F. Instrumen Penelitian
2. Analisis Regresi Berganda
Analisis regresi digunakan untuk mengetahui hubungan antara suatu variabel dependen dengan variabel independen (Winarno, 2015: 4.1). Karena dalam penelitian ini penulis menggunakan lebih dari satu variabel independen maka analisis yang digunakan adalah analisis regresi berganda. Dalam uji ini ditambahkan variabel moderasi.
Menurut Ghozali (2013: 223) variabel moderating atau variabel moderasi adalah variabel independen yang akan memperkuat atau memperlemah hubungan antara variabel independen lainnya terhadap variabel dependen. Sharma et al (1981) mengelompokkan variabel moderator menjadi tiga kelompok seperti terlihat pada gambar di berikut ini:
Tabel 3.3 Jenis-Jenis Variabel Moderator Berhubungan dengan
kriterion dan atau prediktor
Tidak berhubungan dengan kriterion dan atau prediktor
Tidak berinteraksi dengan prediktor 1 Intervening, Exogen, antesedent, prediktor 2 Moderator (Homologizer) Berinteraksi dengan prediktor 3 Moderator (Quasi Moderator) 4 Moderator (Pure Moderator) Sumber: Ghozali (2013: 224)
Pada penelitian ini penulis menggunakan jenis variabel moderator pada kuadran 4, variabel moderator (z) tidak berhubungan dengan variabel dependen (Y) dan independen (X), tetapi berinteraksi dengan variabel prediktor (X) atau secara matematis dapat dituliskan persamaan regeresinya seperti di bawah ini:
Yi = + β1 Xi + β2 Zi + β3 Xi*Zi +
Berdasarkan persamaan diatas variabel moderator (Z) tidak berfungsi sebagai variabel independen tetapi langsung berinteraksi dengan variabel independen lainnya. Jenis kuadran ini disebut pure moderator (moderator asli), Ghozali (2013: 223).
Pada uji ini digunakan untuk mengetahui seberapa besar pengaruh variabel bebas (X), variabel moderasi (Z), terhadap variabel terikat (Y). Persamaan regresi linear berganda dicari dengan rumus:
Y = + β1 X1 + β2 X2 + β3 X3 +β4 X4 + β5 X1*Z+ β6 X2*Z+ β7 X3*Z+ β8 X4*Z +
Keterangan:
Y : Pertumbuhan Laba
β : Koefisien regresi X1 : Kurs X2 : IHSG X3 : JII X4 : JUB Z : Inflasi : kesalahan baku 3. Uji Statistik
Melalui analisis regresi, kemudian diuji kebenaran hipotesis yang telah ditetapkan untuk kemudian diinterpretasikan hasilnya. Pengambilan keputusan atas hipotesis dapat dilihat dari nilai profitabilitas signifikansi masing-masing variabel yang terdapat pada output hasil analisis regresi menggunakan eviews jika angka
signifikansi < α (0.05) maka dikatakan bahwa ada pengaruh signifikan antara variabel bebas terhadap variabel terikat.
a) Uji ttest (Uji Secara Individu)
Uji ttest Uji statistic t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Hipotesis nol (H0) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau:
H0 : b = 0, artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap
variabel dependen. Hipotesis alternatifnya (HA) parameter suatu variabel tidak sama dengan nol, atau:
HA : bi ≠ 0, artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen. Cara untuk melakukan uji t adalah dengan quick look dan membandingkan nilai statistik t dengan titik kritis menurut tabel (Ghazali, 2013: 98-99).
b) Uji Determinasi Ajusted R2(R2)
Menurut Bawono (2006: 92), koefisien determinasi (R2) menunjukkan sejauh mana tingkat hubungan antara variabel dependen dengan variabel independen, atau sejauh mana kontribusi variabel mempengaruhi variabel dependen, besarnya nilai koefisien determinasi terletak antara 0 sampai dengan 1, atau 0 ≤ R2 ≤ 1. Koefisien Adjusted R2 merupakan korelasi dari R2.
