BAB IV ANALISIS DAN PEMBAHASAN

Transkripsi

1 BAB IV ANALISIS DAN PEMBAHASAN A. Deskripsi Data Penelitian ini bertujuan untuk mengetahui perbandingan keakuratan antara metode CAPM dan APT. Populasi yang digunakan dalam penelitian ini adalah perusahaan yang terdaftar dalam JII periode pengamatan selama lima tahun, yaitu dari tahun 2010 sampai tahun Sampel dalam penelitian ini adalah 12 dari 30 saham perusahaan berdasarkan kriteria saham syariah yang secara konsisten terdaftar dalam JII periode Deskripsi penelitian ini meliputi rata-rata return saham perusahaan periode , rata-rata return market periode , aset bebas risiko (risk free), dan risiko sistematis saham perusahaan periode Adapun faktor makro ekonomi yang digunakan dalam penelitian adalah surprise inflasi, surprise kurs rupiah terhadap dolar, dan surprise suku bunga SBI periode B. Analisis Data Alat analisis dalam penelitian ini menggunakan uji Independent Samples T-Test untuk menguji adanya perbedaan signifikansi antara dua sampel, yaitu MAD CAPM dan MAD APT. Berdasarkan hasil analisis data dengan menggunakan Microsoft Excel 2007 dan SPSS 16.0 didapat hasil sebagai berikut: 70

2 71 1. Return Saham Perusahaan JII Berdasarkan hasil penghitungan rata-rata return saham per bulan masing-masing perusahaan periode dapat dilihat bahwa ratarata return saham JII secara keseluruhan adalah Rata-rata return saham per bulan tertinggi adalah saham Kalbe Farma Tbk. (KLBF) yaitu sebesar per bulan, sedangkan rata-rata return saham per bulan terendah adalah saham Indo Tambangraya Megah Tbk. (ITMG) yaitu sebesar Saham ITMG bernilai negatif yang menunjukkan adanya risiko. Tabel 4.1. Rata-rata Return Saham Perusahaan JII Periode No. Nama Perusahaan Kode Rata-rata Perusahaan Return 1. Astra Agro Lestari Tbk. AALI Astra International Tbk. ASII Indocement Tunggal Prakarsa Tbk. INTP Indo Tambangraya Megah Tbk. ITMG Kalbe Farma Tbk. KLBF Lippo Karawaci Tbk. LPKR PP London Sumatra Indonesia Tbk. LSIP Tambang Batubara Bukit Asam (Persero) Tbk. PTBA Semen Indonesia (Persero) Tbk. SMGR Telekomunikasi Indonesia (Persero) Tbk. TLKM United Tractors Tbk. UNTR Unilever Indonesia Tbk. UNVR Rata-rata Sumber: Yahoo Finance (Data diolah)

3 72 2. Return Market Return market (Rm) diperoleh dari perubahan Indeks Harga Saham Gabungan (IHSG) per bulan. Rata-rata return market dari tahun 2010 sampai tahun 2014 disajikan dalam tabel 4.2. Dari tahun 2010 sampai tahun 2014 return market sangat fluktuatif. Return market per bulan tertinggi terjadi pada bulan September 2010 sebesar , sedangkan return market paling rendah terjadi pada bulan Agustus 2013 yaitu sebesar Tabel 4.2. Return Market Periode Periode Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Return per Tahun Rata-rata Sumber: Yahoo Finance (Data diolah) Rata-rata return market per tahun yang tertinggi adalah pada tahun 2010 sebesar , sedangkan rata-rata return market per tahun terendah adalah tahun 2013 sebesar Rata-rata total return market sebesar

