METODE PENELITIAN A. Ruang Lingkup Penelitian
D. Metode Analisis Data
Dalam suatu analisis statistik, hal paling mendasar untuk suatu analisis adalah deskripsi dari suatu data (Ahmad Rodoni,2004:6). Selain mendeskripsikan hasil penelitian dalam bentuk tulisan, penelitian ini mengunakan metode penelitian kuantitatif, yaitu penelitian yang dirancang untuk menentukan tingkat hubungan variabel yang berbeda dengan suatu populasi, peneliti dapat mengetahui seberapa besar kontribusi variabel bebas terhadap variabel terikat serta besarnya arah hubungan yang terjadi.
Dalam penelitian ini untuk menganalisis GDP, Inflasi, Kurs dan suku bunga SBI terhadap IHSG digunakan metode analisis yang digunakan untuk mengestimasi model penelitian ini adalah metode Engel Granger Error
Corection Model (EG-ECM) yang diperkenalkan yang pertama kali
diperkenalkan oleh Sargan dan kemudian dikembangkan lebih lanjut oleh Henry dan akhirnya dipopulerkan oleh Engle-Granger (RF Engle and CW Granger, 1987). Model koreksi kesalahan mampu meliputi banyak variabel dalam menganalisis fenomena ekonomi, baik jangka pendek maupun jangka panjang serta mengkaji konsistensi tidaknya model empirik dengan teori ekonometrika. Selain itu, model ini mampu mencari pemecahan terhadap persoalan variabel runtun waktu yang tidak stasioner dan regresi lancung dalam ekonometrika.
Pengujian ekonometrika baru dilakukan bila terdapat indikasi adanya hubungan jangka panjang dengan menggunakan uji kointegrasi. Variabel-variabel dikatakan terkointegrasi bila stasioner pada ordo yang sama. Untuk menguji kesetasioneran data maka penelitian ini mengunakan Phillips-Peron
(PP) test. Dalam Phillip-Peron test, perlu menentukan jumlah truncation lag
untuk koreksi Newey-West, yaitu dengan menggunakan rumus N1/3 = 601/3 = 3.91 yang kemudian dibulatkan pada satuan nilai terdekat diatasnya yaitu 4 (Yahya Hamja, 2008).
1. Uji Linieritas
Uji ini digunakan untuk mencari model persamaan yang paling baik diantara beberapa pilihan model, apakah menggunakan regresi linier biasa, semi log dan doubel log (Gujarati, 2002: 280-282).
Uji linierritas data digunakan untuk mengetahui apakah data yang akan diolah telah mendekati linier atau belum. Dalam penelitian ini data yang digunakan adalah data semi log (ln) dari variabel-variabel tersebut, yang berguna untuk memecahkan persamaan yang tidak diketahuinya merupakan pangkat dari variabel lain.
Uji spesifikasi linearitas model, Uji ini biasanya didesain untuk menguji apakah suatu variabel penjelas cocok atau tidak dimasukkan dalam suatu model estimasi. Akan tetapi menurut Kennedy (1996) dalam Insukindro (2003) uji ini digunakan untuk menguji apakah bentuk fungsi suatu model estimasi linier atau tidak linier, dengan cara melihat nilai probabilitasnya. Pada penelitian ini digunakan uji JB.Ramsey spesifikasi
umum atau general test of spesification error. Langkah-langkah pengujian sebagai berikut.
Hipotesis
Ho = model tidak linier Ha = model linier
Pengambilan keputusan dilakukan dengan kriteria.
Bila probabilitas Obs* R2 > 0,05 maka signifikan, Ho ditolak (model linier).
Bila probabilitas Obs* R2 < 0,05 maka tidak signifikan, Ha ditolak (model tidak linier).
2. Uji Akar Unit
Dalam ekonometrika dikenal dengan beberapa pengujian unit root
dan data ekonomi makro pada umumnya time series yang rentan dengan ketidak stasioneran, untuk itu sebelumnya dilakukan uji stasioner. Tujuan uji stasioner ini adalah agar meannya stabil dan random error nya = 0, sehingga model regresi yang diperoleh adalah regresi semu.