4. Uji Asumsi Klasik
Uji asumsi klasik merupakan analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linier Ordinary Least Square (OLS) terdapat masalah-masalah asumsi klasik. Adapun uji asumsi klasik tersebut adalah:
a) Uji Normalitas
Uji Normalitas digunakan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik (Ghozali, 2013: 160). Normalitas suatu variabel umumnya dideteksi dengan grafik atau uji statistik (non-parametrik Kolmogorof-Smirnov (K-S). Suatu variabel dikatakan terdistribusi normal jika nilai signifikansinya > 0.05, menurut Ghozali (2013) dalam Supriyanto (2017: 46).
Metode grafik dapat dilakukan dengan melihat grafik histogram dan normal probability plot. Grafik histogram akan membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Sedangkan normal probability plot
akan membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan
ploting data residual dan dibandingkan dengan garis diagonal (Supriyanto, 2017: 46).
b) Uji Heteroskedastisitas
Pada pengujian ini bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual atau pengamatan ke pengamatan yang lain. Jika varian dan residual
satu ke pengamatan satu tetap, maka disebut homoskedastisitas jika berbeda disebut heteroskedastisitas (Ghozali, 2013 :139).
Menurut Winarno (2015: 5.8) dalam mengidentifikasi heteroskedastisitas, ada beberapa metode yang dapat digunakan. Beberapa metode tersebut adalah: metode grafik, uji grafik, uji
glejser, uji korelasi spearman, uji goldfeld-quandt, uji bruesch- pagan-godfrey, dan uji White.
Menurut Bawono (2006: 133), heteroskedastisitas terjadi apabila varian variabel pengganggu tidak sama untuk semua observasi, akibat yang timbul apabila terjadi heteroskedastisitas adalah penaksir tidak bias tetapi tidak efisien baik dalam sampel besar maupun sampel kecil, serta uji t-test dan F-test akan menyebabkan kesimpulan yang salah.
Dalam penelitian ini uji heteroskedastisitas menggunakan metode uji White, metode ini dikenal juga dengan varian heteroskedastisitas terkoreksi (heteroscedasticity-corrected variances) dalam Winarno (2015: 5.8). Cara pengujiaannya adalah dengan meregres residual kuadrat dengan variabel bebas kemudian mencari nilai R2. Uji White menggunakan residual
kuadrat sebagai variabel terikat, dan variabel bebas yang terdiri atas variabel bebas yang sudah ada, ditambah lagi dengan perkalian variabel bebas dengan variabel moderator.
c) Uji Autokorelasi
Autokorelasi atau juga disebut otokorelasi (autocorrelation) adalah hubungan antara residual satu observasi
dengan residual observasi lainnya (Winarno, 2015: 5.29). Pengujian ini dilakukan untuk menguji hubungan yang terjadi antara anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (time series). Menunjukkan hubungan nilai-nilai yang beruntutan dari variabel-variabel yang sama. Autokorelasi dapat terjadi apabila suatu keadaan dimana variabel gangguan pada periode tertentu berkorelasi dengan variabel pengganggu pada periode lain. Dalam mendeteksi ada atau tidaknya autokorelasi dapat dilakukan dengan uji Durbin-watson (DW test) dengan kriteria du < dw < 4 – du (Bawono, 2006: 160-162).
d) Uji Multikolonieritas
Menurut Bawono (2006: 115), multikolinearitas adalah situasi dimana terdapat korelasi variabel-variabel bebas di antara satu dengan lainnya. Masalah multikolinearitas yang serius dapat mengakibatkan berubahnya tanda dari parameter estimasi.
Indikasi multikolonieritas ditunjukkan dengan berbagai informasi berikut (Winarno, 2015: 5.1-5.2):
(1) Nilai R2 tinggi, tetapi variabel independen banyak yang tidak signifikan.
(2) Dengan menghitung koefisien korelasi antarvariabel independen. Apabila koefisien rendah, maka tidak terjadi multikolonieritas.
