81

N 16 16 16 16 16 16

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,018 ,007 2,490 ,019

MKT 1,080 ,124 ,637 8,679 ,000 ,708 1,411

SMB ,484 ,145 ,245 3,339 ,002 ,707 1,414

HMLO -,398 ,134 -,238 -2,958 ,006 ,588 1,700

RMW -,086 ,123 -,049 -,699 ,490 ,782 1,278

CMA ,822 ,167 ,406 4,934 ,000 ,565 1,768

a. Dependent Variable: SC

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,216 5 ,043 46,357 ,000b

Residual ,028 30 ,001

Total ,244 35

a. Dependent Variable: SC

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,941a ,885 ,866 ,03053

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: SC

82

Lampiran 23

Hasil regresi portofolio SA sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea ,00051

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 21

Z ,507

Asymp. Sig. (2-tailed) ,612

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 ,043

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,803

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,179

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,297

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** -,032

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,853

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,054

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,756

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,001

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,995

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,043 ,179 -,032 -,054 ,001 1,000

83

Sig. (2-tailed) ,803 ,297 ,853 ,756 ,995 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,008 ,005 1,757 ,089

MKT 1,019 ,085 ,669 12,022 ,000 ,708 1,411

SMB ,624 ,099 ,352 6,316 ,000 ,707 1,414

HMLO -,229 ,092 -,153 -2,503 ,018 ,588 1,700

RMW -,290 ,084 -,183 -3,463 ,002 ,782 1,278

CMA -,575 ,114 -,315 -5,059 ,000 ,565 1,768

a. Dependent Variable: SA

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,185 5 ,037 85,282 ,000b

Residual ,013 30 ,000

Total ,198 35

a. Dependent Variable: SA

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,967a ,934 ,923 ,02081

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: SA

84

Lampiran 24

Hasil regresi portofolio BH sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea ,00149

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 18

Z -,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 -,001

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,996

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 -,003

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,986

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** -,057

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,743

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,029

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,866

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,013

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,941

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

-,001 -,003 -,057 -,029 ,013 1,000

85

Sig. (2-tailed) ,996 ,986 ,743 ,866 ,941 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,010 ,006 1,807 ,081

MKT 1,063 ,100 ,947 10,648 ,000 ,708 1,411

SMB -,272 ,116 -,208 -2,340 ,026 ,707 1,414

HMLO -,011 ,108 -,010 -,105 ,917 ,588 1,700

RMW ,032 ,099 ,027 ,323 ,749 ,782 1,278

CMA ,301 ,134 ,224 2,250 ,032 ,565 1,768

a. Dependent Variable: BH

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,089 5 ,018 29,707 ,000b

Residual ,018 30 ,001

Total ,107 35

a. Dependent Variable: BH

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,912a ,832 ,804 ,02449

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: BH

86

Lampiran 25

Hasil regresi portofolio BL sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00458

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 17

Z -,507

Asymp. Sig. (2-tailed) ,612

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 -,059

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,730

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,166

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,335

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** ,022

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,897

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,064

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,713

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,015

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,931

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

-,059 ,166 ,022 -,064 ,015 1,000

87

Sig. (2-tailed) ,730 ,335 ,897 ,713 ,931 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,016 ,006 2,641 ,013

MKT ,986 ,108 ,777 9,135 ,000 ,708 1,411

SMB -,521 ,126 -,353 -4,146 ,000 ,707 1,414

HMLO -,719 ,117 -,576 -6,170 ,000 ,588 1,700

RMW -,063 ,107 -,048 -,595 ,557 ,782 1,278

CMA ,286 ,145 ,188 1,978 ,057 ,565 1,768

a. Dependent Variable: BL

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,116 5 ,023 33,002 ,000b

Residual ,021 30 ,001

Total ,137 35

a. Dependent Variable: BL

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,920a ,846 ,821 ,02648

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: BL

88

Lampiran 26

Hasil regresi portofolio BR sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00391

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 19

Z ,000

Asymp. Sig. (2-tailed) 1,000

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 ,031

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,858

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,228

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,182

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** ,058

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,738

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,109

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,526

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,071

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,683

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,031 ,228 ,058 -,109 ,071 1,000

89

Sig. (2-tailed) ,858 ,182 ,738 ,526 ,683 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,015 ,007 2,314 ,028