4 73 3. Risiko Sistematis CAPM Beta (β) merupakan suatu pengukur volatilitas return suatu sekuritas terhadap return pasar. Beta saham JII periode dapat dilihat pada tabel berikut ini: Tabel 4.3. Risiko Sistematis Model CAPM No. Nama Perusahaan Kode Beta Perusahaan (β) 1. Astra Agro Lestari Tbk. AALI Astra International Tbk. ASII Indocement Tunggal Prakarsa Tbk. INTP Indo Tambangraya Megah Tbk. ITMG Kalbe Farma Tbk. KLBF Lippo Karawaci Tbk. LPKR PP London Sumatra Indonesia Tbk. LSIP Tambang Batubara Bukit Asam (Persero) Tbk. PTBA Semen Indonesia (Persero) Tbk. SMGR Telekomunikasi Indonesia (Persero) Tbk. TLKM United Tractors Tbk. UNTR Unilever Indonesia Tbk. UNVR Berdasarkan tabel di atas, seluruh saham memiliki beta positif, hal ini menunjukkan kenaikan return pasar akan mengakibatkan kenaikan return saham-saham tersebut. Beta yang bernilai lebih dari satu (β > 1) menunjukkan kondisi saham menjadi lebih berisiko, dalam artian jika pada saat terjadinya perubahan pasar sebesar 1%, maka saham akan mengalami perubahan lebih besar 1%. Saham dengan nilai β > 1 tergolong saham yang agresif, yaitu akan menguntungkan untuk diperdagangkan. Pada keadaan tersebut

5 74 keputusan yang diambil adalah mengambil keuntungan dengan menjual saham. Terdapat lima saham yang merupakan saham agresif, yaitu saham ASII (1.0190), LPKR (1.5458), SMGR (1.3763), TLKM (1.1532),dan UNTR (1.0446). Sedangkan beta yang bernilai kurang dari satu (β < 1) menunjukkan saham akan berubah lebih kecil 1% jika perubahan pasar mengalami perubahan 1%. Saham dengan nilai β < 1 tergolong saham yang defensif. Dalam keadaan tersebut sebaiknya ditahan untuk menghindari kerugian atau melakukan pembelian jika diprediksi saham itu undervalued. Terdapat tujuh saham yang termasuk saham defensif, yaitu saham AALI (0.4170), INTP (0.9485), ITMG (0.6383), KLBF (0.6866), LSIP (0.7246), PTBA (0.8262), dan UNVR (0.3393). 4. Expected Value dan Surprise Faktor Makro Ekonomi Faktor makro ekonomi yang digunakan dalam penelitian ini adalah surprise inflasi, surprise kurs rupiah terhadap dollar, dan surprise suku bunga SBI yang diperoleh dari selisih antara actual value faktor makro dengan expected value faktor makro. Expected value diperoleh dengan menggunakan metode Exponential Smoothing yang dihitung menggunakan software SPSS Dalam SPSS terdapat empat metode Exponential Smoothing, yaitu Simple, Holt's Linear Trend, Brown's Linear Trend, dan Damped Trend. Untuk menentukan metode mana yang paling baik dalam menghitung expected value faktor makro dilihat dari nilai MAPE dan MAE yang terkecil. Output SPSS nilai MAPE dan MAE dapat dilihat pada tabel di bawah ini:

6 75 Tabel 4.4. Nilai MAPE dan MAE Expected Value Faktor Metode Exponential Inflasi Kurs SBI Smoothing MAPE MAE MAPE MAE MAPE MAE Simple Holt Brown Damped Trend Tabel di atas menunjukkan nilai MAPE dan MAE yang terkecil untuk inflasi adalah metode Holt's Linear Trend, untuk kurs nilai MAPE dan MAE terkecil adalah metode Simple, dan untuk suku bunga SBI nilai MAPE dan MAE terkecil adalah metode Damped Trend. a. Inflasi Nilai inflasi aktual, nilai inflasi yang diharapkan, dan nilai surprise inflasi dapat dilihat pada tabel di bawah ini: Tabel 4.5. Inflasi Aktual, Inflasi yang Diharapkan, dan Surprise Inflasi Periode Periode Inflasi Inflasi yang Surprise Inflasi Aktual Diharapkan (F Inflasi ) Januari Februari Maret April Mei Juni Juli Agustus September Oktober November

