PENELITIAN DAN PEMBAHASAN 4.1 Gambaran Umum Perusahaan
5. Deskripsi Perubahan Indeks Harga Saham Gabungan Tabel 4.5
4.2.2 Analisis Statistik .1 Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dimiliki oleh analisis regresi linier berganda.
a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya berdistribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Normalitas data dapat dideteksi dengan melihat bentuk kurva histogram dengan kemiringan seimbang ke kiri dan ke kanan dan berbentuk seperti lonceng atau dengan melihat titik-titik data yang menyebar disekitar garis diagonal dan searah mengikuti garis diagonal dari gambar normal P-Plot.
Gambar 4.1
Histogram Dependent Variabel (IHSG)
Sumber : Hasil Pengolahan SPSS 18 (05/05/2015)
Gambar 4.1 ini menunjukkan kurva histogram yang memiliki kemiringan seimbang ke kiri dan ke kanan, atau tidak condong ke kiri maupun ke kanan, melainkan ke tengah dengan bentuk seperti lonceng. Hal ini memenuhi salah satu syarat uji normalitas data bahwa data berdistribusi normal.
Gambar 4.2
Gambar 4.2 ini merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data di sekitar garis diagonal dan mengikuti arah garis diagonal. Menurut Umar (2008:181), apabila data menyebar di sekitar garis diagonal, maka regresi memenuhi asumsi normalitas. Sehingga dapat disimpulkan bahwa data pada variabel yang digunakan dalam penelitian ini, yaitu variabel IHSG, berdistribusi normal.
Penelitian ini juga menggunakan Uji Statistik non-parametrik One sample Kolmogorov-Smirnov untuk mendapatkan tingkat uji normalitas yang lebih signifikan. Menurut Umar, (2008:181) bahwa, apabila pada hasil Uji Kolmogrov Smirnov, nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05 (α = 5% , tingkat signifikan) maka data berdistribusi normal. Pada Tabel 4.6 berikut ini, diperoleh nilai Asymp. Sig (2-tailed) > taraf nyata (α), yaitu 0.515 > 0.05. Hal ini berarti
bahwa H0 diterima, yang berarti data residual berasal dari distribusi normal.
Tabel 4.6
Hasil Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test
Unstandardized Predicted Value
N 72
Normal Parametersa,b Mean .0202569
Std. Deviation .02127248
Most Extreme Differences Absolute .096
Positive .082
Negative -.096
Kolmogorov-Smirnov Z .818
Asymp. Sig. (2-tailed) .515
a. Test distribution is Normal. b. Calculated from data.
b. Uji Heterokedastisitas
Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika berbeda disebut heteroskedastisitas. Salah satu uji untuk mengetahui heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar (scatter plot).
Gambar 4.3 Hasil Scatterplot
Sumber : Hasil Pengolahan SPSS 18 (05/05/2015)
Pada Gambar 4.3, dapat dilihat bahwa titik-titik menyebar secara acak tidak membentuk suatu pola tertentu. Titik-titik tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan tidak terdapat gejala heteroskedastisitas pada model regresi dalam penelitian ini. Hal ini menandakan bahwa model regresi layak dipakai untuk memprediksi pergerakan IHSG
berdasarkan masukan variabel independennya, yaitu harga minyak dunia, nilai tukar rupiah, inflasi, dan suku bunga SBI. Untuk memperoleh tingkat uji heteroskedastisitas yang lebih signifikan, maka dalam penelitian ini juga dilakukan uji Park. Apabila signifikansi dari variabel bebas lebih besar dari taraf nyata (Sig. > 0,05) , maka dianggap tidak terjadi masalah heteroskedastisitas, dan begitu juga sebaliknya.
Tabel 4.7 Hasil Uji Park
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -7.747 .295 -26.221 .000 HargaMinyak 3.792 4.764 .102 .796 .429 NilaiTukar 3.779 4.875 .093 .775 .441 Inflasi 3.094 2.291 .175 1.350 .181 SBI -5.981 5.947 -.123 -1.006 .318
a. Dependent Variable: LnU2i
Sumber : Hasil Pengolahan SPSS 18 (05/05/2015)
Berdasarkan hasi output (Tabel 4.7), semua variabel independen tidak signifikan terhadap variabel dependennya (sig > 0,05). Nilai probabilitas signifikansi variabel harga minyak (0,429), nilai tukar (0,441), tingkat inflasi (0,181), dan suku bunga SBI (0,318) lebih besar dari taraf nyata (sig > 0,05). Dengan demikian dapat disimpulkan tidak terjadi gejala heteroskedastisitas dalam model regresi ini.
c. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui apakah dalam model regresi linear terdapat hubungan yang kuat baik positif maupun negatif antara data yang
ada pada variabel-variabel penelitian. Untuk mengetahui apakah model terkena autokorelasi atau tidak, dapat dilakukan dengan melakukan Runs Test.