MKT 1,029 ,117 ,866 8,785 ,000 ,708 1,411

SMB -,589 ,137 -,426 -4,316 ,000 ,707 1,414

HMLO -,482 ,127 -,412 -3,809 ,001 ,588 1,700

RMW ,174 ,116 ,141 1,500 ,144 ,782 1,278

CMA ,272 ,157 ,191 1,731 ,094 ,565 1,768

a. Dependent Variable: BR

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,095 5 ,019 23,023 ,000b

Residual ,025 30 ,001

Total ,120 35

a. Dependent Variable: BR

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,891a ,793 ,759 ,02875

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: BR

90

Lampiran 27

Hasil regresi portofolio BW sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00167

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 16

Z -,845

Asymp. Sig. (2-tailed) ,398

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 -,182

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,289

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,004

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,981

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** -,055

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,750

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,024

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,889

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 -,024

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,891

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

-,182 ,004 -,055 -,024 -,024 1,000

91

Sig. (2-tailed) ,289 ,981 ,750 ,889 ,891 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,013 ,005 2,547 ,016

MKT ,952 ,088 ,743 10,796 ,000 ,708 1,411

SMB -,142 ,103 -,095 -1,380 ,178 ,707 1,414

HMLO -,414 ,095 -,328 -4,348 ,000 ,588 1,700

RMW -,485 ,087 -,364 -5,563 ,000 ,782 1,278

CMA ,228 ,118 ,148 1,927 ,063 ,565 1,768

a. Dependent Variable: BW

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,126 5 ,025 53,659 ,000b

Residual ,014 30 ,000

Total ,140 35

a. Dependent Variable: BW

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,948a ,899 ,883 ,02165

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: BW

92

Lampiran 28

Hasil regresi portofolio BC sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea ,00030

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 21

Z ,507

Asymp. Sig. (2-tailed) ,612

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 ,134

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,437

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,078

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,651

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** -,106

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,537

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,126

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,463

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,007

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,966

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,134 ,078 -,106 -,126 ,007 1,000

93

Sig. (2-tailed) ,437 ,651 ,537 ,463 ,966 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,004 ,004 1,178 ,248

MKT ,990 ,067 ,899 14,766 ,000 ,708 1,411

SMB -,174 ,078 -,135 -2,220 ,034 ,707 1,414

HMLO -,250 ,072 -,230 -3,446 ,002 ,588 1,700

RMW -,118 ,066 -,103 -1,778 ,086 ,782 1,278

CMA ,369 ,090 ,280 4,108 ,000 ,565 1,768

a. Dependent Variable: BC

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,095 5 ,019 70,201 ,000b

Residual ,008 30 ,000

Total ,103 35

a. Dependent Variable: BC

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,960a ,921 ,908 ,01645

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: BC

94

Lampiran 29

Hasil regresi portofolio BA sebelum currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00274

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 16

Z -,845

Asymp. Sig. (2-tailed) ,398

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,232 -,118 -,222 -,047 ,016

Sig. (2-tailed) . ,173 ,493 ,192 ,784 ,924

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,232 1,000 ,133 -,217 ,228 ,168

Sig. (2-tailed) ,173 . ,440 ,204 ,181 ,327

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

-,118 ,133 1,000 -,089 ,587** ,067

Sig. (2-tailed) ,493 ,440 . ,608 ,000 ,698

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,222 -,217 -,089 1,000 -,110 -,320

Sig. (2-tailed) ,192 ,204 ,608 . ,524 ,057

N 36 36 36 36 36 36

CMA Correlation

Coefficient

-,047 ,228 ,587** -,110 1,000 ,178

Sig. (2-tailed) ,784 ,181 ,000 ,524 . ,298

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,016 ,168 ,067 -,320 ,178 1,000

95

Sig. (2-tailed) ,924 ,327 ,698 ,057 ,298 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,014 ,008 1,758 ,089

MKT 1,051 ,136 ,812 7,704 ,000 ,708 1,411

SMB -,313 ,159 -,208 -1,972 ,058 ,707 1,414

HMLO -,418 ,147 -,328 -2,836 ,008 ,588 1,700

RMW ,086 ,135 ,064 ,640 ,527 ,782 1,278

CMA -,234 ,183 -,151 -1,282 ,210 ,565 1,768

a. Dependent Variable: BA

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,109 5 ,022 19,417 ,000b

Residual ,034 30 ,001

Total ,142 35

a. Dependent Variable: BA

b. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,874a ,764 ,725 ,03347

a. Predictors: (Constant), CMA, RMW, MKT, SMB, HMLO

b. Dependent Variable: BA

96

Lampiran 30

Hasil regresi portofolio SH sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00425

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 16

Z -,845

Asymp. Sig. (2-tailed) ,398

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,241

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,157

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,176

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,304

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 -,054

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,754

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,101

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,558

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,102

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,554

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,241 ,176 -,054 -,101 ,102 1,000

Sig. (2-tailed) ,157 ,304 ,754 ,558 ,554 .