7 Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

8 77 Mei Juni Juli Agustus September Oktober November Desember Rata-rata Rata-rata nilai inflasi aktual tahun adalah sebesar , sedangkan rata-rata nilai inflasi yang diharapkan tahun adalah sebesar , hal ini menunjukkan bahwa nilai inflasi aktual lebih besar daripada nilai inflasi yang diharapkan sehingga nilai surprise inflasi bernilai positif yaitu sebesar b. Kurs Nilai kurs aktual, nilai kurs yang diharapkan, dan nilai surprise kurs dapat dilihat pada tabel di bawah ini: Tabel 4.6. Kurs Aktual, Kurs yang Diharapkan, dan Surprise Kurs Periode Periode Kurs Kurs yang Surprise Kurs Aktual Diharapkan (F Kurs ) Januari Februari Maret April Mei Juni Juli Agustus September Oktober

9 November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret

10 79 April Mei Juni Juli Agustus September Oktober November Desember Rata-rata Rata-rata nilai kurs aktual tahun adalah sebesar , sedangkan rata-rata nilai kurs yang diharapkan tahun adalah sebesar , hal ini menunjukkan bahwa nilai kurs aktual lebih besar daripada nilai kurs yang diharapkan sehingga nilai surprise kurs bernilai positif yaitu sebesar c. Suku Bunga SBI Nilai suku bunga SBI aktual, nilai suku bunga SBI yang diharapkan, dan nilai surprise SBI dapat dilihat pada tabel di bawah ini: Tabel 4.7. SBI Aktual, SBI yang Diharapkan, dan Surprise SBI Periode Periode SBI SBI yang Surprise SBI Aktual Diharapkan (F SBI ) Januari Februari Maret April Mei Juni Juli Agustus

11 September Oktober November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari

12 81 Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Rata-rata Rata-rata nilai suku bunga SBI aktual tahun adalah sebesar , sedangkan rata-rata nilai suku bunga SBI yang diharapkan tahun adalah sebesar , hal ini menunjukkan bahwa nilai suku bunga SBI aktual lebih besar daripada nilai suku bunga SBI yang diharapkan sehingga nilai surprise SBI bernilai positif yaitu sebesar Risiko Sistematis APT Metode APT memiliki risiko sistematis yang berbeda dengan metode CAPM. Pada metode APT, risiko sistematis diperoleh dari sensitivitas return saham terhadap beberapa faktor makro ekonomi. Sensitivitas tersebut dapat dilihat pada tabel berikut ini: Tabel 4.8. Risiko Sistematis Model APT No. Kode Perusahaan β Inflasi β Kurs β SBI 1. AALI ASII INTP ITMG

13 82 5. KLBF LPKR LSIP PTBA SMGR TLKM UNTR UNVR Berdasarkan penghitungan yang disajikan pada tabel di atas, beta yang bernilai positif menunjukkan bahwa kenaikan suatu faktor akan mengakibatkan kenaikan return saham. Sedangkan beta yang bernilai negatif menunjukkan bahwa return saham bergerak berlawanan arah dengan kenaikan suatu faktor, yang berarti kenaikan suatu faktor akan mengakibatkan penurunan return saham tersebut. 6. Uji Asumsi Klasik a. Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependen yang dalam hal ini adalah return saham JII dan variabel independen CAPM (return market) dan APT (F Inflasi, F Kurs, dan F SBI ) mempunyai distribusi yang normal atau tidak. Hasil uji normalitas kedua model tersebut dapat dilihat pada tabel di bawah ini: Tabel 4.9. Uji Normalitas Data dengan Kolmogorov-Smirnov No. Nama Perusahaan CAPM APT 1. Astra Agro Lestari Tbk Astra International Tbk Indocement Tunggal Prakarsa Tbk Indo Tambangraya Megah Tbk Kalbe Farma Tbk

14 83 6. Lippo Karawaci Tbk PP London Sumatra Indonesia Tbk Tambang Batubara Bukit Asam (Persero) Tbk Semen Indonesia (Persero) Tbk Telekomunikasi Indonesia (Persero) Tbk United Tractors Tbk Unilever Indonesia Tbk Berdasarkan tabel di atas, dapat dilihat secara keseluruhan nilai signifikansi pada penelitian ini bernilai > 0.05, maka dapat disimpulkan bahwa data terdistribusi normal. b. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk mengetahui apakah ada korelasi antar variabel independen. Uji ini hanya dapat digunakan jika terdapat lebih dari satu variabel independen, maka pada model APT harus memenuhi uji multikolinearitas. Berdasarkan lampiran uji asumsi klasik multikolinearitas model APT, dari semua variabel dapat dilihat bahwa nilai Tolerance > 0.10 dan nilai VIF < 10, sehingga dapat disimpulkan bahwa variabel-variabel independen pada model APT tidak terjadi multikolinearitas. c. Uji Heteroskedastisitas Pengujian asumsi klasik heteroskedastisitas bertujuan untuk mengetahui apakah variance dari residual data dari satu observasi ke observasi lain berbeda atau tetap. Dapat dilihat pada lampiran uji asumsi klasik heteroskedastisitas, baik model CAPM maupun APT menunjukkan bahwa titik-titik menyebar secara acak.

