BAB IV HASIL DAN PEMBAHASAN
4.4 Analisis Hasil Penelitian
Analisa statistik deskriptif akan memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai minimum, maksimum, rata-rata (mean), dan standar deviasi yang dihasilkan dari variabel penelitian. Hasil analisis dengan statistik deskriptif dari sampel disajikan sebagai berikut :
Tabel 4.4 Statistik Deskriptif Descriptive Statistics 48 6,35 10,75 7,5025 1,23529 48 1242 4131 2735,21 836,656 48 2,41 12,14 6,4271 2,88174 48 deposit ihs g inflasi Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
Pada tabel 4.4 menunjukkan bahwa sampel yang digunakan dalam penelitian ini berjumlah 48, yang dapat dilihat dari nilai N. Berikut akan dijelaskan deskriptif statistik yang telah diolah :
a. Variabel independentt yaitu Deposito, memiliki nilai minimum 6,35 dan maksimum 10,75 itu berarti bahwa pada tahun 2008-2011 nilai deposito paling rendah 6,35 dan paling tinggi adalah 10,75 dengan standar deviasi 1,23529 dan jumlah sampel (N) adalah 48.
b. Variabel independentt yaitu Inflasi, memiliki nilai minimum 2,41 dan maksimum 12,14 itu berarti bahwa pada tahun 2008-2011 nilai deposito paling rendah 2,41 dan paling tinggi adalah 12,14 dengan standar deviasi 2,88174 dan jumlah sampel (N) adalah 48.
c. Variabel independentt yaitu IHSG, memiliki nilai minimum 1242 dan maksimum 4131 itu berarti bahwa pada tahun 2008-2011 nilai IHSG paling rendah adalah 1242 dan paling tinggi adalah 4131 dengan standar deviasi adalah 836,656.
4.4.2 Uji Normalitas
Uji normalitas digunakan untuk mendeteksi apakah residual terdisribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik yang terdiri dari histogram dan Normal Probanility Plot. Hasil analisis dengan uji normalitas dari sampel Deposito dari tahun 2008 - 2011 disajikan dalam gambar sebagai berikut :
11.00 10.00 9.00 8.00 7.00 6.00 deposit 25 20 15 10 5 0 Frequency Mean = 7.5025 Std. Dev. = 1.2 N = 48 1.0 0.8 0.6 0.4 0.2 0.0
Observed Cum Prob 1.0 0.8 0.6 0.4 0.2 0.0 E xpect ed C um P rob
Transforms: natural log
Normal P-P Plot of deposit
Gambar 4.4 Grafik Histogram
Sumber: Data diolah oleh peneliti (2013)
Pada gambar 4.4 menunjukkan bahwa distribusi residual yang tidak normal, hal ini ditunjukkan oleh grafik histogram yang terlalu menurun dengan landai kea rah kiri, sedangkan kea rah kanan tidak demikian.
Gambar 4.5 Grafik Normal Plot
Pada gambar 4.5 menunjukkan grafik normal-plot memperlihatkan titik-titik yang tidak menyebar disekitar garis diagonal serta penyebarannya tidak mendekati garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi tidak terdistribusi secara normal.
Tabel 4.5
Hasil Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
deposit
N 48
Normal Parameters(a,b) Mean 7,5025
Std. Deviation 1,23529 Most Extreme Differences Absolute ,268 Positive ,268 Negative -,175 Kolmogorov-Smirnov Z 1,857
Asymp. Sig. (2-tailed) ,014
a Test distribution is Uniform. b Calculated from data.
Sumber : Data diolah oleh peneliti (2013)
Pada tabel 4.5 dapat dilihat bahwa nilai kolmogorov smirnov memiliki nilai signifikansinya 0,014 yang berarti signifikansinya > 0,05 maka dapat disimpulkan data tidak terdistribusi normal.
Data tidak terdistribusi normal disebabkan sampel yang digunakan terdiri dari beberapa kelompok dari tahun yang berbeda sehingga data mempunyai fluktasi data yang tidak stabil sehingga menyebabkan banyak angka yang bias.