97

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,003 ,005 ,589 ,560

MKT 1,226 ,179 ,574 6,849 ,000 ,748 1,336

SMB ,409 ,108 ,456 3,800 ,001 ,364 2,744

HMLO ,084 ,107 ,066 ,791 ,435 ,758 1,319

RMW -,116 ,129 -,107 -,900 ,375 ,375 2,665

CMA -,398 ,096 -,341 -4,127 ,000 ,769 1,300

a. Dependent Variable: SH

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,147 5 ,029 32,041 ,000b

Residual ,028 30 ,001

Total ,175 35

a. Dependent Variable: SH

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,918a ,842 ,816 ,03030

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: SH

98

Lampiran 31

Hasil regresi portofolio SL sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00421

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 20

Z ,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,126

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,465

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,190

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,268

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 ,134

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,436

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,111

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,520

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 -,006

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,974

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,126 ,190 ,134 -,111 -,006 1,000

99

Sig. (2-tailed) ,465 ,268 ,436 ,520 ,974 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,014 ,006 2,363 ,025

MKT 1,066 ,200 ,534 5,341 ,000 ,748 1,336

SMB ,604 ,120 ,721 5,029 ,000 ,364 2,744

HMLO -,116 ,119 -,097 -,978 ,336 ,758 1,319

RMW ,301 ,143 ,296 2,099 ,044 ,375 2,665

CMA ,047 ,107 ,043 ,434 ,667 ,769 1,300

a. Dependent Variable: SL

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,118 5 ,024 20,716 ,000b

Residual ,034 30 ,001

Total ,152 35

a. Dependent Variable: SL

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,881a ,775 ,738 ,03378

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: SL

100

Lampiran 32

Hasil regresi portofolio SR sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00433

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 23

Z 1,184

Asymp. Sig. (2-tailed) ,237

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,131

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,446

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,001

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,998

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 -,010

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,955

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 ,198

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,247

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,021

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,905

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,131 ,001 -,010 ,198 ,021 1,000

101

Sig. (2-tailed) ,446 ,998 ,955 ,247 ,905 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,009 ,005 1,798 ,082

MKT 1,156 ,170 ,555 6,805 ,000 ,748 1,336

SMB ,643 ,102 ,737 6,300 ,000 ,364 2,744

HMLO ,015 ,101 ,012 ,148 ,883 ,758 1,319

RMW ,501 ,122 ,473 4,109 ,000 ,375 2,665

CMA ,090 ,091 ,079 ,984 ,333 ,769 1,300

a. Dependent Variable: SR

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,141 5 ,028 34,131 ,000b

Residual ,025 30 ,001

Total ,166 35

a. Dependent Variable: SR

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,922a ,850 ,826 ,02874

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: SR

102

Lampiran 33

Hasil regresi portofolio SW sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00286

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 18

Z -,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,187

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,274

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,255

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,133

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 -,007

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,969

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,141

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,414

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,013

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,941

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,187 ,255 -,007 -,141 ,013 1,000

103

Sig. (2-tailed) ,274 ,133 ,969 ,414 ,941 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,007 ,005 1,371 ,180

MKT 1,117 ,175 ,518 6,377 ,000 ,748 1,336

SMB ,444 ,105 ,491 4,217 ,000 ,364 2,744

HMLO ,074 ,104 ,058 ,712 ,482 ,758 1,319

RMW -,175 ,126 -,160 -1,392 ,174 ,375 2,665

CMA -,460 ,094 -,391 -4,876 ,000 ,769 1,300

a. Dependent Variable: SW

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,151 5 ,030 34,457 ,000b

Residual ,026 30 ,001

Total ,178 35

a. Dependent Variable: SW

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,923a ,852 ,827 ,02964

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: SW

104

Lampiran 34

Hasil regresi portofolio SC sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea ,00204

