BAB IV HASIL DAN PEMBAHASAN
C. Hasil Analisa dan Pembahasan
1. Deskripsi Data Dalam Variabel
Gambaran mengenai variabel-varianbel yang diteliti selama periode peneltian, yaitu dari Januari 2006 sampai dengan Desember 2009 dapat dilihat pada tabel 4.6 dibawah ini :
Tabel 4.6
Deskripsi Data Dalam Variabel
Descriptive Statistics 48 10,33686 11,45140 10,81842 ,24801783 ,062 48 ,00201 ,01493 ,0072794 ,00357569 ,000 48 ,00417 ,01063 ,0075196 ,00162831 ,000 48 -,09884 ,16769 -,0000940 ,04074828 ,002 48 -,02838 ,05665 ,0122242 ,01715967 ,000 48 Volume Perdagangan Saham Tingkat Inflasi BI rate Kurs Rupiah M2 Valid N (listwise)
N Minimum Maximum Mean Std. Deviation Variance
dari hasil pengolahan data yang telah dilakukan dengan menggunakan SPSS 15.0, Output SPSS ini menunjukkan bahwa volume perdagangan saham dari 48 observasi atas sampel memiliki nilai terendah 10,33686 yang terjadi pada Juli 2006, dan nilai tertinggi 11,45140 yang terjadi pada Mei 2009, dengan nilai rata-rata sebesar 10,81842.
Tingkat inflasi memiliki nilai terendah 0,00201 yang terjadi pada November 2008 atau sebesar 2.41%, dan nilai tertinggi 0,1493 yang terjadi pada Februari 2006 atau sebesar 17.92%, dengan nilai rata-rata tingkat inflasi 0,0072794.
BI rate memiliki nilai terendah 0,00417 yang terjadi pada September 2009 atau sebesar 5%, dan nilai tertinggi 0,01063 yang terjadi pada bulan Januari sampai April 2006 atau sebesar 12.75%, dengan nilai rata-rata sebesar
Kurs memiliki nilai pertumbuhan terendah -0.09884 yang terjadi pada Desember 2008, dan nilai pertumbuhan tertinggi 0,16769 yang terjadi pada Oktober 2009, dengan nilai rata-rata -0,0000940.
Jumlah uang yang beredar memiliki nilai pertumbuhan terendah -0,02838 yang terjadi pada Januari 2008, dan nilai pertumbuhan tertinggi 0,05665 yang terjadi pada September 2008. dengan nilai rata-rata 0,0122242. 2. Uji Normalitas
Pada tahap pertama penelitian adalah melakukan uji normalitas data. Uji normalitas ini bertujuan untuk mengetahui apakah disribusi data yang akan digunakan dalam variabel penelitian normal atau tidak. Data yang baik dan layak digunakan dalam penelitian adalah data yang terdisribusi normal.
Untuk melihat model regresi variabel dependen, variabel independen, atau keduanya terdisribusi normal atau tidak dapat dilihat dari grafik Normal Probability Plot di bawah ini:
Gambar 4.6 Hasil Uji Normalitas
Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0 Ex p ect ed Cu m P ro b 1.0 0.8 0.6 0.4 0.2 0.0
Normal P-P Plot of Regression Standardized Residual
Dari grafik normal P-P plot tersebut dapat dilihat bahwa sebaran data berada
gujian normalitas data dengan menggunakan uji Kolmo
Uji Normalitas
di sekitar garis diagonal dan mengikuti arah garis diagonal tersebut. Hal ini menunjukkan bahwa data yang digunakan dalam penelitian ini memiliki data yang terdisribusi normal.
Adapun hasil pen
gorov-Smirnov dapat dijelaskan pada tabel 4.7 berikut : Tabel 4.7
One-Sample Kolmogorov-Smirnov Test
48 48 48 48 48
Vo Perdagangan
Saham lume
Tingkat Inflasi BI rate Kurs Rupiah M2 N 10,8184194 ,0072794 ,0075196 -,0000940 ,0122242 ,24801783 ,00357569 ,00162831 ,04074828 ,01715967 ,053 ,163 ,153 ,165 ,093 ,053 ,163 ,153 ,165 ,093 -,048 -,100 -,097 -,116 -,049 ,368 1,133 1,059 1,145 ,647 ,999 ,154 ,212 ,146 ,797 Mean Normal Parametersa,b
Std. Deviation Absolute Positive Most Extreme Differences Negative Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed) Test distribution is Normal. a.