15 84 d. Uji Autokorelasi Uji asumsi klasik autokorelasi bertujuan untuk mengetahui apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada data observasi satu pengamatan ke pengamatan lainnya. Jika terjadi korelasi, maka ada problem autokorelasi. Untuk mendeteksi ada atau tidaknya problem autokorelasi, dalam penelitian ini menggunakan uji Durbin-Watson dengan membandingkan hasil DW statistik dan DW tabel. Jika DW statistik > DW tabel, maka dapat disimpulkan bahwa tidak terdapat problem autokorelasi. 1) Uji Autokorelasi pada Model CAPM Pada model CAPM, jumlah variabel yang digunakan ada dua (k=1) dengan sampel n = 60 diperoleh nilai DW tabel sebesar Berdasarkan tabel secara keseluruhan didapatkan nilai DW statistik > DW tabel, maka dapat disimpulkan bahwa tidak terdapat problem autokorelasi. Tabel Uji Durbin-Watson pada Model CAPM No. Kode Perusahaan DW statistik DW tabel 1. AALI ASII INTP ITMG KLBF LPKR LSIP PTBA SMGR TLKM

16 UNTR UNVR ) Uji Autokorelasi pada Model APT Pada model APT, jumlah variabel yang digunakan ada empat (k=3) dengan sampel n = 60 diperoleh nilai DW tabel sebesar Berdasarkan tabel secara keseluruhan didapatkan nilai DW statistik > DW tabel, maka dapat disimpulkan bahwa tidak terdapat problem autokorelasi. Tabel Uji Durbin-Watson pada Model APT No. Kode Perusahaan DW statistik DW tabel 1. AALI ASII INTP ITMG KLBF LPKR LSIP PTBA SMGR TLKM UNTR UNVR Expected Return Hasil penghitungan expected return menggunakan metode CAPM dan APT dapat dilihat pada tabel sebagai berikut:

17 86 a. Expected Return dengan Metode CAPM Berdasarkan tabel menunjukkan bahwa semakin besar nilai beta, maka semakin besar pula tingkat keuntungan yang diharapkan. Saham UNVR memiliki beta paling rendah yaitu sebesar , dan expected return-nya juga paling rendah yaitu sebesar Sedangkan saham LPKR memiliki beta tertinggi yaitu sebesar dan memili expected return tertinggi pula yaitu sebesar Tabel Expected Return CAPM No. Kode R i Rf Rm β E(R i ) 1. AALI ASII INTP ITMG KLBF LPKR LSIP PTBA SMGR TLKM UNTR UNVR Selain itu dapat pula dilihat saham mana yang undervalued dan overvalued. Berdasarkan tabel di atas tampak bahwa saham INTP, KLBF, LPKR, dan UNVR merupakan saham yang undervalued karena return yang diharapkan lebih kecil dari return realisasinya (E(R i ) < R i ), sehingga saham-saham tersebut layak untuk dibeli. Sedangkan saham AALI, ASII, ITMG, LSIP, PTBA, SMGR, TLKM, dan UNTR merupakan saham yang overvalued karena return yang diharapkan