Pengujian stasioner data dilakukan dengan uji akar unit
Phillips-Peron (PP). pengunaan uji akar Phillips-Perron uji ini lebih baik
dibandingkan dengan uji ADF dalam menganalisis data yang mempunyai volatilitas yang tinggi (Agus Widarjono, 2005).
Uji Phillips-Peron (PP) memasukan adanya autokorelasi di dalam variabel ganguan dengan memasukan variabel independen berupa kelambanan diferensi. Phillips-Peron (PP) membuat uji akar unit dengan
mengukan metode statistik nonparametrik dalam menjelaskan adanya autokorelasi antara variabel gangguan tanpa memasukan variabel penjelas kelambanan deferensi.
Statistik distibutif t tidak mengikuti statistik distributif normal tetapi mengikuti distributif statistik PP, sedangkan nilai kritisnya digunakan nilai kritis atau penentuan bentuk linear atau non linear dari model mengikuti prosedur yang dikembangkan oleh McKinnon, White dan Davidson (1983) atau MWD test.
Sementara pengujian stasionaritas mengikuti Phillips-Peron (PP) dengan cara membandingkan antara nilai kritisnya yaitu distribusi statistik MacKinnon. Jika nilai absolut statistik PP lebih besar dari nilai kritisnya, maka data yang diamati menunjukan stasioner dan jika sebaliknya nilai absolut statistik PP lebih kecil dari nilai kritisnya maka data tidak stasioner. Langkah-langkah pengujian sebagai berikut:
Hipotesis
Ho = data tersebut tidak stasioner pada derajat nol. Ha = data tersebut stasioner pada derajat nol. Pengambilan keputusan dilakukan dengan kriteria :
Jika PP test statistik > PP tabel (daerah kritis α = 5%) maka Ho
ditolak, data stasioner pada derajat nol.
Jika PP test statistik < PP tabel (daerah kritis α = 5%) maka Ha
Kita juga harus menentukan apakah ujinya tanpa konstanta dan trend, hanya dengan konstanta ataukah dengan konstanta atau tren. Dalam menentukan panjangnya lag Uji PP mengunakan truncation lag q dari Newey-West.
3. Uji Derajat Integrasi
Dalam uji akar unit PP bila menghasilkan kesimpulan bahwa data tidak stasioner, maka diperlukan proses diferensi data. Uji stasioner data melalui proses diferensi ini disebut uji drajat integrasi.
Seperti uji akar unit PP, keputusan sampai pada derajat keberapa suatu data akan stasioner dapat dilihat dengan membandingka antara nilai statistik PP yang diperoleh dari koefisien y dengan nilai kritis ditribusi statistik McKinnon. Jika nilai absolut dari statistik PP lebih besar dari nilai kritisnya pada diferensi tingkat pertama, maka data dikatakan stasioner pada derajat satu. Akan tetapi jika dilanjutkan pada diferensi yang lebih tinggi sehingga diperoleh data stasioner. Langkah-langkah pengujian sebagai berikut :
Hipotesis
Ho = data tersebut tidak stsioner pada derajat 1,2,…..dan seterusnya. Ha = data tersebut stasioner pada derajat 1,2,……dan seterusnya.
Pengambilan keputusan dilakukan dengan kriteria :
Jika PP test statistik > PP tabel (daerah kritis α = 5%) maka Ho ditolak, data stasioner pada derajat 1,2,….. dan seterusnya.
Jika PP test statistik < PP tabel (daerah kritis α = 5%) maka Ha
ditolak, data tidak stasioner pada derajat 1,2,….. dan seterusnya.
4. Uji Kointegrasi
Uji kointegrasi merupakan kelanjutan dari uji akar unit. Tujuannya adalah untuk mengkaji stasioneritas residual regresi kointegrasi. Stasioneritas penting jika ingin mengembangkan suatu model dinamis, terutama ECM yang mencakup variabel-variabel kunci pada regresi kointegrasi terikat, Pada penelitian ini digunakan uji kointegrasi Engel Granger.
