Tabel 4.4. Hasil Uji Asumsi Klasik (Variabel Bebas Berkorelasi) Coefficient a
Colinearity Statistics
Model Tolerance VIF
1 (Constant) DER .284 3,524 NT .055 18.129 SKB .070 14.377 Inflasi .297 3.369 CR .236 4.233 ROI .159 6.294 ROE .534 1.871
Sumber: Hasil Penelitian, 2007 (data diolah)
Hasil uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independent variabel). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Multikolonieritas terjadi apabila (1) nilai tolerance (Tolerance < 0,10) dan (2)
variance factor inflation (VIF > 10).
Berdasarkan pada Tabel 4.4, menunjukkan bahwa VIF untuk variabel Nilai Tukar dan Tingkat Suku Bunga lebih besar dari 10 sedangkan secara keseluruhan nilai tolerance seluruh variabel lebih besar dari 1,10. Hal ini menunjukkan bahwa variabel bebas dalam penelitian ini saling berkorelasi, sehingga model mengandung multikolonieritas.
Untuk menghindari atau menghilangkan unsur multikolonieritas antar variabel Nilai Tukar dan Tingkat Suku Bunga, maka salah satu variabel harus
dihilangkan. Dalam kerangka pemikiran variabel faktor fundamental ekonomi dipakai dalam penelitian adalah Tingkat Suku Bunga, Nilai Tukar Rupiah dan Inflasi. Setelah dilakukan pengujian asumsi klasik, terdapat autokorelasi antara variabel variabel Nilai Tukar dan Suku Bunga. Untuk menghindari terjadinya autokorelasi maka dilakukan pemilihan variabel untuk penelitian selanjutnya. Dalam penelitian ini, variabel yang dihilangkan adalah variabel suku bunga, dengan pertimbangan sebagai berikut: (Bodie, Kane da Markus, 2006)
1. Inflasi merupakan indikator terhadap tingkat suku bunga, dan merupakan pendorong besar kecilnya tingkat suku bunga, yang berarti, semakin tinggi inflasi mengakibatkan tingkat bunga yang lebih tinggi, karena tingkat bunga di pasar merupakan tingkat bunga riil ditambah dengan premi inflasi.
2. Tinggi rendahnya suku bunga mengakibatkan tingkat imbal hasil obligasi. Semakin tinggi tingkat bunga mengakibatkan imbal hasil obligasi rendah dan sebaliknya semakin rendah tingkat suku bunga akan mengakibatkan imbal hasil obligasi semakin tinggi.
Atas dasar petimbangan pertimbangan tersebut maka untuk menghindari multkolonieritas tersebut maka faktor Suku Bunga dipilih untuk dihilangkan. Selanjutnya setelah menghilangkan salah satu variabel tersebut dilakukan kembali uji multikolonearitas untuk penelitian selanjutnya.
Hasil pengujian multikolonieritas setelah faktor suku bunga dihilangkan maka hasil uji multikolonieritas terlihat pada Tabel 4.5. sebagai berikut:
Tabel 4.5. Hasil Uji Multikolonieritas (Variabel Bebas Tidak Berkorelasi) Coefficient a
Colinearity Statistics
Model Tolerance VIF
1 (Constant) DER .292 3.423 NT .344 2.906 Inflasi .353 2.829 CR .243 4.121 ROI .191 5.238 ROE .561 1.784
a. Dependent Variabel : IHO Sumber: Hasil Penelitian, 2007 (data diolah)
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (inter-independent variable). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Multikolonieritas dapat terjadi apabila: (1) nilai tolerance (Tolerance < 0,10) dan (2) variance inflation factor (VIF > 10). Berdasarkan Tabel 4.5. terlihat bahhwa nilai VIF untuk variabel DER, NT, INFLASI, CR, ROI, ROE lebih kecil dari 10. Sedangkan nilai tolerance nya lebih besar dari 0,10. Hal ini menunjukkan bahwa variabel bebas dalam penelitian ini tidak saling berkorelasi, atau tidak ditemukan adanya korelasi antara variabel bebas, sehingga model tidak mengandung multikolonieritas.
4.2.1. Hasil Uji Normalitas
Hasil uji normalitas dapat dilakukan dengan dua cara yaitu dengan analisis grafik dan uji statistic Kolmogorov-Smirnov. Tampilan grafik histogram yang terlihat pada Gambar 4.1. di bawah ini memberikan ilustrasi pola distribusi yang normal karena menyebar secara merata baik ke kiri maupun ke kanan
2 1 0 -1 -2 -3
Regression Standardized Residual
20 15 10 5 0 Fr eque nc y Mean = 1.58E-14 Std. Dev. = 0.934 N = 48
Dependent Variable: IHO Histogram
Gambar 4.1 Grafik Histogram
Pada Gambar 4.2. di bawah ini grafik normal plot terlihat bahwa titik-titik menyebar disekitar garis diagonal, dan penyebarannya mengikuti arah garis diagonal. Dari kedua gambar tersebut dapat disimpulkan bahwa model regressi memenuhi asumsi normalitas grafik.