Ada beberapa cara yang dapat digunakan untuk mengatasi data yang tidak normal diantaranya :
• Lakukan Transformasi data kebentuk lainnya
• Lakukan winsorizing, yaitu mengubah nilai data outlier kesuatu nilai tertentu
Untuk melengkapi dan meyakinkan bahwa data dalam model regresi terdistribusi normal dilakukan uji statistik dengan melihat nilai Kolmogorov Smnornov, yang hasilnya ditunjukkan pada tabel 4.6 sebagai berikut :
Tabel 4.6
Hasil Uji Kolmogorov Smirnov Setelah Logaritma natural (Ln)
One-Sample Kolmogorov-Smirnov Test
deposit N 48 Uniform Parameters(a,b) Minimum 6,35 Maximum 10,75 Most Extreme Differences Absolute ,476 Positive ,476 Negative -,021 Kolmogorov-Smirnov Z 3,296
Asymp. Sig. (2-tailed) ,0381
a Test distribution is Normal. b Calculated from data.
Sumber : Data diolah oleh peneliti (2013)
Pada tabel 4.6 menunjukkan nilai signifikansinya 0.381 yang berarti data residula terdistribusi normal karena nilai signifikansinya sebesar 0,381>0,05. Maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. 4.4.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Untuk menguji adanya heterokedastisitas dapat dilakukan dengan mengamati grafik scatter plot yang disajikan pada gambar berikut:
10.00 9.00 8.00 7.00 6.00 deposit 14.00 12.00 10.00 8.00 6.00 4.00 2.00 inf lasi Gambar 4.6
Grafik Plot Uji Heteroskedastisitas Sumber : Data diolah oleh peneliti (2013)
Uji Heteroskedastisitas ini juga dilakukan dengan menggunakan uji glejser dilakukan dengan meregres nilai absolut residual terhadap variabel independent. Dalam pengambilan keputusan dapat dilihat dari koefisien parameter, jika nilai probabilitas signifikansinya diatas 0,05 maka dapat disimpulkan tidak terjadi heteroskedastisitas. Namun sebaliknya, jika nilai probabilitas signifikansinya di bawah 0,05 maka dapat dikatakan telah terjadi heterokedastisitas. Berikut hasil pengujian heterokedasitas pada Tabel 4.7 sebagai berikut:
Tabel 4.7 Hasil Uji Glejser
Coeffi cientsa 88.807 12.968 6.848 .021 -.003 .001 -.943 -3. 990 .057 (Const ant) ihs g Model 1 B St d. E rror Unstandardized Coeffic ients Beta St andardiz ed Coeffic ients t Sig.
Dependent Variable: deposito a.
Sumber : Data diolah oleh peneliti (2013)
Pada tabel 4.7 menunjukkan bahwa nilai probabilitas signifikansinya di atas 0,05 maka dapat disimpulkan tidak terjadi heterokedastistas. Dari grafik scatterplot dan uji Glejser menunjukkan bahwa model regresi dinyatakan bebas dari gejala heteroskedastisitas.
4.4.4 Uji Autokorelasi
Dalam uji autokorelasi ini kita dapat menguji apakah dalam model regresi linier ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan-kesalahan pengganggu pada periode sebelumnya. Jika terjadi autokorelasi dalam model regresi berarti koefisien-koefisien korelasi yang diperoleh menjadi tidak akurat sehingga model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Cara yang dapat dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan uji Durbin Watson (DW). Hasil uji autokorelasi dengan menggunakan pengujian DW ditunjukkan pada tabel berikut:
Tabel 4.8 Hasil Autokorelasi Model Summary(b) Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 .943(a) .888 .833 6.63238 2.751
a Predictors: (Constant), ihsg b Dependent Variabel: deposito
Sumber : Data diolah oleh peneliti (2013)
Berdasarkan hasil analisis transformasi regresi diperoleh nilai Durbin Watson (DW) sebesar 2.751. Nilai ini akan dibandingkan dengan tabel Durbin Watson dengan menggunakan signifikasi 5% jumlah pengamatan (N)4, dan jumlah variabel independent sebanyak 1 (k=1). Maka berdasarkan tabel durbin Watson didapat nilai batas atas (du) sebesar 1.571 dan nilai batas bawah (dl) sebesar 1.780. Oleh karena itu nilai DW lebih besar dari 1,780 dan nilai DW lebih kecil dari 1.780 atau dapat dinyatakan bahwa 1,780<2.751<2.751(du < DW< 4-du). Sehingga dapat disimpulkan bahwa tidak terdapat autokorelasi positif maupun negatif.
4.4.5 Uji Stationeritas
Uji stasioneritas ini digunakan untuk mengetahui apakah data time series Suku Bunga Deposito, Inflasi, dan IHSG di Indonesia stasioner atau tidak. Pengujian ini dilakukan untuk menghindari diperolehnya hasil regresi lancung yang kurang valid.Dengan menggunakan uji akar unit (Unit Root Test), yang merupakan bagian dari uji stasioneritas, digunakan metode ADF (Augmented Dickey-Fuller).