Pada umumnya data time series tidak stasioner pada level atau mengandung unit root, bila data tersebut sudah stasioner pada ordo yang sama, misalnya 1(1) maka dapat dilakukan uji kointegrasi untuk melihat apakah terdapat adanya hubungan keseimbangan antara variabel-variabel tersebut dalam jangka panjang. Langkah-langkah pengujian sebagi berikut: Hipotesis
Ho = tidak terdapat hubungan jangka panjang antaravariabel independen dengan variabel dependen.
Ha = terdapat hubungan jangka panjang antaravariabel independen dengan variabel dependen.
Pengambilan keputusan dilakukan dengan kriteria :
Jika PP test statistik > PP tabel (daerah kritis α = 5%) maka Ho
ditolak, terdapat hubungan jangka panjang antara variabel independen dengan variabel dependen.
Jika PP test statistik < PP tabel (daerah kritis α = 5%) maka Ha
ditolak, tidak terdapat hubungan jangka panjang antara variabel independen dengan variabel dependen.
5. Uji Asumsi Klasik
Uji asumsi klasik adalah pengujian ekonometrika untuk menilai ada tidaknya bias penelitian. Model regresi ini digunakan agar dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi persyaratan BLUE (Best Linier Unbiased Estimator) yakni tidak terdapat multikolinearitas, autokorelasi, dan heteroskedastisitas. Apabila model yang digunakan terjadi multikolinearitas, autokorelasi, dan heteroskedastisitas maka regresi penaksir tidak efisien, peramalan berdasarkan regresi tersebut akan bias dan uji baku yang umum untuk koefisien regresi menjadi tidak valid.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali (2005: 110). Sedangkan dasar pengambilan keputusan dalam deteksi normalitas:
Pengujian dilakukan dengan menggunakan Uji Jargue-Bera test. langkah-langkah pengujian sebagai berikut.
Hipotesis
Ho = residual berdistribusi tidak normal Ha = residual berdistribusi normal
Pengambilan keputusan dilakukan dengan kriteria :
Bila probabilitas Obs* R2 > 0,05 maka signifikan, Ho ditolak (distribusi data normal).
Bila probabilitas Obs* R2 < 0,05 maka tidak signifikan, Ha ditolak (distribusi data tidak normal).
b. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya) Ghozali (2005: 95-96).
Untuk menguji keberadaan autokorelasi dalam penelitian ini digunakan statistik d dari Durbin-Watson (DW test) dimana angka-angka yang diperlukan dalam metode tersebut adalah dL (angka yang diperoleh dari tabel DW batas bawah), dU (angka yang diperoleh dari tabel DW batas atas), 4- dL dan 4-dU. Statistik d Durbin-Watson dapat digambarkan sebagai berikut:
Gambar 3.1
Langkah-langkah pengujian sebagai berikut. Hipotesis Ho = tidak terdapat autokorelasi
Ha = terdapat autokorelasi
Pengambilan keputusan dilakukan dengan kriteria.
Bila nilai DW mendekati 0 atau 4 Ho ditolak, model terjadi autokorelasi (+/-).
Bila nilai DW mendekati 2 Ho diterima, maka model tidak terjadi autokorelasi.
Selain dengan mengunakan uji Durbin Watson, untuk melihat ada tidaknya autokorelasi dapat juga dipergunakan uji Langrage Multiplier (LM test), dengan membandingkan nilai probabilitas R-Square dengan
α = 0,05 (Gujarati : 2006). Langkah-langkah pengujian sebagai berikut.
Hipotesis
Ho = tidak terjadi autokorelasi Ha = terjadi auto korelasi
Pengambilan keputusan dilakukan dengan kriteria :
Bila probabilitas Obs* R2 < 0,05 maka Ho ditolak, terjadi autokorelasi.
Bila probabilitas Obs* R2 > 0,05 maka Ho diterima, tidak terjadi autokorelasi.