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 18

Z -,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,134

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,437

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,147

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,391

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 ,044

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,798

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,034

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,843

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,089

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,608

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,134 ,147 ,044 -,034 ,089 1,000

105

Sig. (2-tailed) ,437 ,391 ,798 ,843 ,608 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,007 ,005 1,367 ,182

MKT 1,219 ,175 ,630 6,979 ,000 ,748 1,336

SMB ,352 ,105 ,434 3,353 ,002 ,364 2,744

HMLO ,113 ,104 ,097 1,086 ,286 ,758 1,319

RMW ,334 ,125 ,340 2,663 ,012 ,375 2,665

CMA ,315 ,094 ,298 3,348 ,002 ,769 1,300

a. Dependent Variable: SC

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,117 5 ,023 26,768 ,000b

Residual ,026 30 ,001

Total ,143 35

a. Dependent Variable: SC

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,904a ,817 ,786 ,02956

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: SC

106

Lampiran 35

Hasil regresi portofolio SA sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00700

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 20

Z ,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,303

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,072

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,289

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,088

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 -,075

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,665

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,127

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,459

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,057

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,742

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,303 ,289 -,075 -,127 ,057 1,000

107

Sig. (2-tailed) ,072 ,088 ,665 ,459 ,742 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,009 ,005 1,741 ,092

MKT 1,087 ,178 ,424 6,120 ,000 ,748 1,336

SMB ,697 ,107 ,648 6,527 ,000 ,364 2,744

HMLO -,107 ,106 -,070 -1,011 ,320 ,758 1,319

RMW -,162 ,128 -,125 -1,274 ,212 ,375 2,665

CMA -,773 ,096 -,552 -8,086 ,000 ,769 1,300

a. Dependent Variable: SA

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,225 5 ,045 49,748 ,000b

Residual ,027 30 ,001

Total ,252 35

a. Dependent Variable: SA

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,945a ,892 ,874 ,03006

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: SA

108

Lampiran 36

Hasil regresi portofolio BH sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea ,00424

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 20

Z ,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 -,025

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,884

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,090

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,602

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 -,033

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,846

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,023

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,892

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,054

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,755

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

-,025 ,090 -,033 -,023 ,054 1,000

109

Sig. (2-tailed) ,884 ,602 ,846 ,892 ,755 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,003 ,008 ,400 ,692

MKT 1,704 ,253 ,539 6,735 ,000 ,748 1,336

SMB -,840 ,152 -,632 -5,516 ,000 ,364 2,744

HMLO ,421 ,151 ,222 2,795 ,009 ,758 1,319

RMW ,136 ,182 ,085 ,750 ,459 ,375 2,665

CMA -,591 ,136 -,342 -4,338 ,000 ,769 1,300

a. Dependent Variable: BH

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,328 5 ,066 35,757 ,000b

Residual ,055 30 ,002

Total ,383 35

a. Dependent Variable: BH

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,925a ,856 ,832 ,04283

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: BH

110

Lampiran 37

Hasil regresi portofolio BL sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea ,00656

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 18

Z -,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,032

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,851

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,007

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,966

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 -,069

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,689

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,021

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,904

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,106

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,540

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,032 ,007 -,069 -,021 ,106 1,000

111

Sig. (2-tailed) ,851 ,966 ,689 ,904 ,540 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -,008 ,008 -1,057 ,299

MKT 1,458 ,251 ,555 5,818 ,000 ,748 1,336

SMB -,347 ,151 -,314 -2,300 ,029 ,364 2,744

HMLO -1,378 ,149 -,874 -9,226 ,000 ,758 1,319

RMW -,179 ,180 -,134 -,994 ,328 ,375 2,665

CMA -,027 ,135 -,019 -,201 ,842 ,769 1,300

a. Dependent Variable: BL

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,210 5 ,042 23,374 ,000b

Residual ,054 30 ,002

Total ,264 35

a. Dependent Variable: BL

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,892a ,796 ,762 ,04242

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: BL

112

Lampiran 38

Hasil regresi portofolio BR sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00622

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 20

Z ,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandarized_

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 -,247

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,415

N 36 36 36 36 36 13

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 -,330

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,271

N 36 36 36 36 36 13

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 -,176

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,566

N 36 36 36 36 36 13

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 ,385

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,194

N 36 36 36 36 36 13

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,022

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,943

N 36 36 36 36 36 13

Unstandarized_

Residual

Correlation

Coefficient

-,247 -,330 -,176 ,385 ,022 1,000

113

Sig. (2-tailed) ,415 ,271 ,566 ,194 ,943 .

