BAB III METODOLOGI PENELITIAN
E. Metode Analisis Data
1. Pengukuran Variabel Dependen
Variabel dependen dalam penelitian ini adalah kinerja investasi Dana Pensiun Lembaga Keuangan (DPLK) Muamalat. Langkah-langkah yang dilakukan dalam mengukur kinerja investasi DPLK Muamalat adalah sebagai berikut:
a. Mendata ROI (Return on Investment) DPLK Muamalat setiap bulannya berturut-turut selama periode Januari 2011 sampai dengan Desember 2013.
b. Evaluasi Kinerja Dana Pensiun Lembaga Keuangan Muamalat
Setelah didapatkan variabel-variabel untuk perhitungan kinerja DPLK Muamalat, maka dilakukan evaluasi atau mengukur kinerja DPLK
42 dengan menggunakan metode Time Weighted Rate of Return (TWRR),
Sharpe, dan Treynor.
a) Time Weighted Rate of Return (TWRR)
∏ 𝑅
Keterangan:
GM = Geometric Mean Rt = Return pada perode t N = Jangka waktu investasi
Besarnya TWR ini tidak dipengaruhi oleh penambahan atau penarikan dana dana yang dilakukan oleh investor selama periode perhitungan return portofolio.
b)Sharpe
Keterangan:
SP = Indeks Sharpe Portofolio
𝑅̅𝑝 = Rata-rata return portofolio p selama periode pengamatan
𝑅𝐹
̅̅̅̅ = Rata-rata tingkat return bebas risiko selama periode pengamatan σTR = standar deviasi return portofolio p selama periode pengamatan
Indeks Sharpe dapat digunakan untuk membuat peringkat dari beberapa portofolio berdasarkan kinerjanya. Semakin tinggi indeks
𝑆𝑃 𝑅̅𝑃 𝑅𝐹
̅̅̅̅ 𝜎𝑇𝑅
43 Sharpe suatu portofolio disbanding portofolio lainnya, maka semakin baik kinerja portofolio tersebut.
c) Treynor
Keterangan:
Tp = Indeks Treynor Portofolio
𝑅̅𝑃 = Rata-rata return portofolio p selama periode pengamatan
𝑅𝐹
̅̅̅̅ = Rata-rata tingkat return bebas risiko selama periode pengamatan βp = Beta portofolio p
Seperti halnya indeks Sharpe, indeks Treynor juga merupakan suatu rasio kompensasi terhadap risiko. Tetapi dalam indeks Treynor, risiko diukur tidak dengan total risko melainkan hanya risiko sistematis.
2. Menentukan Besar Variabel Independen
Variabel-variabel yang digunakan dalam penelitian ini yang dijadikan
return benchmark adalah IHSG dan JII. Menurut Rodoni dan Ali (2010:183), indeks pasar merupakan alat ukur kinerja sekuritas khususnya saham yang liting di bursa yang digunakan oleh bursa-bursa dunia. IHSG, JII dan ISSI digunakan untuk mengukur kinerja saham. Fungsinya juga sebagai benchmark kinerja
𝑇𝑃 𝑅̅𝑝 𝑅𝐹𝛽 ̅̅̅̅
44 portofolio, indikator trend pasar, indikator tingkat keuntunga dan sebagai fasilitas perkembangan produk derivatif.
Pada IHSG dan JII data yang digunakan adalah nilai penutupan dari IHSG dan JII setiap bulannya.
3. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas dilkukan untuk mengetahui apakah dalm model regresi, variabel dependen dan variabel independen memiliki distribusi normal atau tidak. Untuk menghindari terjadinya bias, data yang digunakan harus terdistribusi dengan normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil.1
Dasar pengembilan keputusan dari uji normalitas dengan analisis grafik adalah jika data menyebar disekitar garis histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas (Ghozali, 2006:122).
Uji normalitas yang digunakan dalam penelitian ini adalah uji grafik
Probability Plot dan One Sampel Kolmogorov-smirnov Test. Dalam uji grafik, normalitas data dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik tersebut. Dasar pengambilan keputusannya adalah:
1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
1
Imam Ghazali, Analisis Multivariate dengan Program SPSS, (Semarang: Badan Penerbit Universitas Diponegoro,2006), h.160
45 diagonal menunjukkan bahwa pola distribusi data normal, maka model regresi memenuhi asumsi normalitas.
2) Sebaliknya jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah gars diagonalnya maka dapat dikatakan distribusi data tidak normal dan model regresi tidak memenuhi asumsi normalitas.
