Lanjutan Lampiran 1.

LAMPIRAN

Lampiran 2. Laporan Laba/Rugi Bank Central Asia Periode 2006-2009

Lampiran 3. Daftar Harga Saham Bank Central Asia periode 2006-2009

Lampiran 4. Daftar suku bunga Sertifikat Bank Indonesia (SBI) per bulan 2006-2009 (dalam persen) Bulan 2006 2007 2008 2009 Januari 12.75% 9.50% 8.00% 8.75% Februari 12.74% 9.25% 8.00% 8.25% Maret 12.73% 9.00% 8.00% 7.75% April 12.74% 9.00% 8.00% 7.50% Mei 12.50% 8.75% 8.25% 7.25% Juni 12.50% 8.50% 8.50% 7.00% Juli 12.25% 8.25% 8.75% 6.75% Agustus 11.75% 8.25% 9.00% 6.50% September 11.25% 8.25% 9.25% 6.50% Oktober 10.75% 8.00% 9.50% 6.50% November 10.25% 8.25% 9.50% 6.50% Desember 9.75% 8.25% 9.25% 6.50% Rata-rata 11.83% 8.60% 8.67% 7.15% Lampiran 5. Nilai Rasio Keuangan, Economic Value Added (EVA) dan Market Value Added (MVA) Periode ROE (%) CAR (%) EPS EVA MVA Maret (2006) 26,63 25,11 80 1.946.567 30.707.956 Juni (2006) 27,86 23,78 166 4.911.849 38.348.131 September (2006) 28,55 23,86 253 7.936.721 39.152.667 Desember (2006) 29,07 22,09 345 10.868.174 46.754.973 Maret (2007) 25,25 24,87 86 2.073.113 45.929.186 Juni (2007) 25,85 22,04 177 4.760.408 50.066.656 September (2007) 26,79 20,68 274 7.500.334 57.127.579 Desember (2007) 26,74 19,22 366 10.219.313 70.219.976 Maret (2008) 24,11 19,83 47 123.885 66.036.420 Juni (2008) 25,68 16,71 99 2.953.494 52.667.406 September (2008) 28,29 16,03 164 6.172.243 53.132.773 Desember (2008) 30,16 15,78 236 9.583.210 49.188.195 Maret (2009) 30,60 17,38 67 2.525.767 47.187.766 Juni (2009) 30,81 16,49 136 6.172.544 64.858.387 September (2009) 31,82 16,26 209 9.978.539 79.529.468 Desember (2009) 31,80 15,33 279 13.659.633 95.711.520

Lampiran 6. Output Uji Normalitas data melalui Kolmogorov-Smirnov Uji Asumsi Klasik Uji Kenormalan H0 : residual menyebar normal H1 : residual tidak menyebar normal kenormalan Normal Percent 99 95 90 80 70 60 50 40 30 20 Mean -1,25729E-08 StDev 9660838 N 16 KS 0,127 P-Value >0,150 10 5 1-20000000 -10000000 0 RESI1 10000000 20000000 Nilai-p(0.150)>alpha 5% maka terima H0 artinya asumsi residual menyebar normal terpenuhi UJI KENORMALAN SEMUA VARIABEL ROE CAR EPS EVA MVA N 16 16 16 16 16 Kolmogorov-Smirnov Z 0.148 0.184 0.124 0.122 0.180 Asymp Sig(2-tailed) 0.150 0.150 0.150 0.150 0.150 Keterangan Menyebar normal Menyebar normal Menyebar normal Menyebar normal Menyebar normal

Lanjutan Lampiran 6. Minitab Project Report Probability Plot of ROE Normal Percent 99 95 90 80 70 60 50 40 30 20 Mean 28.13 StDev 2.412 N 16 KS 0.148 P-Value >0.150 10 5 1 22 24 26 28 ROE 30 32 34 Probability Plot of CAR Normal Percent 99 95 90 80 70 60 50 40 30 20 Mean 19.72 StDev 3.528 N 16 KS 0.184 P-Value >0.150 10 5 1 10 15 20 CAR 25 30 Probability Plot of EPS Normal Percent 99 95 90 80 70 60 50 40 30 20 Mean 186.5 StDev 99.11 N 16 KS 0.124 P-Value >0.150 10 5 1 0 100 200 EPS 300 400

Lanjutan Lampiran 6. Probability Plot of EVA Normal Percent 99 95 90 80 70 60 50 40 30 20 Mean 6336612 StDev 3860396 N 16 KS 0.122 P-Value >0.150 10 5 1-5000000 0 5000000 EVA 10000000 15000000 Probability Plot of MVA Normal Percent 99 95 90 80 70 60 50 40 30 20 10 5 Mean 55413691 StDev 16549741 N 16 KS 0.180 P-Value >0.150 1 10000000 20000000 30000000 40000000 50000000 60000000 MVA 70000000 80000000 90000000 100000000