Normal P-P Plot of Regression Standardized Residual 1.0 0.8 0.0 0.2 0.4 0.6 0.8 1.0 0.6 0.4 0.2 0.0
Expected Cum ProbDependent Variable: IHO
Observed Cum Prob
Gambar 4.2. Grafik Normal Plot
Sumber: Hasil Penelitian, 2007 (data diolah)
Selain menggunakan analisis grafik, uji normalitas dapat juga dilakukan dengan melihat angka signifikan dari Kolmogorov-Smirnov test, yaitu dengan cara melakukan uji Kolmogorov-Smirnov pada data residual. Dan hasil uji normalitas terlihat pada Tabel 4.6. sebagai berikut:
Dari tabel hasil uji normalitas tersebut di bawah ini terlihat bahwa semua variabel berdistribusi normal, hal ini dapat dilihat dari signifikansi Kolmogorov- Smirnov test sebesar 0,600 yaitu lebih besar dari 0,05.
Tabel 4.6. Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
48 .0000000 .62764412 .111 .079 -.111 .766 .600 N Mean Std. Deviation Normal Parametersa,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
T
a. est distribution is Normal. Calculated from data. b.
Sumber: Hasil Penelitian, 2007 (data diolah)
4.2.2. Hasil Uji Heteroskedastisitas
Pendeteksian masalah heteroskedastisitas dalam model regrssi dilakukan dengan menggunakan gfrafik plot antara nilai prediksi variabel terikat (dependent variabel). Jika pada grafik terdapat pola tertentu yang teratur, maka dalam model tersebut mengindikasikan telah terjadi heteroskedastisitas. Dan apabila tidak terdapat pola yang jelas, maka tidak terjadi heteroskedastisitas pada model.
Regression Standardized Predicted
Scatterplot
Dependent Variable: IHO
Value -4 -2 0 2 4 -3 -2 -1 0 1 2 3
Regression Studentized Residual
Gambar 4.3. Scatterplot Heteroskedastisitas
Dalam Gambar 4.3. scatterplot terlihat bahwa titik-titik menyebar secara acak serta menyebar baik di atas maupun di bawah angka 0 (nul) pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi nilai Imbal Hasil Obligasi berdasarkan masukan variabel bebas (independent variable).
Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil plotting. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plot. Oleh karena itu, diperlukan uji statistik yang lebih dapat menjamin keakuratan hasilnya.
Tabel 4.7. Uji Heteroskedastisitas Coefficientsa -.282 1.245 -.227 .822 -.006 .020 -.079 -.276 .784 .092 .160 .151 .576 .568 -.053 .152 -.090 -.347 .730 -.062 .147 -.132 -.422 .675 .071 .105 .239 .677 .502 -.039 .066 -.124 -.600 .552 (Constant) DER NT inflasi CR ROI ROE Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig.
Dependent Variable: absut a.
Sumber: Hasil Penelitian, 2007 (data diolah)
Tabel 4.7 menunjukkan bahwa semua koefisien parameter beta untuk variabel bebas tidak ada yang signifikan, maka dapat disimpulkan bahwa dalam model regressi tidak terdapat heteroskedastisitas. Hal ini konsisten dengan hasil uji scatterplots.
4.2.3. Hasil Uji Autokorelasi
Salah satu pengujian yang dilakukan untuk pendeteksian masalah autokorelasi adalah dengan pengujian Durbin-Watson atau uji d. Nilai d memiliki batas -2 sampai dengan 2, dari Tabel 4.7. diperoleh nilai hitung Durbin-Watson sebesar 1943. Ini menunjukkan bahwa tidak terjadi autokorelasi pada masing- masing variabel karena nilai Durbin-Watson terletak antara -2 sampai 2
Tabel 4.8. Hasil Uji Autokorelasi Model Summary b
Model R R. Square Adusted
R. Square Std. Error of the Estimate Durbin Watson 1 .733 a .537 . 470 .67200 1.943
a. Predictors: (Constant), ROE, NT, CR, DER, inflasi, ROI b. Dependent Variable: IHO
Sumber: Hasil Penelitian, 2007 (data diolah)
