BAB III METODOLOGI PENELITIAN
D. Metode Analisis Data
Statistik deskriptif memberikan gambaran atau deskripsi suatu data
yang dapat dilihat dari nilai rata-rata (mean), standar deviasi, varian,
maksimum, minimum, sum, range, kurtois dan skewness (kemencengan
distribusi) (Ghozali, 2011: 19).
2. Uji Asumsi Klasik
Sebelum melakukan pengujian regresi linier berganda, perlu
dilakukan pengujian asumsi klasik agar model regresi dapat menjadi suatu
model yang representatif. Uji Asumsi klasik adalah asumsi dasar yang
harus dipenuhi dalam model regresi. Dalam penelitian ini uji asumsi klasik
yang digunakan adalah uji normalitas data, uji multikolinieritas, uji
heterokedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Uji Normalitas digunakan untuk mengetahui apakah dalam
model regresi, variabel penggangu atau residual memiliki distribusi
normal (Ghozali, 2011: 160). Ada dua cara untuk mendeteksi apakah
residual berdistribusi normal atau tidak yaitu dengan analisis grafik
dan uji statistik (Ghozali, 2011: 160).
Salah satu cara termudah untuk melihat normalitas residual
data observasi dengan distribusi normal (Ghozali, 2011: 160). Metode
yang lebih handal adalah dengan melihat normal probability plot yang
membandingkan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk satu garis lurus diagonal, dan ploting data
residual akan dibandingkan dengan garis diagonal. Jika distribusi
normal, maka garis yang menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya (Ghozali, 2011: 161).
Uji normalitas melalui grafik dapat menyesatkan kalau tidak
hati-hati secara visual kelihatan normal, pada hal statistik bisa
sebaliknya. Oleh karena itu dianjurkan disamping uji grafik dilengkapi
dengan uji statistik (Ghozali, 2011: 163), sehingga uji yang digunakan
adalah uji One-Sample Kolmogorov-Smirnov dengan melihat nilai dari
Asymp. Sig. (2-tailed), apabila nilai dari Asymp. Sig. (2-tailed) lebih
besar dari 0,05 maka hal ini menandakan bahwa data residual
terdistribusi normal.
b. Uji Multikolinieritas
Uji Multikolonieritas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas (independen).
Model regresi yang baik seharusnya tidak terjadi korelasi di antara
variabel independen. Model regresi yang tidak ada multikolonieritas
adalah yang mempunyai nilai besaran korelasi antar variabel bebas
angka 10 dan mempunyai nilai tolerance lebih besar dari 0,1 atau 10%
(Ghozali, 2011: 105).
c. Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan dimana terjadi
ketidaksamaan varian dari residual pengamatan satu pada pengamatan
lain dalam model regresi. Uji Heteroskedastisitas bertujuan untuk
menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain. Jika variance
dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
regresi yang baik adalah model yang Homoskedastisitas atau tidak
terjadi Heteroskedastisitas (Ghozali, 2011: 139).
Uji Heteroskedastisitas dapat dilakukan dengan metode
Scatterplot. Dengan dasar pengambilan keputusan adalah sebagai
berikut (Ghozali, 2011: 139):
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk
pola tertentu yang teratur (bergelombang, melebar kemudian
menyempit), maka mengindikasikan telah terjadi
heteroskedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
Uji heteroskedastisitas selanjutnya dapat dilakukan dengan Uji
Park dengan melihat nilai dari Signifikansi dimana apabila hasil
tampilan output SPSS memberikan koefisien parameter untuk variabel
independen tidak ada yang signifikan maka dapat disimpulkan bahwa
model regresi tidak terdapat heteroskedastisitas dengan melihat nilai
dari signifikansi dari seluruh variabel independen, apabila nilai dari
signifikansi keseluruhan variabel independen lebih besar dari 0,05
maka hal ini menandakan bahwa model regresi tidak mengalami
masalah heteroskedastisitas. Hal ini konsisten dengan Uji Scatterplots
(Ghozali, 2011: 142).
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah
model regresi linier terdapat korelasi antara kesalahan penggangu pada
periode t dengan periode t-1 (sebelumnya). Jika terjadi korelasi, maka
dinamakan ada problem autokorelasi. Model regresi yang baik adalah
model regresi yang bebas dari autokorelasi (Ghozali, 2011: 110).