(3) Dengan melakukan regresi auxiliary. Regresi jenis ini dapat digunakan untuk mengetahui hubungan antara dua (atau lebih) variabel independen secara bersama-sama mempengaruhi satu variabel independen yang lain.
Uji multikolinearitas dalam penelitian ini menggunakan metode auxiliary regresi antar variabel dependen untuk mendapatkan r2, kemudian dibandingkan dengan R2 persamaan utama (Bawono, 2006: 120).
e) Uji Linieritas
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu studi empiris sebaiknya berbentuk linier, kuadrat atau kubik. Dengan uji linieritas akan diperoleh informasi apakah model empiris sebaiknya linier, kuadrat atau kubik (Ghozali, 2013: 166). Untuk menguji linieritas Penulis menggunakan uji Ramsey RESET Test dengan bantuan Software
Eviews 7.1 Version, uji ini dikembangkan oleh Ramsey tahun 1969 yang menyarankan suatu uji yang disebut general test of spesification atau RESET.
G. Alat Analisis
Penelitian ini adalah penelitian kuantitatif dimana dalam penelitian ini menggunakan data yang dapat diukur dalam suatu skala numerik/angka. Penelitian ini membuktikan kebenaran dari teori-teori
yang digunakan dan data dinyatakan dalam bentuk angka. Maka akan mudah dalam perhitungan statistik, alat yang digunakan guna membantu olah data adalah aplikasi Eviews 7.1. Eviews merupakan program statistik yang berfungsi untuk membantu dalam proses data statistik secara tepat dan cepat, serta menghasilkan berbagai output yang dikehendaki para pengambil keputusan.
BAB IV
ANALISIS DATA
A. Deskripsi Objek Penelitian
Objek dalam penelitian ini adalah perusahan-perusahaan yang terdaftar dalam Reksa Dana Syariah di Indonesia yang bergerak dalam sektor investasi. Data-data yang digunakan dan kemudian diolah dalam penelitian ini diperoleh dari laman resmi OJK, BPS, BEI, dan BI tahun 2012 hingga tahun 2016. Penelitian ini akan menganalisis mengenai pengaruh Kurs, IHSG, JII, dan JUB terhadap NAB Reksa Dana Syariah di Indonesia dengan Inflasi sebagai variabel moderasi. Dalam penelitian ini populasinya seluruhnya berjumlah 136 yang terdiri dari lima Reksa Dana yaitu: Reksa Dana Syariah Campuran, Reksa Dana Syariah Indeks, Reksa Dana Syariah Pendapatan Tetap, Reksa Dana Syariah Saham, dan Reksa Dana Syariah Terproteksi. Dengan pengambilan Sampel menggunakan teknik purposive sampling. Berdasarkan kriteria yang ditentukan penulis didapatkan 25 Reksa Dana Syariah yang memenuhi kriteria untuk dijadikan sampel dari penelitian ini.