N 13 13 13 13 13 13

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,013 ,006 2,163 ,039

MKT ,923 ,196 ,301 4,719 ,000 ,748 1,336

SMB -,515 ,118 -,400 -4,373 ,000 ,364 2,744

HMLO ,281 ,117 ,153 2,410 ,022 ,758 1,319

RMW ,759 ,140 ,487 5,406 ,000 ,375 2,665

CMA -,405 ,105 -,242 -3,846 ,001 ,769 1,300

a. Dependent Variable: BR

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,327 5 ,065 59,651 ,000b

Residual ,033 30 ,001

Total ,360 35

a. Dependent Variable: BR

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,953a ,909 ,893 ,03311

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: BR

114

Lampiran 39

Hasil regresi portofolio BW sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00112

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 18

Z -,169

Asymp. Sig. (2-tailed) ,866

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,256

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,132

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,034

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,844

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 ,023

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,893

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 ,113

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,512

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,044

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,799

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,256 ,034 ,023 ,113 ,044 1,000

115

Sig. (2-tailed) ,132 ,844 ,893 ,512 ,799 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,015 ,006 2,590 ,015

MKT ,962 ,189 ,615 5,101 ,000 ,748 1,336

SMB -,315 ,113 -,481 -2,781 ,009 ,364 2,744

HMLO ,222 ,112 ,236 1,972 ,058 ,758 1,319

RMW -,565 ,135 -,711 -4,172 ,000 ,375 2,665

CMA ,145 ,101 ,170 1,426 ,164 ,769 1,300

a. Dependent Variable: BW

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,063 5 ,013 12,367 ,000b

Residual ,031 30 ,001

Total ,094 35

a. Dependent Variable: BW

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,821a ,673 ,619 ,03191

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: BW

116

Lampiran 40

Hasil regresi portofolio BC sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00228

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 22

Z ,845

Asymp. Sig. (2-tailed) ,398

a. Median

Correlations

MKT SMB HMLO RMW CMA

Unstandarized_

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 -,091

Sig. (2-tailed) . ,005 ,033 ,351 ,638 ,737

N 36 36 36 36 36 16

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,121

Sig. (2-tailed) ,005 . ,002 ,002 ,654 ,656

N 36 36 36 36 36 16

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 ,103

Sig. (2-tailed) ,033 ,002 . ,477 ,838 ,704

N 36 36 36 36 36 16

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,026

Sig. (2-tailed) ,351 ,002 ,477 . ,130 ,922

N 36 36 36 36 36 16

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 ,082

Sig. (2-tailed) ,638 ,654 ,838 ,130 . ,762

N 36 36 36 36 36 16

Unstandarized_

Residual

Correlation

Coefficient

-,091 ,121 ,103 -,026 ,082 1,000

117

Sig. (2-tailed) ,737 ,656 ,704 ,922 ,762 .

N 16 16 16 16 16 16

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,015 ,006 2,341 ,026

MKT ,846 ,212 ,596 3,985 ,000 ,748 1,336

SMB -,244 ,128 -,410 -1,914 ,065 ,364 2,744

HMLO ,149 ,126 ,175 1,176 ,249 ,758 1,319

RMW ,017 ,152 ,024 ,112 ,912 ,375 2,665

CMA ,306 ,114 ,395 2,679 ,012 ,769 1,300

a. Dependent Variable: BC

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,038 5 ,008 5,963 ,001b

Residual ,039 30 ,001

Total ,077 35

a. Dependent Variable: BC

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,706a ,498 ,415 ,03592

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: BC

118

Lampiran 41

Hasil regresi portofolio BA sesudah currency crisis

Runs Test

Unstandardized

Residual

Test Valuea -,00119

Cases < Test Value 18

Cases >= Test Value 18

Total Cases 36

Number of Runs 22

Z ,845

Asymp. Sig. (2-tailed) ,398

a. Median

Correlations

MKT SMB

HML

O RMW CMA

Unstandardized

Residual

Spearman's

rho

MKT Correlation

Coefficient

1,000 ,456** ,356* -,160 ,081 ,179

Sig. (2-

tailed)

. ,005 ,033 ,351 ,638 ,296

N 36 36 36 36 36 36

SMB Correlation

Coefficient

,456** 1,000 ,494** -,497** ,077 ,101

Sig. (2-

tailed)