Menurut Ghozali (2011: 111) Untuk mendeteksi apakah
terdapat autokorelasi di antara variabel-variabel independen, dapat
dilihat dari angka D-W (Durbin Watson). Dasar pengambilan
1) Bila nilai D-W terletak antara batas atas (du) dan (4-du), maka
koefisien autokorelasi sama dengan nol, berarti tidak ada
autokorelasi.
2) Bila nilai D-W lebih rendah daripada batas bawah atau lower
bound (dl), maka koefisien autokorelasi lebih besar daripada
nol, berarti ada autokorelasi positif.
3) Bila nilai D-W lebih besar daripada (4-dl), maka koefisien
autokorelasi lebih kecil daripada nol, berarti ada autokorelasi
negatif.
4) Bila nilai D-W terletak di antara batas atas (du) dan batas
bawah (dl) atau D-W terletak antara (4-du) dan (4-dl), maka
hasilnya tidak dapat disimpulkan (Ghozali, 2011: 111).
Run test sebagai bagian dari statistik non parametrik dapat pula
digunakan untuk menguji apakah antar residual terdapat korelasi yang
tinggi. Jika antar residual tidak terdapat hubungan korelasi maka
dikatakan bahwa residual adalah acak atau random dengan melihat
nilai dari Asymp. Sig. tailed) apabila nilai dari Asymp. Sig.
(2-tailed) lebih besar dari 0,05 maka hal ini menandakan bahwa model
regresi tidak mengalami masalah autokorelasi. Run test digunakan
untuk melihat apakah data residual terjadi secara random atau tdak
3. Koefisien Determinasi ( )
Koefisien determinasi ( ) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen.
Dimana nilai berkisar antara 0 - 1. Nilai yang kecil menjelaskan
berarti kemampuan variabel-variabel independen dalam menjelaskan
variabel dependen amat terbatas. Nilai yang mendekati satu berarti
variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2011:
97).
4. Uji Hipotesis
Pengujian hipotesis yang dilakukan dalam penelitian ini adalah
model persamaan regesi berganda. Model ini digunakan untuk menguji
pengaruh 2 atau lebih variabel independen terhadap variabel dependen
dengan skala pengukuran interval atau rasio dalam suatu persamaan linier
(Indriantoro dan Bambang, 2002: 202). Variabel independen yaitu
pemilihan sekuritas ( , market timing ( , tingkat risiko ( , umur
reksa dana ( dan ukuran reksa dana ( terhadap kinerja reksadana
campuran (Y) (Treynor measure). Dengan analisis regresi linier berganda
dapat diketahui arah hubungan variabel independen pada variabel
dependennya, apakah secara positif atau negatif. Persamaan regresi dalam
Dimana: =Kinerja reksa dana campuran =Konstanta (intercept)
=Koefisien regresi
=Kemampuan pemilihan saham =Market timing
=Tingkat risiko = =Ukuran Reksa Dana =error term.
Seluruh pengolahan data dilakukan dengan menggunakan software
Microsoft Excel 2010 dan SPSS versi Students. Dalam pengujian hipotesis,
analisis dilakukan melalui:
a. Uji Simultan (Uji F)
Uji Statistik F digunakan untuk menunjukkan apakah semua
variabel independen atau bebas yang dimasukkan dalam model
berpengaruh secara bersama-sama terhadap variabel dependen/terikat
(Ghozali, 2011: 98). Uji F dapat dilakukan dengan mengamati nilai
signifikansi F. Apabila nilai signifikansi F < nilai signifikansi maka
variabel independen berpengaruh secara bersama-sama terhadap
variabel dependennya.
b. Uji Parsial (Uji t)
Uji Statistik t pada dasarnya menunjukkan seberapa jauh
pengaruh satu variabel penjelas/independen secara individual dalam
menerangkan variasi variabel dependen (Ghozali, 2011: 98). Uji t
dapat dilakukan dengan mengamati nilai signifikansi t pada tingkat
yang digunakan, yaitu 0,05. Apabila nilai signifikansi t < 0,05, maka
variable independen berpengaruh secara signifikan terhadap variabel
dependennya.
E. Operasional Variabel Penelitian