Lampiran 7. Output regresi berganda rasio keuangan dan EVA terhadap MVA Regression Analysis: MVA versus ROE; CAR; EPS; EVA The regression equation is MVA = 2,15E+08-4587473 ROE - 2242404 CAR - 180506 EPS + 7,52 EVA Uji-t (menguji pengaruh masing-masing peubah X terhadap MVA) Predictor Coef SE Coef T P VIF Constant 214650391 69236139 3,10 0,010 ROE -4587473 2436613-1,88 0,086 4,072 CAR -2242404 1098642-2,04 0,066 1,771 EPS -180506 109579-1,65 0,128 13,901 EVA 7,522 3,492 2,15 0,054 21,421 S = 11281428 R-Sq = 65,9% R-Sq(adj) = 53,5% Analysis of Variance (uji-f) Source DF SS MS F P Regression 4 2,70843E+15 6,77108E+14 5,32 0,012 Residual Error 11 1,39998E+15 1,27271E+14 Total 15 4,10841E+15 Source DF Seq SS ROE 1 6,39331E+14 CAR 1 1,20598E+15 EPS 1 2,72651E+14 EVA 1 5,90474E+14 Durbin-Watson statistic = 1,11589 ** Keterangan ** Berdasarkan hasil uji-t, semua peubah X (ROE,CAR,EPS,EVA) memiliki nilai-p > alpha 5% artinya semua variable X tidak berpengaruh nyata terhadap MVA. Pada hasil uji-f nilai-p(0.012)<alpha 5% artinya model significan Uji Kehomogenan Ragam Ho : Homoskedastisitas H1 : Heterosedastisitas Dari hasil uji residual diperoleh nilai-p(0.256)>alpha 5% mak aterima H0 artinya asumsi Homoskedastisitas terpenuhi

Lanjutan Lampiran 7. Regression Analysis: resid^2 versus ROE; CAR; EPS; EVA The regression equation is resid^2 = 1,08E+15-2,19E+13 ROE - 2,06E+13 CAR - 3,43E+11 EPS + 14437939 EVA Predictor Coef SE Coef T P Constant 1,08331E+15 6,49378E+14 1,67 0,123 ROE -2,19357E+13 2,28534E+13-0,96 0,358 CAR -2,06137E+13 1,03044E+13-2,00 0,071 EPS -3,42725E+11 1,02776E+12-0,33 0,745 EVA 14437939 32754556 0,44 0,668 S = 1,058105E+14 R-Sq = 36,0% R-Sq(adj) = 12,7% Analysis of Variance Source DF SS MS F P Regression 4 6,92002E+28 1,73000E+28 1,55 0,256 Residual Error 11 1,23154E+29 1,11959E+28 Total 15 1,92355E+29 Uji Multikolinieritas Predictor Coef SE Coef T P VIF Constant 214650391 69236139 3,10 0,010 ROE -4587473 2436613-1,88 0,086 4,072 CAR -2242404 1098642-2,04 0,066 1,771 EPS -180506 109579-1,65 0,128 13,901 EVA 7,522 3,492 2,15 0,054 21,421 Pada output regresi, diperoleh nilai VIF > 10 artinya terdapat pelanggaran asumsi Multikolinieirtas, salah satu cara mengatasi multikolinieritas dengan Regresi Komponen Utama.

Lampiran 8. Output regresi berganda rasio keuangan dan EVA terhadap MVA melalui Regresi Komponen Utama Cara Mengatasi Multikolinieritas salah satunya dengan Regresi Komponen Utama Langkah-langkah 1. Berikut adalah semua data dari peubah penjelas ROE CAR EPS EVA MVA 26.63 25.11 80 1946567 30707956 27.86 23.78 166 4911849 38348131 28.55 23.86 253 7936721 39152667 29.07 22.09 345 10868174 46754973 25.25 24.87 86 2073113 45929186 25.85 22.04 177 4760408 50066656 26.79 20.68 274 7500334 57127579 26.74 19.22 366 10219313 70219976 24.11 19.83 47 123884.9 66036420 25.68 16.71 99 2953494 52667406 28.29 16.03 164 6172243 53132773 30.16 15.78 236 9583210 49188195 30.6 17.38 67 2525767 47187766 30.81 16.49 136 6172544 64858387 31.82 16.26 209 9978539 79529468 31.8 15.33 279 13659633 95711520 2. Standarisasi ke sebaran Normaluntuk semua peubah X Z1 Z2 Z3 Z4-0.62002 1.528715-1.07457-1.1372-0.11012 1.151762-0.20684-0.36907 0.175928 1.174435 0.670976 0.414493 0.391499 0.672776 1.599243 1.173859-1.19212 1.460693-1.01403-1.10442-0.94338 0.658605-0.09585-0.4083-0.5537 0.273149 0.882863 0.301451-0.57442-0.14065 1.811131 1.005778-1.66471 0.032239-1.40754-1.60935-1.01386-0.85204-0.88286-0.87637 0.068143-1.04477-0.22702-0.04258 0.843368-1.11563 0.499448 0.841001 1.025774-0.66215-1.20574-0.98716 1.112832-0.91439-0.50954-0.0425 1.531536-0.97958 0.227022 0.943407 1.523245-1.24317 0.933312 1.896961