Tabel 4.8 Hasil Uji Runs
Runs Test
Unstandardized Residual
Test Valuea .00069
Cases < Test Value 36 Cases >= Test Value 36
Total Cases 72
Number of Runs 41
Z .950
Asymp. Sig. (2-tailed) .342 a. Median
Sumber : Hasil Pengolahan SPSS 18 (05/05/2015)
Berdasarkan Tabel 4.8, maka dapat diketahui bahwa nilai probabilitas signifikan 0,342 diatas 0,05 (α = 5% tingkat signifikan), maka hipotesis nol diterima, dimana nilai residual random atau tidak terjadi autokorelasi antar residual. Selain menggunakan Runs Test, autokorelasi juga dapat di buktikan dengan menggunakan uji Durbin-Watson (DW).
Tabel 4.9
Hasil uji Durbin-Watson (DW)
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
dimension0 1 .402a .162 .112 .0498533 2.091
a. Predictors: (Constant), SBI, NilaiTukar, HargaMinyak, Inflasi b. Dependent Variable: IHSG
Kriteria pengambilan keputusan uji Durbin-Watson (DW) jika du < d < 4-du, maka tidak ada autokorelasi positif atau negatif. Dari Tabel 4.9, terlihat bahwa nilai DW sebesar 2,091. Dengan jumlah data (n= 72) dan jumlah variabel bebas (k= 4), maka du = 1,7366 (DW-tabel) dan 4 - du ( 4 – 1,7366) = 2,2634. Sehingga du < d < 4-du (1,7366 < 2,091 < 2,2634), maka dapat disimpulkan tidak ada autokorelasi positif atau negatif.
d. Uji Multikolonieritas
Uji multikolonieritas digunakan untuk mengetahui apakah dalam model regresi linear ditemukan adanya korelasi yang tinggi antar variabel bebas. Untuk mengetahui ada tidaknya gejala multikolineritas dapat dilihat dari besarnya nilai Tolerance dan Variance Inflation Factor (VIF)
Tabel 4.10
Hasil Uji Multikolonieritas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .021 .006 3.517 .001
HargaMinyak .146 .097 .180 1.500 .138 .872 1.147 NilaiTukar -.244 .100 -.276 -2.455 .017 .989 1.011 Inflasi -.068 .047 -.178 -1.463 .148 .845 1.183
SBI -.047 .121 -.044 -.384 .702 .951 1.052
a. Dependent Variable: IHSG
Sumber : Hasil Pengolahan SPSS 18 (05/05/2015)
Berdasarkan Tabel 4.10, dapat diketahui bahwa tidak terdapat masalah multikolonieritas, karena semua variabel independen memiliki angka VIF lebih kecil dari 5, sedangkan nilai tolerance lebih besar dari 0,1. Hal ini berarti bahwa
semua variabel bebas tersebut layak digunakan sebagai prediktor.
4.2.2.2 Analisis Regresi Linear Berganda
Tabel 4.11 berikut ini menunjukkan hasil estimasi regresi melalui pengolahan data dengan bantuan program Software SPSS (Statistic Package for the SocialScience) 18.00 for Windows
Tabel 4.11 Hasil Estimasi Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .021 .006 3.517 .001 HargaMinyak .146 .097 .180 1.500 .138 NilaiTukar -.244 .100 -.276 -2.455 .017 Inflasi -.068 .047 -.178 -1.463 .148 SBI -.047 .121 -.044 -.384 .702
a. Dependent Variable: IHSG
Sumber : Hasil Pengolahan SPSS 18 (05/05/2015)
Pengolahan data tersebut mengasilkan suatu model Regresi Linier Berganda sebagai berikut :
Y = 0,021 + 0,146X1– 0,244X2– 0,0687X3– 0,047X4 +
e
Dimana :
Y = IHSG (Indeks Harga Saham Gabungan)
a = konstanta
X1= Harga Minyak Dunia
X2 = Nilai Tukar
X3= Inflasi
Interpretasi :
a) Konstansa sebesar 0,021, menyatakan bahwa apabila tidak ada variabel bebas (harga minyak, nilai tukar, inflasi, dan suku bunga SBI), maka pergerakan IHSG di Bursa Efek Indonesia adalah sebesar 0,021
b) Harga minyak dunia yang diukur melalui perubahan harga minyak dunia mempunyai nilai sebesar 0,146, menyatakan bahwa apabila harga minyak dunia naik sebesar satu satuan maka IHSG di Bursa Efek Indonesia akan naik sebesar 0,146. Dan apabila harga minyak dunia turun sebesar satu satuan maka IHSG di BEI juga akan turun sebesar 0,146.
c) Nilai tukar yang diukur melalui perubahan nilai tukar mempunyai nilai sebesar -0,244, menyatakan bahwa apabila nilai tukar naik sebesar satu satuan, maka IHSG di Bursa Efek Indonesia akan turun sebesar 0,244. Dan apabila nilai tukar turun sebesar satu satuan, maka IHSG di Bursa Efek Indonesia akan naik sebesar 0,244
d) Inflasi yang diukur melalui laju inflasi mempunyai nilai sebesar -0,068 menyatakan bahwa apabila tingkat inflasi naik sebesar satu satuan, maka IHSG di Bursa Efek Indonesia akan turun sebesar 0,068. Dan apabila tingkat inflasi turun sebesar satu satuan, maka IHSG di Bursa Efek Indonesia akan naik sebesar 0,068
e) Suku Bunga SBI yang diukur melalui perubahan suku bunga SBI mempunyai nilai sebesar -0,047, menyatakan bahwa apabila suku bunga SBI naik sebesar satu satuan, maka IHSG di Bursa Efek Indonesia akan turun sebesar 0,047. Dan apabila suku bunga SBI turun sebesar satu satua, maka IHSG di Bursa
Efek Indonesia akan naik sebesar 0,047.
4.2.2.3 Pengujian Hipotesis 1. Uji Simultan (Uji-F)
Pengujian ini dilakukan untuk mengetahui pengaruh suatu variabel independen secara parsial terhadap variasi variabel dependen.
Bentuk pengujiannya adalah:
c. H0 : b1= b2= b3 = b4= 0, artinya secara simultan tidak terdapat pengaruh yang signifikan dari harga minyak dunia, nilai tukar, inflasi dan suku bunga SBI terhadap pergerakan IHSG di Bursa Efek Indonesia.
d. H1 : minimal satu bi ≠ 0, artinya secara simultan terdapat pengaruh yang signifikan dari harga minyak dunia, nilai tukar, inflasi dan suku bunga SBI terhadap pergerakan IHSG di Bursa Efek Indonesia.
Dengan menggunakan tingkat signifikan (α) 5%, jika nilai sig.F > 0,05 maka
H0 diterima, artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Sebaliknya, jika nilai sig. F < 0,05 maka H1 diterima, artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas terhadap variabel terikat. Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai Fhitung dan nilai Ftabel.
Dimana kriterianya, yaitu:
a. H0 diterima jika Fhitung < Ftabel pada α = 5%
Tabel 4.12 Hasil Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression .032 4 .008 3.232 .017a
Residual .167 67 .002
Total .199 71
a. Predictors: (Constant), SBI, NilaiTukar, HargaMinyak, Inflasi b. Dependent Variable: IHSG
Sumber : Hasil Pengolahan SPSS 18 (05/05/2015)
Berdasarkan hasil pengujian SPSS diperoleh nilai sig 0.017 dan Fhitung 3,232. Maka hasil pengujian menurut tabel adalah sebagai berikut:
N = jumlah sampel = 72
k = jumlah seluruh variabel = 5 df1 = derajat pembilang = k-1 = 4 df2 = derajat penyebut = n-k = 67
Pada tingkat signifikansi (α) = 0.05 diperoleh Ftabel = 2,58
Karena Fhitung (3,232) > Ftabel (2,58) dan nilai Sig.tabel (0,017) < tingkat signifikan (0,05), maka dapat dinyatakan H0 ditolak (H1 diterima), artinya terdapat pengaruh secara simultan dan signifikan variabel bebas harga minyak dunia, nilai tukar, inflasi dan suku bunga SBI terhadap variabel terikat yaitu pergerakan IHSG.
Hasil penelitian ini membuktikan bahwa harga minyak dunia, nilai tukar, inflasi dan suku bunga SBI berpengaruh signifikan secara simultan terhadap pergerakan IHSG di Bursa Efek Indonesia periode 2009 - 2014.