BAB III METODE PENELITIAN
3.7 Model Analisis Data
Metode analisis data yang digunakan adalah model data runtut waktu
(time series). Data runtut waktu yang digunakan merupakan data bulanan yang
dimulai dari tahun 2014-2017. Data yang digunakan dalam penelitian ini berupa data time series dari makro ekonomi yang pada umumnya tidak stasioner pada tingkat level sehingga perlu dilakukan differencing. Dalam penelitian ini metode analisis yang dipakai adalah analisis kuantitatif, untuk memperhitungkan dan memperkirakan secara kuantitatif dan beberapa faktor secara bersama-sama terhadap return saham. Analisis data dilakukan dengan menggunakan model ekonometrik yaitu Error Correction Model. Dasar pemikiran dari penggunaan
metode ini adalah fakta bahwa data variabel-variabel ekonomi makro runtun waktu pada umumnya memiliki tren yang tidak stasioner.
Untuk menganalisis pengaruh inflasi, nilai tukar dan suku bunga SBI terhadap return saham indeks sektor properti digunakan metode Error
Correction Model. Model ini digunakan untuk melihat pengaruh variabel
makroekonomi terhadap return saham indeks sektor properti baik dalam jangka pendek maupun jangka panjang. Analisis kointegrasi dilakukan untuk mengetahui adanya keseimbangan yang dicapai dalam jangka panjang.
Sedangkan ECM (Error Correction Model) untuk mengoreksi
ketidakseimbangan dalam jangka pendek menuju keseimbangan jangka panjang. Uji stasioneritas data harus dilakukan terlebih dahulu untuk memastikan bahwa data time series bersifat stasioner. Apabila data yang non stasioner tetap digunakan, maka akan menghasilkan spurious regression atau regresi lancung. Setelah data dipastikan stasioner, baik itu stasioner pada level atau menguji derajat integrasinya, selanjutnya yaitu dilakukan uji kointegrasi.
Uji kointegrasi akan memastikan apakah model regresi tersebut terkointegrasi atau tidak. Model yang terkointegrasi akan menunjukan bahwa model tersebut dalam kondisi keseimbangan dalam jangka panjang. Setelah melakukan uji stasionaritas dan uji kointegrasi, hal selanjutnya yakni membentuk model koreksi kesalahan dengan tujuan mendapatkan model estimasi yang berguna untuk mengetahui perilaku hubungan jangka pendek termasuk penyesuaian koreksi kesalahan sebagai adanya reaksi dari ketidakseimbangan. Untuk mempermudah dan mengurangi kesalahan secara
64
manual, pengolahan data dalam analisis ini menggunakan alat bantu software pengolah data Eviews 8.0.
Metode analisis yang digunakan untuk mengestimasi model penelitian ini adalah metode Engel Granger Error Correction Model (EG-ECM). Metode ini diperkenalkan pertama kalinya oleh Sargan dan kemudian metode ini dipopulerkan oleh Engle-Granger (1987). EG-ECM mengasumsikan adanya keseimbangan (equilibrium) dalam jangka panjang antar variabel-variabel ekonomi. Dalam jangka pendek, bila pada suatu periode terdapat ketidakseimbangan, maka pada periode berikutnya dalam rentang waktu tertentu akan terjadi proses koreksi kesalahan sehingga kembali pada posisi keseimbangan. Proses koreksi kesalahan ini dapat diartikan sebagai penyelaras perilaku jangka pendek yang berpotensi mengalami ketidakseimbangan kearah perilaku jangka panjang (Florentinus, 2008). Beberapa alasan model ECM digunakan dalam penelitian ini (Gujarati, 2009):
3.7.1 Uji Asumsi Klasik
3.7.1.1 Uji Normalitas
Uji normalitas digunakan untuk menguji apakah didalam model regresi, terdistribusi secara normal atau tidak. Uji normalitas dilakukan dengan uji statistik menggunakan non parametrik kolmogorov-smirnov (K-S). jika nilai signifikansi K-S > 0,05 maka data dinyatakan terdistribusi normal, namun sebaliknya ketika K-S < 0,05 maka data dinyatakan terdistribusi tidak normal.