Lanjutan Lampiran 8. Principal Component Analysis Principal Component Analysis: Z1; Z2; Z3; Z4 Eigenanalysis of the Correlation Matrix Eigenvalue 2.4953 1.0837 0.3942 0.0268 Proportion 0.624 0.271 0.099 0.007 Cumulative 0.624 0.895 0.993 1.000 Variable PC1 PC2 PC3 PC4 Z1 0.506-0.364-0.738 0.257 Z2-0.368 0.685-0.622-0.090 Z3 0.491 0.578 0.260 0.598 Z4 0.606 0.252 0.028-0.754 Nilai eigen terbesar berada di PC1 (2.4953) > 1. kontribusi keragaman 62.4% maka skore komponen utama yang digunakan adalah Skor komponen I (W1) Skor Komponen Utama W1 W2 W3 W4-2.09343 0.365011-0.80435-0.08163-0.80509 0.616591-0.69915 0.022711 0.237015 1.233231-0.67413 0.027934 1.446673 1.539299-0.25861 0.110648-2.30847 0.569939-0.32304-0.21107-1.01462 0.636277 0.250398-0.05113 0.235115 0.975234 0.476805 0.133438 1.259427 1.413641 1.010576 0.189018-2.52067-0.59175 0.797561-0.05835-1.16383-0.94633 1.02408-0.05064 0.282061-0.88271 0.5392 0.007992 1.592569-0.57051 0.224778-0.01852-0.42667-1.77335-0.68681 0.347027 0.624339-1.337-0.38651 0.095832 1.81917-0.85947-0.43571-0.09395 2.836411-0.3881-0.05509-0.3693

Lanjutan Lampiran 8. Persamaan Regresi dengan Skor Komponen Utama Regression Analysis: MVA versus W1 The regression equation is MVA = 55413691 + 6115098 W1 Predictor Coef SE Coef T P VIF Constant 55413691 3477433 15.94 0.000 W1 6115098 2273568 2.69 0.018 1.000 S = 13909734 R-Sq = 34.1% R-Sq(adj) = 29.4% Analysis of Variance Source DF SS MS F P Regression 1 1.39968E+15 1.39968E+15 7.23 0.018 Residual Error 14 2.70873E+15 1.93481E+14 Total 15 4.10841E+15 W1 significant terhadap MVA dilihat dari nilai-p(0.018)<alpha 5% maka komponen yang terdiri dari semua variable X berpengaruh nyata terhadap MVA. Transformasi W menjadi Z MVA = 55413691 + 6115098 W1 MVA = 55413691 + 6115098 (0.506 Z1-0.368 Z2 + 0.491 Z3 + 0.606 Z4 ) MVA = 55413691 + 3094239.588 Z1-2250356.06 Z2 + 3002513.118 Z3 + 3705749.388 Z4 Descriptive Statistics variabel rata2 Stdev ROE 28.13 2.41 CAR 19.72 3.53 EPS 186.50 99.11 EVA 6336612.08 3860396.40

Lanjutan Lampiran 8. Transformasi Z menjadi X MVA = 55413691 + 3094239.588 Z1-2250356.06 Z2 + 3002513.118 Z3 + 3705749.388 Z4 X 1 X 1 X 2 X 2 MVA = 55413691 + 3094239.588-2250356.06 + 3002513.118 S1 S 2 X 3 S 3 X 3 + 3705749.388 MVA = 55413691 + 3094239.588 3002513.118 EPS 186.50 99.11 X 4 S 4 X 4 ROE 28.13 2.41 + 3705749.388-2250356.06 EVA 6336612.08 3860396.40 CAR 19.72 3.53 Persamaan Awal MVA = 20178010 + 1282745 ROE -637803 CAR + 30294.95 EPS + 0.95994 EVA Interpretasi koefisien Regresi Ketika ROE naik satu satuan maka MVA naik 1282745 satuan dengan asumsi cateris paribus Ketika CAR naik satu satuan maka MVA turun637803 satuan dengan asumsi cateris paribus Ketika EPS naik satu satuan maka MVA naik 30294.95 satuan dengan asumsi cateris paribus Ketika EVA naik satu satuan maka MVA naik 0.95994satuan dengan asumsi cateris paribus +

Lampiran 9. Output regresi berganda rasio keuangan dan EVA terhadap MVA (Pearson Corelation) Korelasi ROE; CAR; EPS; EVA; MVA ROE CAR EPS EVA CAR -0,555 0,026 EPS 0,321-0,087 0,226 0,748 EVA 0,652-0,374 0,891 0,006 0,153 0,000 MVA 0,394-0,670 0,310 0,534 0,131 0,005 0,243 0,033 Cell Contents: Pearson correlation P-Value ROE CAR EPS EVA Pearson Correlation MVA 0.394-0.670 0.310 0.534 Sig.(1-tailed) MVA 0,131 0,005 0,243 0,033