B. Analisis Data
1. Uji Stasioneritas
Menurut Winarno (2015: 11.2), untuk mendeteksi stasioneritas data, maka sebelum menganalisis data, perlu diketahui apakah datanya
bersifat stasioner atau tidak. Uji yang digunakan adalah uji Unit Root
dengan uji Augmented-Dickey-Fuller. Berdasarkan data yang diperoleh dari OJK, BI, BEI, dan BPS periode 2012-2016. Hasil uji stasioneritas data disajikan pada tabel 4.1 berikut ini:
Tabel 4.1 Hasil Pengujian Unit Root pada Level
No. Variabel Prob.* Keterangan
1. NAB Reksa Dana Syariah 0.9045 Tidak Stasioner
2. Kurs 0.6210 Tidak Stasioner
3. IHSG 0.3936 Tidak Stasioner
4. JII 0.1698 Tidak Stasioner
5. JUB 0.9683 Tidak Stasioner
6. Inflasi 0.2550 Tidak Stasioner
Sumber: Lampiran 1_olah data eviews 2017
Dari hasil pengujian pada tabel 4.1 seluruh variabel belum stasioner pada level karena output yang dihasilkan nilai Prob.* lebih besar dari 0.05 (Prob.*>0.05). Karena seluruh variabel menunjukkan data belum stasioner maka pengujian pada Unit Root dilanjutkan pada tingkat first difference. Hasil pengujian pada first difference dapat dilihat pada tabel 4.2 sebagai berikut:
Tabel 4.2 Hasil Pengujian Unit Root pada 1st Difference
No. Variabel Prob.* Keterangan
1. NAB Reksa Dana Syariah 0.0000 Stasioner
2. Kurs 0.0000 Stasioner
3. IHSG 0.0000 Stasioner
4. JII 0.0000 Stasioner
5. JUB 0.0000 Stasioner
6. Inflasi 0.0000 Stasioner
Berdasarkan pada hasil pengujian pada tabel 4.2 menunjukkan hasil output yang dihasilkan terlihat bahwa nilai Prob.* lebih kecil dari 0.05 (Prob.*<0.05). Dengan demikian seluruh variabel menunjukan data telah stasioner.
2. Uji Regresi Berganda
Menurut Winarno (2015: 4.1), analisis regresi digunakan untuk mengetahui hubungan antara suatu variabel dependen dengan variabel independen. Karena dalam penelitian ini penulis menggunakan lebih dari satu variabel independen maka analisis yang digunakan adalah analisis regresi berganda. Variabel dependen dalam penelitian ini adalah NAB Reksa Dana Syariah, dan variabel independen dalam penelitian ini terdiri dari Kurs, IHSG, JII, dan JUB. Pada penelitian ini model penelitian menggunakan model regresi berganda dengan model OLS (Ordinary Least Square). Hasil dari regresi yang diperoleh selanjutnya akan dilakukan pengujian terhadap signifikansi yang meliputi uji t, dan uji determinasi. Dalam mengolah data sebagai alat untuk pengujian serta pengukuran, program yang digunakan adalah
Tabel 4.3 Hasil Uji Regresi Berganda
Dependent Variabel: NAB_REKSA DANA_SYARIAH
Variabel Coefficient Std. Error t-Statistic Prob. KURS -2.196944 0.641937 -3.422364 0.0012 IHSG 13.16218 3.745916 3.513742 0.0009 JII -83.99933 23.73157 -3.539560 0.0009 JUB 0.007244 0.001993 3.634324 0.0006 KURS_INFLASI 33.02652 10.57445 3.123238 0.0029 IHSG_INFLASI -142.5842 72.21819 -1.974353 0.0538 JII_INFLASI 976.5276 468.9826 2.082226 0.0424 JUB_INFLASI -0.081161 0.040073 -2.025310 0.0481 C -2911.316 1863.776 -1.562053 0.1245 R-squared 0.903636 Mean dependent var 9302.163 Adjusted R-squared 0.888520 S.D. dependent var 2083.685 S.E. of regression 695.7130 Akaike info criterion 16.06523 Sum squared resid 24684847 Schwarz criterion 16.37938 Log likelihood -472.9570 Hannan-Quinn criter. 16.18811 F-statistic 59.78047 Durbin-Watson stat 1.011742 Prob(F-statistic) 0.000000
Sumber: Lampiran 2_olah data eviews 2017
Persamaan regresi yang dibentuk dalam penelitian ini sebagai berikut:
NAB Reksa Dana Syariah = + 1*Kurs + 2*IHSG + 3*JII + 4*JUB + 5*Kurs_Inflasi + 6*IHSG_Inflasi + 7*JII_Inflasi + 8*JUB_Inflasi
NAB Reksa Dana Syariah = -2911.315681208459 -
2.196943915538443*Kurs +
13.16218244294797*IHSG -
83.99932836323823*JII +
33.02651580868533*Kurs_Inflasi - 142.5841835608918*IHSG_Inflasi + 976.5276165036976*JII_Inflasi - 0.08116097387428921*JUB_Inflasi