Calculated from data. b.
Dengan menggunakan SPSS 15.0 untuk menguji normalitas data, didapatkan hasil nilai K-S untuk volume perdagangan saham sebesar 0,368 atau nilai 2 tailed p sebesar 0,999 > α = 0.05, tingkat inflasi sebesar 1,133 atau nilai 2 tailed p sebesar 0,154 > α = 0.05, BI rate sebesar 1,059 atau nilai 2 tailed p sebesar 0,212 > α = 0.05, Kurs rupiah sebesar 1,145 atau nilai 2 tailed p sebesar 0,146 > α = 0.05, dan Jumlah uang yang beredar sebesar 0,647 atau nilai 2 tailed p sebesar 0,797 > α = 0.05. Hal ini menunjukkan, semua data yang digunakan dalam variabel penelitian terdisribusi secara normal.
3. Uji Asumsi Klasik
r berganda dapat disebut sebagai model yang baik jika
ultikolinieritas
tas bertujuan untuk menguji apakah pada model reg
ahui adanya korelasi atau tidak antar variabel bebas, mak
Hasil Uji Multikolinieritas
Model regresi linie
model tersebut memenuhi asumsi normalitas data dan asumsi-asumsi klasik statistik.
a. Uji M
Uji multikolinieri
resi ditemukan adanya korelasi antara variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel-variabel bebasnya. Multikolinieritas dapat dilihat dari nilai tolerance dan variance inflation factor (VIF). Apabila tolerance lebih dari 0,1 dan VIF kurang dari 10, maka model regresi dapat dikatakan terbebas dari multikolinieritas.
Untuk menget
a dapat dilihat pada tabel 4.8 dibawah ini : Tabel 4.8
l Collinearity Statistics
Mode Kesimpulan
Tolerance VIF 1 (Constant)
Tingkat Inflasi ,255 3,914 Tidak terjadi Multikolinieritas BI rate ,258 3,880 Tidak terjadi Multikolinieritas Kurs Rupiah ,933 1,072 Tidak terjadi Multikolinieritas M2 ,938 1,066 Tidak terjadi Multikolinieritas
Dari tabel 4.8 menunjukkan bahwa masing-masing variabel bebas (inflasi, BI rate, kurs dan M2) memiliki angka tolerance diatas 0,1 dan nilai VIF di
bawah 10. dengan demikian dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas antar variabel bebas dalam model regresi ini. b. Uji Autokorelasi
Uji autokorelasi merupakan pengujian asumsi dalam regresi dimana variabel terikat tidak berkorelasi dengan variabel itu sendiri, baik periode sebelumnya ataupun sesudahnya. Untuk mendeteksi gejala autokorelasi kita menggunakan uji Durbin-Watson.
Tabel 4.9
Hasil Uji Autokorelasi
Model Durbin-Watson Kesimpulan 1 1,071 Tidak terjadi autokorelasi
Pada output tersebut terlihat bahwa nilai Durbin Watson adalah sebesar 1,071 yang terletak di daerah -2 < d < 2 , sehingga dapat disimpulkan
bahwa regresi linier berganda terbebas dari autokorelasi. c. Uji Heteroskesdastisitas
Uji Heteroskesdastisitas digunakan untuk menguji terjadinya perbedaan varian residual suatu periode pengamatan ke periode pengamatan lain. Model regresi yang baik adalah model regresi yang memiliki persamaan varian residual suatu periode pengamatan dengan periode pengamatan yang lain. Untuk memprediksi ada tidaknya heteroskesdastisitas pada suatu model regresi dapat dilihat dari pola gambar scatterplot model tersebut.