Uji heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain Ghozali (2005: 105). Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Heteroskedastisitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama. Pengujian terhadap gejala heteroskedastisitas dapat dilakukan dengan melakukan White Test, yaitu dengan cara meregresi residual kuadrat dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas. Pedoman dalam penggunaan model white test adalah jika nilai Chi-Square hitung lebih besar dari nilai X2 kritis dengan derajat kepercayaan tertentu (α) maka ada heteroskedasitisitas dan sebaliknya jika Chi-Square hitung lebih kecil dari nilai X2 menunjukan tidak adanya heterokedasitisitas. Dengan langkah langkah pengujian sebagai berikut.
Hipotesis
Ho = tidak terjadi heteroskedastisitas Ha = terjadi heteroskedastisitas
Pengambilan keputusan dilakukan dengan kriteria :
Bila probabilitas Obs* R2 < 0,05 maka Ho ditolak, terjadi heteroskedstisitas.
Bila probabilitas Obs* R2 > 0,05 maka Ho diterima, tidak terjadi heteroskedstisitas.
6. Uji Error Corection Model (ECM)
Alat analisis yang digunakan dalam penelitian ini adalah Engel
Granger Error Correction Model (EG-ECM). Model koreksi kesalahan
mampu meliputi banyak variabel dalam menganalisis fenomena ekonomi jangka pendek dan jangka panjang serta mengkaji konsistensi model empiris dengan teori ekonomi.
Setelah model ECM terbebas/lulus dari uji stasioner, uji drajat integrasi, uji kointegritas dan uji asumsi klasik, maka model ECM layak dipakai dan kemudian dilakukan analisis ECM. Analisis ini digunakan untuk melihat besarnya pengaruh jangka pendek dan jangka panjang variabel independen (GDP, Laju Inflasi, Nilai Tukar Rupiah/US$ dan Tingkat Suku Bunga SBI) terhadap variabel dependen IHSG di Bursa Efek Indonesia.
Untuk mengetahui hubungan antara variabel-variabel makroekonomi terhadap IHSG, digunakan regresi Error Correction Model
(ECM). Model ini memiliki keunggulan dalam mengatasi masalah stasionaritas dan regresi lancung dalam time series data, serta mengukur hubungan jangka pendek dan jangka panjang (Thomas, 1997).
Berikut merupakan model ECM yang digunakan pada penelitian ini : Model dasar : IHSG = f (PDB, INF,KURS, SBI)
Model ekonometrika : IHSGt = βo + β1GDPt + β2INFt + β3KURSt + β4
Jika diuraikan dalam bentuk semi log akan berubah menjadi sebagai berikut:
LNIHSGt = βo + β1LNGDPt + β2INFt + β3LNKURSt + β4 SBIt + ECTt + e
Sehingga rumus yang terbentuk dalam penelitian ini adalah :
DLNIHSG C DLNGDP DINF DLNKURS DSBI LNGDP(-1) INF(-1) LNKURS(-1) SBI(-1) ECT
Dimana :
D = difference, Xt – Xt-1
LN = natural log
PDB = Produk domestik produk
INF = Inflasi
SBI = suku bungan SBI
KURS = nilai tukar Rupiah terhadap Dollar US
βo = konstanta (constant)
β1….β4 = koefisien regresi variabel bebas
e = error term
ECT = error corection term
t = periode waktu
Setelah model ECM terbentuk, maka pengujian dilanjutkan ke tahap berikutnya yaitu uji ECT (Error Corection Model).
7. Uji Error Corection Term (ECT)
ECT adalah bagian dari pengujian analisa dinamis yaitu ECM. Nilai ECT diperoleh dari penjumlahan variabel independent bulan sebelumnya dikurangi variabel dependen bulan sebelumnya. Hal ini
dimaksudkan untuk melihat bagaimana pengaruh dari model tersebut baik dalam jangka pendek maupun jangka panjang.
Model ECT yang terbentuk pada penelitian ini adalah :
ECT = LNGDPt(-1) + INFt(-1) + LNKURSt(-1) + SBI(-1) – LNIHSGt(-1) Kemudian regres model ECM secara berurutan sesuai dengan model yang telah ditemukan. Hasil probabilita ECT akan menetukan apakah model dapat dianalisa baik jangka pendek maupun jangka panjang. Jika variabel ECT positif dan signifikan 5%, maka spesifikasi model sudah valid dan dapat dijelaskan variabel dependen.