18 87 lebih besar dari return realisasinya (E(R i ) > R i ), sehingga saham-saham tersebut layak untuk dijual. b. Expected Return dengan Metode APT Berdasarkan tabel menunjukkan bahwa saham yang memiliki nilai expected return lebih kecil dari return realisasinya (E(R i ) < R i ) yaitu saham AALI, ASII, INTP, KLBF, LPKR, PTBA, SMGR, UNTR, dan UNVR. Sedangkan saham yang memiliki nilai expected return yang lebih besar dari return realisasinya (E(R i ) > R i ) yaitu saham ITMG, LSIP, dan TLKM. Tabel Expected Return APT Kode Perusahaan AALI ASII INTP ITMG R i Rf β Inflasi E(F Inflasi ) β Kurs E(F Kurs ) β SBI E(F SBI ) E(R i ) Kode Perusahaan KLBF LPKR LSIP PTBA R i Rf β Inflasi E(F Inflasi ) β Kurs E(F Kurs ) β SBI E(F SBI ) E(R i )

19 88 Kode Perusahaan SMGR TLKM UNTR UNVR R i Rf β Inflasi E(F Inflasi ) β Kurs E(F Kurs ) β SBI E(F SBI ) E(R i ) Dari tabel di atas, dapat dilihat bahwa saham yang memiliki nilai expected return paling tinggi adalah saham TLKM yaitu sebesar , sedangkan saham yang memiliki nilai expected return paling rendah adalah saham LPKR yaitu sebesar Perbandingan Akurasi Metode CAPM dan APT Untuk melihat metode mana yang lebih baik dalam memprediksi tingkat return saham JII, maka dihitung nilai MAD dari kedua model tersebut. Hasilnya dapat dilihat pada tabel 4.14, yaitu nilai MAD CAPM (0.0671) lebih kecil dari nilai MAD APT (0.1463). Hal ini menunjukkan bahwa metode CAPM lebih baik dibandingkan dengan metode APT dalam memprediksi tingkat return saham JII. Tabel MAD CAPM dan APT No. Nama Perusahaan Kode MAD MAD APT CAPM 1. Astra Agro Lestari Tbk. AALI Astra International Tbk. ASII Indocement Tunggal Prakarsa Tbk. INTP Indo Tambangraya Megah Tbk. ITMG Kalbe Farma Tbk. KLBF

20 89 6. Lippo Karawaci Tbk. LPKR PP London Sumatra Indonesia Tbk. LSIP Tambang Batubara Bukit Asam (Persero) Tbk. PTBA Semen Indonesia (Persero) Tbk. SMGR Telekomunikasi Indonesia (Persero) Tbk. TLKM United Tractors Tbk. UNTR Unilever Indonesia Tbk. UNVR Rata-rata Pengujian Hipotesis Setelah mendapatkan nilai MAD dari kedua metode tersebut, langkah selanjutnya adalah membandingkan nilai MAD CAPM dan MAD APT menggunakan Independent Samples T-Test, dengan rumusan hipotesis sebagai berikut: H 0 : Tidak terdapat perbedaan akurasi (nilai MAD) yang signifikan antara CAPM dan APT dalam memprediksi return saham JII. H a : Terdapat perbedaan akurasi (nilai MAD) yang signifikan antara CAPM dan APT dalam memprediksi return saham JII. Sebelum diuji dengan Independent Samples T-Test, perlu dilakukan uji normalitas data MAD CAPM dan MAD APT menggunakan Kolmogorov- Smirnov dengan software SPSS Uji normalitas data MAD CAPM dan MAD APT dapat dilihat pada tabel sebagai berikut:

21 90 Tabel One-Sample Kolmogorov-Smirnov Test MAD APT MAD CAPM N Normal Parameters a Mean Std. Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. Berdasarkan tabel terlihat bahwa data berdistribusi normal, baik nilai MAD CAPM (0.918 > 0.05) maupun MAD APT (0.477 > 0.05) sehingga dapat dilakukan Independent Samples T-Test. Hasilnya dapat dilihat pada tabel di bawah ini: Tabel Group Statistics Model N Mean Std. Deviation Std. Error Mean MAD APT CAPM