Hasil uji heteroskesdastisitas dapat dilihat pada gambar 4.2 di bawah ini :
Gambar 4.7 Uji Heteroskedatisitas
Regression Standardized Predicted Value
2 1 0 -1 -2 -3 R egr es si o n St u de n ti zed Re si d u al 3 2 1 0 -1 -2 Scatterplot
Dependent Variable: Volume Perdagangan Saham
Pada gambar 4.2 terlihat titik-titik telah menyebar secara acak, dan tidak membentuk pola tertentu, serta menyebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini mengindikasikan bahwa tidak terdapat heteroskesdastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi variabel terikat berdasarkan masukan variabel bebasnya.
4. Analisis Regresi Linier Berganda
Berdasarkan data-data yang disajikan pada tabel di atas, selanjutmya akan dianalisis dengan bantuan aplikasi SPSS 15.0 untuk mengetahui besarnya pengaruh tingkat inflasi, BI rate, kurs rupiah, dasn jumlah uang yang beredar
dalam arti luas (M2), terhadap total frekuensi perdagangan saham. Hasil pengolahan data dengan SPSS dapat dilihat pada tabel 4.10 di bawah ini :
Tabel 4.10
Analisis Regresi Linier Berganda
Coefficientsa 11,554 ,155 74,458 ,000 -13,122 13,938 -,189 -,941 ,352 -86,475 30,473 -,568 -2,838 ,007 -,143 ,640 -,024 -,224 ,824 ,834 1,516 ,058 ,550 ,585 (Constant) Tingkat Inflasi BI rate Kurs Rupiah M2 Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: Volume Perdagangan Saham a.
Berdasarkan output SPSS pada tabel coefficients maka persamaan regresi dapat dirumuskan sebagai berikut :
Y = 11,554 – 13,122X1 – 86,472X2 – 0,143X3 + 0,834X4 + εr
Dari persamaan regresi di atas dapat dijelaskan bahwa :
a. Jika segala sesuatu pada variebel-variabel bebas bernilai 0, maka total frekuensi perdagangan saham (Y) adalah sebesar 11,554.
b. Koefisien regresi tingkat inflasi (X1) sebesar -13,122 menunjukkan besarnya pengaruh tingkat inflasi terhadap volume perdagangan saham. Pengaruh negatif menunjukkan adanya pengaruh yang berlawanan antara tingkat inflasi dengan perubahan volume perdagangan saham. Dengan kata lain, jika tingkat inflasi meningkat 1% maka volume perdagangan saham akan turun sebesar 13,122 dan sebaliknya, jika tingkat inflasi turun sebesar 1% maka volume perdagangan saham akan meningkat sebesar 13,122.
c. Koefisien regresi BI rate (X2) sebesar -174,571 menunjukkan besarnya pengaruh BI rate terhadap volume perdagangan saham. Pengaruh negatif menunjukkan adanya pengaruh yang berlawanan antara perubahan BI rate dengan volume perdagangan saham. Jika BI rate meningkat 1%, maka akan menyebabkan penurunan frekuensi perdagangan saham sebesar 174,571 dan sebaliknya, jika BI rate turun sebesar 1% maka volume perdagangan saham akan meningkat 174,571.
d. Koefisien regresi kurs rupiah (X3) sebesar -0,143 menunjukkan besarnya pengaruh kurs rupiah terhadap frekuensi perdagangan saham. Jika kurs rupiah meningkat sebesar Rp 1,- maka frekuensi perdagangan saham akan turun sebesar 0,143 dan sebaliknya, jika kurs rupiah turun sebesar Rp 1,- maka volume perdagangan saham akan naik 0,143.
e. Koefisien regresi jumlah uang yang beredar (X4) sebesar 0,834 menunjukkan besarnya pengaruh jumlah uang yang beredar terhadap frekuensi perdagangan saham. pengaruh positif menunjukkan hubungan yang searah antara volume perdagangan saham dengan jumlah uang yang beresar. Jika jumlah uang yang beredar meningkat sebesar Rp 1,- maka frekuensi perdagangan saham akan naik sebesar 0,834 dan sebaliknya jika jumlah uang yang beredar turun sebesar Rp 1,- maka volume perdagangan saham akan turun sebesar 0.843.