HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.1 Analisis Deskriptif
Metode yang digunakan dalam penelitian ini adalah statistik deskriptif yang memberikan penjelasan tentang nilai minimum, nilai maksimum, nilai rata-rata (mean), dan nilai standar deviasi dari variabel independen dan variabel dependen. Secara terperinci statistik deskriptif dari masing-masing return saham setiap hari perdagangan saham adalah sebagai berikut:
Tabel 4.1 Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation
SENIN 50 -,01680 ,27871 ,0062527 ,04002074 SELASA 49 -,01625 ,01835 -,0001633 ,00580300 RABU 48 -,00735 ,01717 ,0020006 ,00449792 KAMIS 47 -,02688 ,01403 ,0007872 ,00658836 JUMAT 48 -,01022 ,03772 ,0023715 ,00718219 Valid N (listwise) 47
Berdasarkan tabel 4.1 di atas dapat dilihat return saham rata-rata Senin menunjukkan nilai positif yaitu sebesar 0,0062527.
Return saham rata-rata pada hari Senin merupakan return saham
rata-rata teringgi. Return saham rata-rata pada hari Selasa menunjukkan nilai negatif yaitu sebesar -0,0001633. Return saham rata-rata pada hari Selasa merupakan return terendah. Pada hari
Rabu return rata-rata menunjukkan nilai positif yaitu sebesar 0,0020006, sedangkan pada hari Kamis return saham rata-rata menunjukkan nilai posotif yaitu sebesar 0,0007872. Return saham rat-rata pada hari Jumat menunjukkan nilai positif yaitu sebesar 0,0023715.
Dari gambar di bawah ini dapat terlihat dengan jelas bahwa
return terendah terjadi pada hari Selasa dan return tertinggi hari
Senin.
Gambar 4.1
Fluktuasi Rata-Rata Return Harian
Standar Deviasi merupakan penyimpangan dari nilai rata-rata (Mean). Berdasarkan Tabel 4.1, dapat dilihat bahwa standar deviasi hari Senin–Jumat lebih besar dibandingkan dengan rata-rata (mean) hari Senin-Jumat, dengan demikian penyebaran data return adalah tidak merata atau terjadi penyimpangan dari rata-rata return yang ada dihari perdagangan. Nilai standar deviasi terbesar terjadi hari
0,0062527 -0,0001633 0,0020006 0,0007872 0,0023715 -0,001 0 0,001 0,002 0,003 0,004 0,005 0,006 0,007
SENIN SELASA RABU KAMIS JUMAT
Senin, yaitu sebesar 0,04002074. Hal ini dapat diartikan bahwa hari Senin memiliki resiko tertinggi dibandingkan dengan hari perdagangan lainnya. Standar deviasi terendah pada hari Rabu, yaitu sebesar 0,00449792, yang menandakan bahwa resiko hari Rabu paling kecil dibandingkan dengan hari perdagangan lainnya.
4.1.2 Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel terikat dan variabel bebas mempunyai distribusi normal atau tidak. Teknik pengujian yang digunakan dalam penelitian ini adalah uji statistik non-parametrik, Kolmogorov-Smirnov. Berdasarkan pengolahan data maka diperoleh hasil sebagai berikut:
Tabel 4.2 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 242
Normal Parametersa,b Mean ,0000000
Std. Deviation ,01883203 Most Extreme Differences
Absolute ,297
Positive ,297
Negative -,275
Kolmogorov-Smirnov Z 4,624
Asymp. Sig. (2-tailed) ,000
a. Test distribution is Normal. b. Calculated from data.
Berdasarkan Tabel 4.2 diperoleh hasil pengujian statistik dengan model kolmogorov-Smirnov yang menunjukkan nilai
Asymp. Sig. (2-tailed) sebesar 0,000 lebih kecil dari nilai alpha
0,05, maka dapat disimpulkan bahwa data tidak terdistribusi normal. Data yang tidak terdistribusi secara normal tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data berikut ini:
Gambar 4.2 Histogram
Dengan cara membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal, dari grafik di atas
menunjukkan bahwa distribusi data tidak normal karena grafik histogram menunjukkan kurtosis Leptokurtik.
Gambar 4.3 Normal Plot
Pada Gambar 4.3 terlihat hasil uji normalitas dengan menggunakan grafik plot. Pada grafik normal plot, terlihat titik-titik menyebar disekitar garis diagonal serta penyebarannya agak menjauh dari garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara tidak normal.
Hasil uji normalitas dengan Kolmogorov-Smirnov (K-S), grafik Histogram dan grafik normal Plot menunjukkan data tidak
terdistribusi secara normal. Untuk tindakan perbaikan
(treatment), agar model regresi memenuhi asumsi normalitas,
peneliti melakukan transformasi data ke model logaritma natural (Ln) dan kemudian data diuji ulang berdasarkan asumsi normalitas. Variabel independen adalah variabel dummy sehingga tidak perlu ditransformasi. Hasil uji statistik dengan model Kolmogorov-Smirnov (K-S) yang baru setelah dilakukan transformasi data yang tidak normal tersebut dapat dilihat pada Tabel 4.3.
Tabel 4.3
Uji Normalitas (Setelah Data Ditransformasi)
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 182
Normal Parametersa,b Mean ,0000000
Std. Deviation 1,67616218 Most Extreme Differences
Absolute ,076
Positive ,076
Negative -,060
Kolmogorov-Smirnov Z 1,030
Asymp. Sig. (2-tailed) ,239
a. Test distribution is Normal. b. Calculated from data.
Hasil pengolahan data pada Tabel 4.3 diperoleh hasil pengujian statistik dengan model Kolmogorv-Smirnov menunjukkan bahwa data telah terdistribusi normal karena nilai
dari 0,05. Apabila data telah terdistribusi normal maka dapat dilanjutkan dengan uji asumsi klasik lainnya. Data yang terdistribusi normal dapat juga dilihat dari grafik histogram dan grafik normal plot data sebagai berikut:
Gambar 4.4
Histogram (Setalah Data Ditransformasi)
Grafik histogram pada Gambar 4.4 menunjukkan bahwa data telah terdistribusi secara normal. Hal ini dapat dilihat dari grafik histogram yang menunjukkan distribusi data mengikuti garis diagonal. Hal ini juga didukung dengan hasil uji normalitas
dengan menggunakan grafik plot yang ditampilkan pada Gambar 4.5.
Gambar 4.4
Normal Plot (Stelah Data Ditransformasi)
Menurut Ghozali (2013:163), pendeteksian normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik, yaitu jika data (titik) menyebar disekitar garis diagonal dan mengikuti arah diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Gambar 4.4 menunjukkan bahwa data (titik) menyebar di sekitar dan mendekati garis diagonal. Hal ini sejalan dengan hasil pengujian
dengan menggunakan histogram data telah terdistribusi normal karena secara keseluruhan data telah normal maka dapat dilakukan pengujian asumsi klasik lainnya.
2. Uji Heteroskedastisitas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala heteroskedastisitas adalah dengan uji Park, yaitu melihat signifikansinya, jika sig < 0,05 maka terjadi heteroskedstisitas dan jika sig > 0,05 berarti tidak terjadi heteroskedstisitas dengan kata lain variansnya tetap atau Homoskedastisitas.
Tabel 4.4 Uji Heteroskedastisitas Coefficientsa,b Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 DSEN ,065 ,321 ,015 ,202 ,840 DSEL -,231 ,346 -,050 -,669 ,504 DRAB ,159 ,317 ,038 ,501 ,617 DKAM -,068 ,317 -,016 -,214 ,831 DJUM ,032 ,321 ,007 ,098 ,922
a. Dependent Variable: Lnei2
b. Linear Regression through the Origin
Berdasarkan pada tabel di atas, dapat disimpulkan bahwa tidak terjadi gejala heteroskedastisitas terlihat dari koefisien parameter untuk variabel independen tidak ada yang siginifikan. Nilai siginifikansi Dsen adalah sebesar 0,840, Dsel sebesar 0,504, Drab sebesar 0,617, Dkam sebesar 0,831 dan Djum sebesar 0,922.
Nilai siginifikan untuk setiap variabel independen lebih besar dari 0,05 (Sig > 0,005) maka dapat dikatakan bahwa data Homoskedastisitas