22 91 Tabel Independent Samples T-Test Levene's Test for Equality of Variances F Sig. t df Sig. (2-tailed) t-test for Equality of Means Mean Difference Std. Error Difference 95% Confidence Interval of the Difference MAD Equal variances assumed Equal variances not assumed Lower Upper Berdasarkan pengolahan data dengan menggunakan program SPSS 16.0 yang ditunjukkan oleh tabel 4.17, hasil Levene's Test diperoleh nilai Sig. = yang lebih kecil dari nilai α (0.05), artinya bahwa equal variances assumed tidak terpenuhi, maka uji Independent Samples T-Test menggunakan equal variances not assumed. Pada tabel di atas terlihat bahwa hasil uji Independent Samples T- Test diperoleh nilai t hitung sebesar Taraf signifikan α = 0.05 karena uji dua sisi, maka nilai α/2 = dan degree of freedom (df) = 22, maka diperoleh nilai t tabel sebesar 2.074, maka H 0 ditolak karena nilai t hitung = > t tabel dengan nilai Sig < 0.025, sehingga dapat disimpulkan bahwa terdapat perbedaan akurasi yang signifikan antara metode CAPM dan APT dalam memprediksi return saham JII. C. Pembahasan Penelitian ini bertujuan untuk membandingkan keakuratan metode CAPM dan APT dalam memprediksi return saham syariah yang terdaftar di

23 92 JII periode Untuk mengukur keakuratan sebuah model yaitu dengan menggunakan MAD (Mean Absolute Deviation). Semakin kecil nilai MAD sebuah model, maka semakin akurat model tersebut. Berdasarkan hasil analisis di atas dapat diketahui bahwa metode CAPM lebih akurat dibandingkan dengan metode APT dalam memprediksi tingkat return saham JII. Hasil ini ditunjukkan pada nilai rata-rata MAD CAPM (0.0671) lebih kecil dari rata-rata MAD APT (0.1463), karena semakin kecil MAD, maka semakin tinggi keandalan metode peramalan yang bersangkutan. Hasil tersebut juga menunjukkan adanya perbedaan akurasi yang signifikan antara metode CAPM dan APT dalam memprediksi return saham JII, yang didukung dengan nilai statistik yang signifikan karena hasil penghitungan statistik yang menunjukkan t hitung (3.620) lebih besar dari t tabel (2.074) dengan nilai signifikansi yang nilainya lebih kecil dari taraf signifikan Hasil penelitian ini mendukung penelitian terdahulu yang dilakukan oleh Musdalifah Azis (2010), Hielmiyani Maftuhah (2014), Lemiyana (2015) di mana hasil penelitian tersebut menunjukkan bahwa metode CAPM lebih akurat dibandingkan metode APT dalam memprediksi return saham. Berbeda dengan hasil penelitian yang dilakukan oleh Kristin Laia dan Ivonne Saerang (2015) yang menyatakan bahwa model APT dengan tiga faktor makroekonomi lebih akurat dalam memprediksi return saham.

24 93 Dalam penelitian ini menunjukkan bahwa metode CAPM lebih akurat daripada metode APT, hal ini disebabkan oleh: 1 1. Ketidaksesuaian variabel-variabel pembentuk metode APT itu sendiri karena adanya kesulitan dalam menentukan faktor-faktor risiko yang relevan. Untuk mengimplementasikan APT, perlu menemukan faktorfaktor risiko yang relevan bagi tingkat return sekuritas, yang dalam kenyataannya belum ada kesepakatan mengenai faktor-faktor risiko apa saja yang relevan dan berapa jumlahnya. Oleh karena itu, dalam penerapan metode APT, berbagai faktor risiko bisa saja dimasukkan sebagai faktor risiko. 2. Ketidakmampuan metode APT dalam menjelaskan variabel return saham yang disebabkan oleh faktor non-ekonomi dan faktor internal perusahaan. CAPM dan APT merupakan dua model yang berusaha menjelaskan return atau tingkat keuntungan. Keduanya bersaing menjadi model terbaik yang dapat menjelaskan return. CAPM lebih tua, dan saat ini lebih banyak diaplikasikan. CAPM juga banyak mempengaruhi model akademis. Sedangkan model APT masih relatif baru, pengujian empiris dan pengembangannya masih dalam tahap awal, karena itu APT belum bisa menggantika posisi CAPM. 2 1 Eduardus Tandelilin, Portofolio dan Investasi: Teori dan Aplikasi, (Jakarta: Kanisius, 2010), hlm Mamduh M. Hanafi, Manajemen Keuangan, (Yogyakarta: BPFE-YOGYAKARTA), hlm