Adapun hasil uji akar unit ADF ditunjukkan pada tabel sebagai berikut: Tabel 4.9
Hasil Augmented Dickey-Fuller (ADF) Unit Root Tests
Variabel
Uji akar unit Nilai Statistik
ADF
Nilai Kritis
MacKinnon Derajat Integrasi
Deposito -7.009883* -3.588509 I(2)
Inflasi -3.823324* -3.596616 I(0)
IHSG -5.604111* -3.581152 I(1)
Keterangan : * signifikan pada α = 1 %
Sumber : Data diolah oleh peneliti (2013)
Tabel di atas menunjukkan bahwa variabel Suku Bunga Deposito stasioner pada tingkat second difference atau derajat integrasi I(2) karena nilai statistik ADF secara absolut lebih besar dibandingkan nilai kritis MacKinnon (-7.009883>-3.588509) pada tingkat signifikansi 1%. Variabel Inflasi yang stasioner pada tingkat dengan nilai statistik ADF yang secara absolut lebih besar dibandingkan nilai kritis MacKinnon (-3.823324 >-3.596616) pada tingkat signifikansi 1%.Begitu juga dengan variabel IHSG yang telah stasioner pada tingkat first difference dengan nilai statistik ADF yang secara absolut lebih besar dibandingkan nilai kritis MacKinnon (-5.604111 >-3.581152) pada tingkat signifikansi 1%.
4.4.6 Hasil Uji Kausalitas
Proses interaksi dinamis dari variabel output serta variabel-variabel lainnya yang dikarakteristikkan oleh feedback antaraSuku Bunga Deposito, Inflasi dan IHSG, diperlihatkan melalui uji kausalitas Granger. Hal ini ditunjukkan oleh nilai probability yang harus signifikan pada α = 1-5 %.
Tabel 4.10
Hasil Uji Kausalitas Granger
Null Hypothesis Obs F-statistik Probability INFLASI does not Granger Cause
DEPOSITO
44 4.04404 0.01391** DEPOSITO does not Granger Cause
INFLASI
2.61484 0.06556** IHSG does not Granger Cause
DEPOSITO
44 1.54838 0.21827** DEPOSITO does not Granger Cause
IHSG
3.85587 0.01696** IHSG does not Granger Cause INFLASI 45 0.57762 0.63327** INFLASI does not Granger Cause IHSG 3.51747 0.02408**
Keterangan : * signifikan pada α = 1%
**signifikan pada α = 5%
Sumber : Data diolah oleh peneliti (2013)
Tabel diatas menunjukkan adanya hubungan satu arah antara Inflasi dan Suku Bunga Deposito.Hal ini dilihat dari nilai F-statistik (4.04404) yang lebih besar dari nilai F-tabel (4,00) maka variabel Inflasi mempengaruhi Suku Bunga Deposito pada tingkat signifikansi 5%. Sebaliknya, variabel suku bunga depososito tidak mempengaruhi variabel kurs, berdasarkan nilai F-statistik (2.61484) yang lebih kecil dari nilai F-tabel (4.00) pada tingkat signifikansi 5%.
Tidak terdapat hubungan satu arah maupun dua arah antara IHSG dan Suku Bunga Deposito.Hal ini dilihat dari nilai F-statistik (1.54838) yang kecil dari nilai F-tabel (4,00) maka variabel IHSG tidak mempengaruhi Suku Bunga Deposito pada tingkat signifikansi 5%. Begitu juga dengan variabel suku bunga depososito tidak mempengaruhi variabel IHSG, berdasarkan nilai F-statistik (3.85587) yang lebih kecil dari nilai F-tabel (4.00) pada tingkat signifikansi 5%.
Tidak terdapat hubungan satu arah maupun dua arah antara IHSG dan Inflasi.Hal ini dilihat dari nilai F-statistik (0.57762) yang kecil dari nilai F-tabel
(4,00) maka variabel IHSG tidak mempengaruhi Suku Bunga Deposito pada tingkat signifikansi 5%. Begitu juga dengan variabel suku bunga deposito tidak mempengaruhi variabel IHSG, berdasarkan nilai F-statistik (3.51747) yang lebih kecil dari nilai F-tabel (4.00) pada tingkat signifikansi 5%.