Metode uji normalitas kedua adalah dengan melakukan uji One Sampel Kolmogorov-Smirnov Test. Dalam Uji One Sampel Kolmogorov-Smirnov Test, variabel-variabel yang mempunyai Asymp. Sig. (2-tailed) di bawah tingkat signifikansi sebesar 0,05 diartikan bahwa variabel-variabel tersebut memiliki distribusi tidak normal dan sebaliknya.
b. Uji Multikolinearitas
Multikolinearitas adalah keadaan diamana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linear yang sempurna atau mendekati sempurna. Model regresi yang baik mensyaratkan tidak adanya masalah Uji multikoliniaritas.2 Untuk mendeteksi bahwa ada tidaknya multikolinearitas di dalam regresi dapat dilihat dari: (1) tolerance value, (2) nilai
variance inflation factor (VIF). Model regresi yang bebas dari multikolinearitas adalah yang mempunyai tolerance value diatas 0,1 atau VIF di bawah 10 (Ghozali, 2006). Apabila tolerance variance di bawah 0,1 atau VIF di atas 10 maka terjadi multikolinearitas.
2
Duwi Priyatno, Analisis Korelasi, Regresi dan Multivariate Dengan SPSS, (Jakarta, Gava Media, 2013), h.43
46
c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t denga kesalahan pengganggu pada periode t-1 (sebelumnya), untuk menguji adanya korelasi digunakan Durbin Watson (D-W) dengan catatan hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lagi diantara variabel independent.3 Model regresi yang baik terhindar dari masalah autokorelasi, menurut Singgih Santoso kriteria dari uji autokorelasi secara umum dapat diambil patokan sebagai berikut:
Apabila D-W < -2 atau D-W > +2 berarti terdapat autokorelasi
Apabila -2 < D-W < +2 berarti tidak terdapat autokorelasi
d. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi kesamaan variance dari residual satu pengamatan ke pengamatan lain. Variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroksiditas. Cara untuk mendeteksinya dengan melihat Grafik Plot antara nilai prediksi variabel dependen ZPRED dengan residualnya SRESID.4 Dasar pengambilan keputusan dalam uji ini adalah jika dari grafik scatterplots terlihat bahwa titik-titik
3
Imam Ghazali, Analisis Multivariate dengan Program SPSS, , h.96 4
47 menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regrsi (Ghozali, 2005:107).5
4. Uji Statistik Koefisien Regresi
Penggunaan analisis regresi untuk menaksir pengaruh antar variabel yang telah ditetapkan sebelumnya berdasarkan teori.6 Analisis untuk menguji hipotesis. Persamaan regresinya adalah:
Y= a + b1 X1 + b2 X2 + ei Keterangan:
Y : Kinerja DPLK Muamalat a : Konstanta
b : Slope atau koefisien regresi atau intersep X1: IHSG
X2 : JII Ei : error
a. Uji t
Uji t digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variabel independen secara individual terhadap variabel dependen yang diuji pada tingkat signifikan 0.05.7 Sedangkan alpha
5
Imam Ghazali, Analisis Multivariate dengan Program SPSS, h.107 6
Imam Ghazali, Analisis Multivariate dengan Program SPSS, h.160 7
48 yang digunakan oleh penulis adalah 0,1. Penentuan nilai kritis atau t table dapat dilihat dari table distribusi t untuk (S.Santoso, 2003 : 157):
(degree of freedom) df= n-k-1 Dimana:
df = taraf signifikan
k = numerator (jumlah variael bebas) n = jumlah data sampel uji statistik t hitung Aturan pengambilan keputusan adalah sebagai berikut:
Jika nilai t hitung < (lebih kecil dari) t tabel, artinya tidak ada pengaruh variabel bebas (Xi) terhadap variabel terikat (Y).
Jika nilai t hitung > (lebih besar dari) t tabel, artinya ada pengaruh variabel bebas (Xi) terhadap variabel terikat (Y).
b. Uji Fisher
Uji F digunakan untuk mengetahui pengaruh semua variabel independennya yang dimaksudkan dalam metode regresi secara bersama-sama terhadap variabel dependen yang diuji pada tingkat signifikan 0.05, jika nilai signifikansi lebih kecil dari 0.05 maka model regresi dapat digunakan untuk memprediksi variabel dependen atau dengan kata lain variabel indpenden secara bersama-sama berpengaruh terhadap variabel dependen.8 Akan tetapi alpha yang digunakan oleh penulis adalah 0.1.
8
49
c. Koefisien Determinasi (Adjusted R-Square)
Digunakan untuk membuat persentase variance variable
independen terhadap variabel dependen serta seberapa besar pengaruh dari factor lain yang tidak dimasukkan dalam penelitian ini, jika nilai adjusted R-Square adalah 1 berarti kuatnya kemampuan fluktuasi variabel dependen seluruhnya dapat dijelaskan oleh variabel independen dan tidak ada faktor lain yang menyebabkan fluktuasi variabel dependen, sebaliknya jika nilai mendekati angka 0, maka semakin rendah kemampuan fluktuasi variabel dependen (Singgih Santoso, 2004).