,005 . ,002 ,002 ,654 ,559

N 36 36 36 36 36 36

HMLO Correlation

Coefficient

,356* ,494** 1,000 -,123 -,035 ,090

Sig. (2-

tailed)

,033 ,002 . ,477 ,838 ,600

N 36 36 36 36 36 36

RMW Correlation

Coefficient

-,160 -,497** -,123 1,000 -,257 -,032

Sig. (2-

tailed)

,351 ,002 ,477 . ,130 ,852

N 36 36 36 36 36 36

CMA Correlation

Coefficient

,081 ,077 -,035 -,257 1,000 -,011

119

Sig. (2-

tailed)

,638 ,654 ,838 ,130 . ,949

N 36 36 36 36 36 36

Unstandardized

Residual

Correlation

Coefficient

,179 ,101 ,090 -,032 -,011 1,000

Sig. (2-

tailed)

,296 ,559 ,600 ,852 ,949 .

N 36 36 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) ,013 ,006 2,343 ,026

MKT ,978 ,182 ,323 5,375 ,000 ,748 1,336

SMB -,589 ,109 -,464 -5,387 ,000 ,364 2,744

HMLO ,369 ,108 ,203 3,401 ,002 ,758 1,319

RMW ,513 ,131 ,334 3,932 ,000 ,375 2,665

CMA -,607 ,098 -,367 -6,197 ,000 ,769 1,300

a. Dependent Variable: BA

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression ,322 5 ,064 68,007 ,000b

Residual ,028 30 ,001

Total ,351 35

a. Dependent Variable: BA

b. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

Model Summaryb

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 ,959a ,919 ,905 ,03079

a. Predictors: (Constant), CMA, MKT, HMLO, RMW, SMB

b. Dependent Variable: BA

120

Lampiran 42

Hasil uji normalitas portofolio sebelum currency crisis

One-Sample Kolmogorov-Smirnov Test

SH SL SR SW SC SA BH BL BR BW BC BA

N 36 36 31 36 36 36 36 36 36 36 36 36

Normal

Parametersa,b

Mean ,0254 ,0675 -1,2063 ,0287 ,0427 ,0342 ,0160 ,0337 ,0310 ,0196 ,0141 ,0338

Std.

Deviation

,06955 ,09949 ,30108 ,08165 ,08349 ,07513 ,05531 ,06250 ,05855 ,06321 ,05429 ,06377

Most Extreme

Differences

Absolute ,127 ,103 ,129 ,102 ,118 ,111 ,122 ,119 ,100 ,112 ,142 ,138

Positive ,127 ,103 ,095 ,085 ,118 ,111 ,091 ,076 ,064 ,101 ,106 ,055

Negative -,100 -,102 -,129 -,102 -,097 -,092 -,122 -,119 -,100 -,112 -,142 -,138

Test Statistic ,127 ,103 ,129 ,102 ,118 ,111 ,122 ,119 ,100 ,112 ,142 ,138

Asymp. Sig. (2-tailed) ,150c ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d ,197c ,200c,d ,200c,d ,200c,d ,065c ,083c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance.

Lampiran 43

Hasil uji normalitas portofolio sesudah currency crisis

One-Sample Kolmogorov-Smirnov Test

SH SL SR SW SC SA BH BL BR BW BC BA

N 36 36 36 36 36 36 21 36 22 36 36 25

Normal

Parametersa,b

Mean -,0012 ,0072 ,0019 ,0025 -,0015 ,0070 -1,5289 ,0112 -1,3070 ,0080 ,0130 -1,4841

Std.

Deviation

,07063 ,06599 ,06882 ,07126 ,06396 ,08483 ,68689 ,08689 ,45519 ,05169 ,04696 ,61264

Most Extreme

Differences

Absolute ,062 ,066 ,069 ,095 ,079 ,101 ,165 ,080 ,143 ,081 ,085 ,114

Positive ,062 ,059 ,069 ,095 ,055 ,091 ,122 ,080 ,143 ,056 ,085 ,094

Negative -,050 -,066 -,062 -,075 -,079 -,101 -,165 -,061 -,122 -,081 -,077 -,114

Test Statistic ,062 ,066 ,069 ,095 ,079 ,101 ,165 ,080 ,143 ,081 ,085 ,114

Asymp. Sig. (2-tailed) ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d ,137c ,200c,d ,200c,d ,200c,d ,200c,d ,200c,d

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance.