Batasan Operasional - METODE PENELITIAN - PENGARUH TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE)

BAB III METODE PENELITIAN

3.2 Batasan Operasional

Untuk menghindari kesimpangsiuran dalam membahas dan menganalisis permasalahan, maka penelitian ini dibatasi faktor-faktor yang mempengaruhi indeks harga saham gabungan. Penelitian yang dilakukan penulis terbatas pada faktor-faktor antara lain BI Rate dan jumlah uang beredar.

3.3 Definisi Operasional

Penelitian ini menggunakan satu variabel dependen dan dua variabel independen. Definisi Operasional masing-masing variabel dalam penelitian ini sebagai berikut:

3.3.1 Indeks Harga Saham Gabungan (IHSG)

Indeks Harga Saham Gabungan (IHSG) menunjukkan pergerakan harga saham secara umum yang tercatat di bursa efek (Widoatmojo, 2005). Indeks Harga Saham Gabungan diukur dalam satuan poin.

3.3.2 Suku Bunga BI rate

Suku bunga acuan Bank Indonesia atau BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau kebijakan moneter yang ditetapkan oleh Bank Indonesia dan diumumkan kepada publik (www.bi.go.id). Tingkat Bunga BI Rate diukur dalam satuan persen.

3.3.3 Jumlah Uang Beredar Artian Sempit

Jumlah Uang Beredar adalah uang dalam arti sempit yaitu jumlah uang kartal di luar bank umum dan simpanan giro masyarakat pada bank umum. Jumlah Uang Beredar diukur dalam satuan miliar rupiah.

3.4 Jenis Data

Jenis data yang digunakan penulis dalam penelitian ini adalah data sekunder yaitu data yang telah dikumpulkan oleh pihak lain dalam bentuk data runtut waktu atau time series yaitu data yang secara kronologis disusun menurut waktu pada suatu variabel tertentu. Dan yang bersifat kuantitatif yaitu data yang diukur dalam suatu skala numerik (Mudrajad Kuncoro, 2009). Data yang digunakan selama kurun waktu 6 (enam) tahun (Juni 2012 – Juni 2018). Sumber data diperoleh dari www.idx.co.id, www.bps.go.id dan www.bi.go.id.

3.5 Metode Pengumpulan Data

Metode yang digunakan untuk mengumpulkan data dalam penelitian ini adalah pencatatan secara langsung dari bahan-bahan yang berhubungan dengan penelitian, Bank Indonesia, website, artikel, dan jurnal- jurnal.

3.6 Teknik Analisis Data

Penelitian ini menggunakan teknik analisis regresi linier berganda (multiple linier regression method) karena penelitian ini terdiri dari beberapa variabel bebas. Teknik ini digunakan untuk mengetahui hubungan dan seberapa besar pengaruh antara variabel-variabel bebas (independen) terhadap variabel terikat (dependen) (Ghozali, 2011).

Fungsi yang digunakan dalam penelitian ini adalah:

IHSG = f (BI Rate, JUB)

Fungsi tersebut ditransformasikan kedalam model persamaan regresi linear berganda sebagai berikut:

Y = + 1X1 + 2X2 + e

Kemudian ditransformasikan lagi ke dalam model persamaan logaritma berganda sebagai berikut:

LnY = + 1X1 + 2X2 + e Dimana :

Y = Indeks Harga Saham Gabungan (Poin) X1 = Suku Bunga BI Rate (%)

X2 = Jumlah Uang Beredar (Miliar Rupiah) = Konstanta

1, 2 = Koefisien e = error term

Sebelum melakukan analisis regresi linear berganda dilakukan, maka diperlukan uji asumsi klasik terlebih dahulu untuk memastikan apakah model tersebut tidak

terdapat masalah autokorelasi, normalitas, dan multikolinearitas jika terpenuhi maka model analisis layak untuk digunakan.

Langkah-langkah uji asumsi klasik pada penelitian ini adalah sebagai berikut : a. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan penggunaan pada periode t dengan kesalahan penggunaan periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk mengetahui ada tidaknya autokorelasi perlu dilakukan pengujian terlebih dahulu dengan menggunakan statistik Durbin Watson (D-W). (Ghozali, 2011) Hipotesis yang akan diuji dalam penelitian ini adalah :

H0 : tidak ada autokorelasi (r = 0) H0: ada autokorelasi (r ≠ 0)

Berdasarkan tes Durbin Watson, pengembalian keputusan ada tidaknya autokorelasi berdasarkan pada ketentuan :

Tabel 3.1

Pengambilan Keputusan Uji Autokorelasi

H0 (Hipotesis nol) Keputusan Jika

Tidak ada autokorelasi positif Tolak 0 < d < dl Tidak ada autokorelasi positif No Decision dl ≤ d ≤ du Tidak ada autokorelasi negatif Tolak 4 – dl < d < 4 Tidak ada autokorelasi negatif No Decision 4 – du ≤ d ≤ - dl Tidak ada autokorelasi positif atau negatif Terima Du < d < 4 – du Sumber : Ghozali (2011)

b. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi data normal atau tidak (Ghozali, 2011). Jika data tidak berdistribusi normal maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Uji normalitas menggunakan uji Kolmogrov-Smirnov dengan menggunakan bantuan program statistik. Dasar pengambilan keputusan yaitu jika probabilitas lebih besar dari nilai alpha yang ditentukan, yaitu 5%, maka data dikatakan berdistribusi normal, dan sebaliknya jika probabilitas kurang dari 5%, maka data tidak berdistribusi normal.

c. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Menurut Ghozali (2011), model regresi yang baik seharusnya tidak memiliki korelasi diantara variabel independen. Jika terdapat korelasi yang tinggi variabel independen tersebut, maka hubungan antara variabel independen dan variabel dependen menjadi terganggu.

Ada tidaknya multikolinearitas dalam model regresi dilihat dari Variance Inflation Factor (VIF) dan nilai Tolerance (T). Jika nilai VIF ≤ 10 dan nilai T ≥ 0,10, maka tidak terjadi multikolinearitas.

d. Uji Hipotesis

 Uji t Secara Parsial (Uji Signifikansi Individual)

Pengujian terhadap hasil regresi dilakukan dengan menggunakan uji statistik t. Uji t bertujuan untuk mengetahui ada tidaknya pengaruh dari Suku Bunga BI

Pengujian ini dilakukan pada tingkat keyakinan 95% dengan ketentuan sebagai berikut:

• Apabila tingkat signifikansi lebih besar dari 5%, maka dapat disimpulkan H0

diterima.

• Apabila tingkat signifikansi lebih kecil dari 5%, maka dapat disimpulkan H0

ditolak.

Hipotesis yang telah diajukan dirumuskan sebagai berikut :

• Pengaruh Suku Bunga BI Rate terhadap IHSG

H0 : 1 ≥0, berarti Suku Bunga BI Rate tidak berpengaruh negatif terhadap Indeks Harga Saham Gabungan.

H0 : 1 < 0, berarti Suku Bunga BI Rate berpengaruh negatif terhadap Indeks Harga Saham Gabungan.

• Pengaruh Jumlah Uang Beredar (JUB) terhadap IHSG

H0 : 2 ≤0 berarti Jumlah Uang Beredar tidak berpengaruh positif terhadap Indeks Harga Saham Gabungan.

H0 : 2 >0 berarti Jumlah Uang Beredar berpengaruh positif terhadap Indeks Harga Saham Gabungan.

 Uji Simultan (Uji Statistik F)

Pengujian hipotesis yang dilakukan secara simultan merupakan uji statistik yang bersifat dua arah. Uji simultan dihitung untuk menguji model regresi atau pengaruh seluruh variabel independen yaitu X1 dan X2 secara simultan terhadap variabel dependen yaitu Y.

Prosedur uji F dihitung sebagai berikut :

• Menentukan kriteria hipotesis

H0 : 1 = 2 = 0, artinya tidak ada pengaruh X1 dan X2 terhadap Y.

H0 : 1 ≠ 2 ≠ 0, artinya ada pengaruh X1 dan X2 terhadap Y.

• Memilih uji statistik, memilih uji F untuk menentukan pengaruh berbagai variabel independen secara bersama-sama terhadap variabel dependen.

• Menentukan tingkat signifikansi.

• Menentukan Keputusan Uji F Hitung

• Jika keputusan signifikansi (α) < 5%, maka dapat disimpulkan bahwa H0

ditolak, sebaliknya H0 diterima.

• Jika keputusan signifikansi (α) > 5%, maka dapat disimpulkan bahwa H0

diterima, sebaliknya H0 ditolak.

 Koefisien Determinasi (Adjusted R²)

Koefisien determinasi (Adjusted R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel dependen. Nilai koefisien determinasi antara nol dan satu. Nilai (Adjusted R²) yang lebih kecil berarti kemampuan variabel-variabel independen dalam menjelaskan varian variabel dependen sangat terbatas (Ghozali, 2011).

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Perkembangan Ekonomi Indonesia

Perekonomian Indonesia pada triwulan II 2018 tumbuh tinggi sebesar 5,27%

(yoy). Capaian tersebut merupakan yang tertinggi sejak 2013. Dorongan pertumbuhan ekonomi berasal dari permintaan domestik, yakni konsumsi rumah tangga dan pemerintah. Sementara investasi tetap tumbuh kuat meski melambat dibandingkan triwulan sebelumnya. Secara parsial, dorongan pertumbuhan ekonomi pada triwulan II 2018 berasal dari peningkatan pertumbuhan ekonomi Sumatera dan Kawasan Timur Indonesia, serta pertumbuhan ekonomi Jawa yang tetap kuat. Ekonomi domestik terus berlanjut didukung momentum positif baik dari global maupun domestik. Pertumbuhan ekonomi 2017 meningkat dengan ditopang struktur perekonomian yang membaik serta tingkat pengangguran, kemiskinan, dan ketimpangan yang menurun. Penurunan tingkat kemiskinan tersebut tidak terlepas dari kenaikan garis kemiskinan yang moderat dengan relatif rendahnya inflasi volatile foods. Kebijakan pemerintah untuk mendorong pembangunan ekonomi daerah yang lebih merata melalui perbaikan infrastruktur, akses konektivitas, dan perluasan bantuan sosial mulai memperlihatkan dampak positif terhadap perbaikan kesejahteraan. Persentase penduduk miskin di Papua menurun dalam dua tahun terakhir. Persentase penduduk miskin di Papua turun dari 22,0% pada 2016 menjadi 21,2% pada 2017.

Neraca pembayaran Indonesia 2017 menunjukkan kinerja positif, didorong pemulihan ekonomi global dan perbaikan keyakinan pelaku ekonomi terhadap

prospek ekonomi domestik. Perkembangan positif neraca pembayaran semakin memperkuat ketahanan sektor eksternal Indonesia. Badan Pusat Statistik (BPS) mengumumkan pertumbuhan ekonomi pada kuartal II periode April hingga Juni 2018 tumbuh 5,27 persen. Angka tersebut menunjukkan kenaikan dibandingkan kuartal II tahun 2017 yang tercatat sebesar 5,14 persen. Kepala BPS Suhariyanto menyebutkan pertumbuhan ekonomi kuartal II memang cukup besar, namun masih dibawah target perekonomian 2018 yang ditargetkan sebesar 5,4 persen.

Pergerakannya 5,72 persen lebih tinggi dibandingkan kuartal I-2018 sebesar 5.06 persen, target pertumbuhan ekonomi 5,4 persen, jadi 5,27 angka yang bagus ini masih di bawah target perekonomian. Jika dibandingkan dengan kuartal I-2018, terjadi kenaikan sebesar 4,21 persen. Penyumbang pertumbuhan ekonomi di kuartal II adalah naiknya konsumsi rumah tangga yang mencapai sebesar 5,14 persen. Capaian tersebut seiring adanya masa panen, bulan ramadhan dan adanya pesta pemilihan kepala daerah (Pilkada).

4.2 Deskripsi Variabel Penelitian

Berikut ini adalah hasil analisa deskriptif variabel bebas yang mempengaruhi indeks harga saham gabungan dengan variabel independennya tingkat suku bunga Bank Indonesia BI Rate dan jumlah uang beredar.

Tabel 4.1

Statistik Deskriptif Variabel Penelitian

IHSG BI Rate JUB

mean 5064.388 6.119863 1037476.0 median 5034.070 5.750000 1026323.0 maximum 6605.630 7.750000 1452354.0 minimum 3955.580 4.250000 771738.8 std.dev 630.7676 1.277550 196281.9

observations 73 73 73

Sumber : Pengolahan data dengan Eviews 10

Hasil dari analisa deskriptif menunjukkan nilai tertinggi (maximum), nilai terendah (minimum), rata-rata (mean), dan standar deviasi dari setiap variabel yang diteliti. Jumlah data yang dianalisis dalam kurun waktu Juni 2012 sampai Juni 2018 dalam penelitian ini adalah sebanyak 73 data. Nilai rata- rata (mean) indeks harga saham gabungan (IHSG) sebesar 5064.388 poin dengan nilai maximum sebesar 6605.630 poin dan nilai minimum sebesar 3955.580 poin.

Standar deviasi IHSG sebesar 630.7676 poin lebih kecil dibandingkan nilai mean.

Dengan melihat besarnya nilai standar deviasi yang lebih kecil dari nilai rata-ratanya, maka data yang digunakan dalam variabel IHSG mempunyai sebaran yang kecil.

Nilai rata-rata (mean) BI rate sebesar 6,1 %, dengan nilai maximum sebesar 7,75 % dan nilai minimum sebesar 4,25 %. Standar deviasi tingkat BI rate sebesar lebih 1,2 % lebih kecil dibandingkan nilai rata-ratanya. Nilai standar deviasi yang lebih kecil dari nilai rata-ratanya berarti bahwa data yang digunakan dalam variabel BI rate mempunyai sebaran yang kecil. Nilai rata-rata (mean) JUB sebesar 1037476.0 miliar, dengan nilai maximum sebesar 1452354.0 miliar dan nilai minimum sebesar 771738.8 miliar. Standar deviasi JUB sebesar 196281.9

miliar lebih kecil dibandingkan nilai mean. Dengan melihat besarnya nilai standar deviasi yang lebih kecil dari nilai rata-ratanya, maka data yang digunakan dalam variabel JUB mempunyai sebaran yang kecil.

4.2.1 Perkembangan Indeks Harga Saham Gabungan

Indeks Harga Saham Gabungan (IHSG) ditutup melemah diakhir perdagangan Juni 2018, IHSG turun hingga tembus 5799,24. Anjloknya IHSG disebabkan beberapa kondisi yang terjadi secara bersamaan. Pertama, penurunan IHSG merupakan efek dari ancaman perang dagang global. Hal ini berimbas pada valuasi saham terutama yang terimbas dengan ancaman perang dagang. Faktor kedua yakni pelemahan rupiah, nilai tukar rupiah terhadap dollar Amerika Serikat melemah ke level Rp 14.271 rupiah melemah 0,76% jika dibandingkan dengan posisi sehari sebelumnya yang ada di Rp 14.263 per dollar AS, ini adalah posisi terlemah rupiah sejak Oktober 2015. Ada pula pengaruh dari naiknya suku bunga acuan, apalagi Bank Indonesia membuka peluang menaikkan kembali suku bunga acuan.

2013

Gambar 4.1 Perkembangan IHSG

Sumber : Pengolahan data dengan Eviews 10

Gambar 4.1 menunjukkan perkembangan IHSG mengalami fluktuasi tiap bulannya dalam kurun waktu 2012 - 2018. IHSG pada bulan Juni 2012 sebesar 3955,58 poin dan pada Juni 2018 meningkat menjadi 5799,24 poin. Kenaikan tertinggi terjadi pada bulan Januari 2018 sebesar 6605,63 poin, dan terendah terjadi pada bulan Mei 2012 sebesar 3832,82 poin.

4.2.2 Perkembangan Suku Bunga Bank Indonesia (BI Rate)

BI Rate merupakan suku bunga instrumen yang berfungsi sebagai sinyal kebijakan moneter Bank Indonesia yang ditetapkan pada Rapat Dewan Gubernur.

Bank Indonesia menahan suku bunga acuan BI 7-Days Reverse Repo Rate diangka 5,25%. BI mempertahankan suku bunga setelah tiga kali menaikkan basis points selama semester pertama, keputusan tersebut diambil dalam Rapat Dewan Gubernur yang digelar pada 18-19 Juli 2018.

Bank Indonesia akan terus mengamati dampak dari penurunan kinerja ekonomi dan keuangan global terhadap kinerja perekonomian Indonesia ke depan.

Dalam kaitan ini Bank Indonesia akan mengambil respon tingkat bunga serta kebijakan moneter dan makroprudensial lainnya dalam mitigasi potensi penurunan kinerja perekonomian Indonesia dengan tetap mengutamakan pencapaian sasaran inflasi, yaitu 3,5% pada tahun 2019 dan 3.0 % pada tahun 2020 dengan deviasi masing-masing 1%. Selain itu Bank Indonesia akan mempererat koordinasi kebijakan dengan pemerintah dalam rangka mengantisipasi dampak penurunan ekonomi dan keuangan global.

Tabel 4.3

Perkembangan BI Rate Juni 2012 – Juni 2018 (persen)

Tahun Bulan BI Rate

2014

49 Sumber : Pengolahan data dengan Eviews 10

Dari gambar 4.2 dapat dilihat bahwa data BI Rate bergerak fluktuasi dari bulan Juni 2012 hingga April 2016 dan cenderung menurun dari bulan April 2016 hingga September 2017 dan tetap bertahan pada posisi 4.25 % hingga April 2018.

BI rate mengalami kenaikan sepanjang Juni 2013 sampai Januari 2015, dan kembali turun pada September 2017.

4.2.3 Perkembangan Jumlah Uang Beredar

Bank Indonesia mencatat pertumbuhan jumlah uang beredar atau likuiditas perekonomian melambat sepanjang Maret 2018 disebabkan oleh meningkatnya jumlah simpanan pemerintah pusat di perbankan. Tercatat jumlah uang beredar hanya tumbuh 7,5 persen secara tahunan (yoy) pada Maret 2018 menjadi Rp5.394,9 triliun (m2) atau Rp1.361,1 milyar (m1). Padahal pada Februari 2018, pertumbuhan uang beredar mencapai 8,3 persen (yoy). Selain itu, penurunan uang beredar juga dipengaruhi oleh rendah pertumbuhan aktiva luar negeri bersih pada Maret 2018 sebesar 9,3 persen dari bulan sebelumnya sebesar 13,6 persen.

Kendati begitu, pertumbuhan uang beredar dapat dikompensasi oleh peningkatan aliran kredit bank. Tercatat, penyaluran kredit bank mencapai Rp4.768,8 triliun atau tumbuh 8,5 persen dari sebelumnya 8,2 persen.

Tabel 4.4

Perkembangan Jumlah Uang Beredar Juni 2012 – Juni 2018 (miliar)

Tahun Bulan J U B

2015

2018

Januari 1326741.99

Februari 1351258.0

Maret 1361135.48

April 1372576.15

Mei 1404627.09

Juni 1452354.45

Sumber : www.bi.go.id Bank Indonesia

Gambar 4.3

Perkembangan Jumlah Uang Beredar Sumber : Pengolahan data dengan Eviews 10

Dari Gambar 4.3 menunjukkan bahwa terjadi tren meningkat secara wajar pada JUB. Dimulai pada bulan Juni 2012 sebesar 779.366 miliar dan pada Juni 2018 sebesar 1452.354 miliar.

4.3 Analisis Data

Untuk melihat apakah ada pengaruh tingkat suku bunga BI Rate dan Jumlah Uang Beredar terhadap Indeks Harga Saham Gabungan di Indonesia, maka

4.4 Hasil Pengolahan Data

Berdasarkan pengolahan data dengan menggunakan program Eviews 10 diperoleh hasil sebagai berikut :

Tabel 4.5 Hasil Regresi

Variabel X1 dan X2 dengan Variabel Y

Variable Coefficient Std. Error t-Statistic Prob.

C 2876.443 525.9928 5.468598 0.0000

BIRATE -52.55458 44.57107 -1.179119 0.2423 JUB 0.002419 0.000290 8.338171 0.0000

R-squared 0.685187 F-statistic 76.17718

Adjusted R-squared 0.676193 Durbin-Watson stat 0.299524 Sumber : Pengolahan data dengan Eviews 10

4.4.1 Interpretasi Model

1. Tingkat suku bunga Bank Indonesia (BI Rate) (X1)

Tingkat suku bunga Bank Indonesia (BI Rate) (X1) memiliki pengaruh negatif terhadap Indeks Harga Saham Gabungan dengan koefisien sebesar -52.55458. Hal ini berarti bahwa bila terjadi kenaikan tingkat suku bunga Bank Indonesia (BI Rate) sebesar 1% akan menyebabkan penurunan Indeks Harga Saham Gabungan sebesar 52.55458%.

2. Jumlah Uang Beredar (X2)

Jumlah Uang Beredar (X2) memiliki pengaruh positif terhadap Indeks Harga Saham Gabungan, dengan koefisien sebesar 0.002419. Hal ini berarti bahwa bila terjadi kenaikan Jumlah Uang Beredar sebesar 1% akan menyebabkan peningkatan terhadap Indeks Harga Saham Gabungan sebesar 0.002419%.

4.5 Uji Kesesuaian (Test of Goodness of Fit) 4.5.1 Koefisien Determinasi (R-squre)

Dari hasil regresi diatas diperoleh nilai koefisien determinasi sebesar 0.685187 atau R² = 68.52%, yang artinya bahwa variabel bebasnya yaitu tingkat bunga BI Rate dan JUB mampu menjelaskan terikatnya yaitu IHSG sebesar 68.52%. Sedangkan sisanya sebesar 31.48% dijelaskan oleh variabel lain yang tidak dimasukkan dalam model estimasi.

4.5.2 Uji F-Statistik

Uji F-Statistik ini dilakukan untuk mengetahui apakah variabel tingkat suku bunga Bank Indonesia (BI Rate) dan Jumlah Uang Beredar mampu menjelaskan terikatnya yaitu Indeks Harga Saham Gabungan, Kriteria pengambilan keputusan : H0 diterima jika F-hitung < F-tabel

H0 ditolak jika F-hitung > F-tabel a. H0 : b1 = b2 = b3 = 0

H0 : b1 ≠ b2 ≠ b3 = 0 b. α = 1%

c. df1 = 3-1 = 2 d. df2 = 73-3= 70 e. F-hitung = 76.17718

F-tabel = 4.92

Kesimpulan :

Berdasarkan hasil diatas, dapat diketahui bahwa F-hitung > F-tabel, yaitu:

76.17718 > 4.92, Dengan demikian hipotesa alternatif H0 ditolak. Artinya, ada pengaruh yang signifikan antara tingkat suku bunga Bank Indonesia (BI Rate) dan Jumlah Uang Beredar secara bersama-sama terhadap Indeks Harga Saham Gabungan (IHSG).

H0 diterima

H0 ditolak

4.92 76.17718

Gambar 4.4 Uji F-Statistik Sumber : Pengolahan data 4.5.3 Uji t-Statistik (Uji Parsial)

Untuk menguji apakah variabel – variabel independen yaitu tingkat suku bunga Bank Indonesia BI Rate dan Jumlah Uang Beredar berpengaruh secara parsial terhadap variabel dependennya yaitu Indeks Harga Saham Gabungan, maka dilakukan uji-t. Adapun uji dapat didefinisikan sebagai berikut :

H0 : b1 = 0 H0 : b1 ≠ 0

H0 diterima Kriteria :

Jika nilai t-statistik bernilai positif : a. H0 diterima apabila t-hitung < t-tabel b. H0 ditolak apabila t-hitung > t-tabel Jika nilai t-statistik bernilai negatif : a. H0 diterima apabila t-hitung > t-tabel b. H0 ditolak apabila t-hitung < t-tabel 1. Tingkat Bunga BI Rate (X1) a. H0 = b = 0

b. H0 ≠ b ≠ 0

c. df = n-k-1 = 73-3-1 = 69 d. α = 1%

e. t-tabel = -2,381 t-hitung = -1.179119

H0 ditolak H0 ditolak

-2,381 -1.179119 2,381

Gambar 4.5 Uji t-Statistik X1

Sumber : Pengolahan data

Dari hasil estimasi regresi dapat diketahui bahwa variabel tingkat suku bunga Bank Indonesia BI Rate (X1) berpengaruh signifikan pada α = 1%, dengan t-hitung > t-tabel (-1.179119 > -2,381). Dengan demikian H0 diterima pada nilai uji t-statistik bernilai negatif. Artinya variabel X1 berpengaruh negatif dan signifikan terhadap variabel IHSG (Y).

2. Jumlah Uang Beredar (X2)

a. H0 = b = 0 H0 ≠ b ≠ 0

b. df = n-k-1 = 73-3-1 = 69 c. α = 1%

d. t-tabel = 2,381 t-hitung = 8.338171

H0 ditolak H0 ditolak

-2,381 2,381 8.338171

Gambar 4.6 Uji t-Statistik X2

Sumber : Pengolahan data

Dari hasil estimasi regresi dapat diketahui bahwa Jumlah Uang Beredar berpengaruh signifikan pada level α = 1% , dengan t-hitung > t-tabel (8.338171 >

H0 diterima

2,381). Dengan demikian H0 ditolak pada uji statistik bernilai positif. Artinya, variable X2 (JUB) berpengaruh signifikan terhadap variabel IHSG (Y) .

4.6 Uji Penyimpangan Asumsi Klasik 4.6.1 Uji Normalitas

Untuk melihat apakah data berdistribusi normal maka perlu dilakukan uji Normalitas dengan menggunakan Jarque-Bera Test (J-B test) dengan melihat probability. Apabila angka probability > 0,05 maka data berdistribusi normal, sebaliknya apabila angka probability < 0,05 maka data tidak berdistribusi normal.

Gambar 4.7 Uji Normalitas

Sumber : Pengolahan data dengan Eviews 10

Dari hasil uji normalitas diperoleh nilai probability yang lebih besar dari 0,05 (0,471 > 0,05). Dengan demikian data-data pada penelitian ini berdistribusi normal.

4.6.2 Multikolinearitas (Multikolinearity)

Uji multikolinearitas yang digunakan dalam penelitian ini adalah dengan menggunakan uji korelasi parsial yang dikemukan oleh L.R.Klein. Metode ini membandingkan lower case (korelasi antar masing-masing variabel independen).

Dengan melihat nilai koefisien korelasi (r) antar variabel independen, dapat diputuskan apakah data terkena multikolinearitas atau tidak. Diduga terdapat gejala multikolinearitas apabila r > 0,8. Hasil pengujian multikolinearitas menggunakan uji korelasi (r) dapat dilihat sebagai berikut :

Tabel 4.6

Hasil Uji Multikolinearitas

JUB BI Rate

JUB 1.000000 -0.669431

BI Rate -0.669431 1.000000

Sumber : Pengolahan data dengan Eviews 10

Berdasarkan hasil uji multikolinearitas ini terlihat bahwa nilai koefisien korelasi rendah (lebih kecil dari 0,80). Maka dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas.

4.6.3 Uji Autokorelasi (Serial Correlation)

Autokorelasi adalah korelasi yang terjadi antar observasi runtun waktu dalam satu variabel. Jika terjadi korelasi antara satu residual dengan residual yang lain, maka model mengandung autokorelasi. Metode yang digunakan untuk mendeteksi masalah autokorelasi dalam penelitian ini adalah dengan uji DW. Berdasarkan hasil estimasi diperoleh nilai DW hitung sebesar 0.299524. sedangkan pada

tingkat signifikansi (α = 5%), k = 3 dan n = 73 diperoleh nilai d1= 1.5645 dan d2=1.6768. berdasarkan perbandingan nilai DW hitung dengan DW tabel, berarti terdapat autokorelasi pada model tersebut. Untuk mengatasi autokorelasi, dimulai dari model persamaan berikut:

Y = α - - + μ Dan μ = ρμ + v Selanjutnya model persamaan menjadi:

Y = α - - + ρμ + v

μ merupakan error term yang mengandung autokorelasi murni, 𝞺 adalah koefisien autokorelasi, dan v adalah term of error yang memenuhi asumsi klasik. Jika kita dapat menghilangkan 𝞺μ dari persamaan di atas, maka masalah autokorelasi akan hilang karena term of error yang tinggal hanya v yang tidak mengandung autokorelasi. Untuk menghilangkan 𝞺μ, maka persamaan di atas akan dikalikan dengan 𝞺 dan dibuat log-nya. Jika diasumsikan 𝞺 = 1, maka persamaan di atas menjadi:

Y – Yt= ( t ( – ) - ( – ) +μ

Pada persamaan di atas, nilai intercept / konstanta sudah tidak ada lagi, sehingga hanya regresi antar variabel Y, , dan .Diperoleh hasil estimasi sebagai berikut:

Tabel 4.7

Hasil Estimasi Uji Autokorelasi Tanpa Intercept

Variable Coefficient Std. Error t-Statistic Prob.

BIRATE -208.9048 98.65274 -2.117577 0.0378

JUB -0.000619 0.000667 -0.928030 0.3566

R-squared 0.048529 Durbin-Watson stat 1.699564

A djusted R-squared 0.034937

Sumber : Pengolahan data dengan Eviews 10

Hasil estimasi di atas menunjukkan nilai DW hitung sebesar 1.699564. Dan berdasarkan perbandingan nilai DW hitung dengan DW tabel, tidak terdapat autokorelasi pada model tersebut. Namun metode ini belum sesuai dengan yang diharapkan.

Metode kedua untuk mengobati autokorelasi adalah dengan mencari nilai ρ yang sesungguhnya. Pada metode ini dilakukan estimasi nilai ρ dengan cara menggunakan model (AR1).

Tabel 4.8

Hasil Estimasi Uji Autokorelasi Model AR(1)

Variable Coefficient Std. Error t-Statistic Prob.

C 11.07045 1.993850 5.552296 0.0000

LBIRATE -0.317325 0.106049 -2.992244 0.0039

LJUB -0.138389 0.138907 -0.996270 0.3227

AR(1) 0.915761 0.038356 23.87505 0.0000

R-squared 0.928367 F-statistic 293.7625

A djusted R-squared 0.925207 Durbin-Watson stat 1.799612 Sumber : Pengolahan data dengan Eviews 10

Koefisien variabel AR(1) adalah 0.915761, angka ini merupakan nilai dari ρ.

Selanjutnya dilakukan pengujian LM test untuk membuktikan apakah regresi tidak lagi memiliki autokorelasi.

Tabel 4.9

Hasil Estimasi LM Test Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.519442 Prob. F(2,66) 0.5973

Obs*R-squared 1.115765 Prob. Chi-Square(2) 0.5724

R-squared 0.015497

Sumber : Pengolahan data dengan Eviews 10

Hasil pengujian menunjukkan bahwa nilai Obs*R-squared sebesar 1.115765 dengan nilai Prob. Chi-Square (χ²) sebesar 0.5724. Hasil ini menunjukkan bahwa nilai probabilitasnya cukup besar,berada diatas 0,05, sehingga tidak ditemukan lagi autokorelasi dimana menolak hipotesa nol.

5.1 Kesimpulan

Berdasarkan uraian dan penjelasan analisis yang dilakukan penulis, maka kesimpulan yang diperoleh adalah sebagai berikut:

1. BI Rate mempunyai pengaruh negatif terhadap IHSG, dengan koefisien sebesar -52.55458. dengan probabilitas tingkat kesalahan sebesar 0,2423 lebih besar dibandingkan dengan nilai signifikansi yang diharapkan yaitu 0,05.

2. Jumlah uang beredar mempunyai pengaruh positif terhadap IHSG, dengan koefisien sebesar 0.002419. dengan probabilitas tingkat kesalahan sebesar 0,000 lebih kecil dibandingkan dengan nilai signifikansi yang diharapkan

Dalam dokumen PENGARUH TINGKAT SUKU BUNGA BANK INDONESIA (BI RATE) DAN JUMLAH UANG BEREDAR TERHADAP INDEKS HARGA SAHAM GABUNGAN (IHSG) DI INDONESIA (Halaman 46-0)