3.7.1.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji adanya korelasi antar variabel bebas (independen) pada model regresi. Asumsi yang baik adalah bahwa tidak terjadi korelasi diantara variabel bebas. Uji multikoinearitas dapat dilakukan dengan melihat nilai Variance Inflation Factor (VIF) dan nilai
tolerance. Apabila nilai VIF kurang dari 10 serta nilai tolerance kurang dari atau
mendekati angka 1 menunjukkan bahwa tidak terjadi gejala multikolinearitas. 3.7.1.3 Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menguji apakah model regresi terjadi ketidaksamaan varian dari residual pengamatan ke pengamatan yang lain. Ketika varians dari residual antara pengamatan satu dengan pengamatan lain berbeda maka terjadi heterokedastisitas. Pengujian menggunakan uji koefisien korelasi dengan rank spearman yaitu korelasi antara absolut residual hasil regresi dengan seluruh variabel bebas. Jika hasil signifikansi korelasi lebih kecil dari 0,05 maka persamaan tersebut mengandung heterokedastisitas dan sebaliknya jika signifikansi lebih dari 0,05 maka disebut homokedastisitas. Data yang baik adalah data yang tidak mengalami heterokedastisitas.
3.7.1.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah model regresi linier terdapat korelasi antar kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Untuk mendeteksi ada tidaknya gejala autokorelasi dapat dilihat dari Durbin-Watson (DW) dengan ketentuan jika dw dekat dengan 2 (D-W diantara -2 sampai +2) berarti tidak terdapat autokorelasi.
66
3.7.2 Analisis Jalur Path
Menurut Pardede (2014), analisis jalur ialah suatu teknik untuk
menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variable tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung. Menurut Pardede (2014), prinsip-prinsip dasar yang sebaiknya dipenuhi dalam analisis jalur di antaranya adalah:
a. Adanya linieritas (linierity). Hubungan antarvariabel bersifat linier. b. Adanya aditivitas (additivity). Tidak ada efek-efek interaksi.
c. Data berskala interval. Semua variabel yang diobservasi mempunyai data berskala interval (scaled values) Jika data belum dalam bentuk skala interval, sebaiknya data diubah dengan menggunakan dengan metode suksesive interval (MSI) terlebih dahulu.
d. Semua variabel residual (disturbance terms) atau variabel residual tidak boleh berkorelasi dengan semua variabel endogenous dalam model. Jika dilanggar maka akan berakibat hasil regresi menjadi tidak tepat untuk mengestimasikan parameter- parameter jalur.
e. Adanya rekursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali (looping).
f. Spesifikasi model sangat diperlukan untuk menginterprestasikan koefisien-koefisien jalur. Kesalahan spesifikasi terjadi ketika variable penyebab yang signifikan dikeluarkan dari model. Semua efisien jalur akan merefleksikan kovarian bersama dengan semua variabel yang tidak
diukur dan tidak akan dapat diinterprestasi secara tepat dalam kaitannya dengan akibat langsung dan tidak langsung.
g. Terdapat masukan korelasi yang sesuai. Artinya, jika kita menggunakan matriks korelasi sebagai masukan maka korelasi pearsons digunakan untuk dua variabel berskala interval; korelasi polychori cuntuk dua variabel 78 berskala ordinal; tetrachoric untuk dua variabel dikotomi (berskala nominal); polyserial untuk satu variabel berskala interval dan lainnya ordinal; dan biserial untuk satu variabel berskala interval dan lainnya nominal.
h. Terdapat ukuran sampel yang memadai. Untuk memperoleh hasil yang maksimal, sebaiknya digunakan sampel di atas 1000.
i. Sampel sama dibutuhkan untuk menghitung regresi dalam model jalur. Langkah-langkah penyelesaian analisis jalur adalah sebagai berikut: 1. Menentukan model diagram jalurnya berdasarkan paradigma
hubungan antar variabel.
2. Membuat diagram jalur persamaan strukturalnya.
3. Menganalisis persamaan strukturalnya yang terdiri dari dua langkah yaitu:
a. Analisis regresi. Hal yang harus diperhatikan adalah:
1) R square ) melihat seberapa besar kontribusi variabel
terhadap penelitian.
2) ika Sig > 0,05 maka H0 ditolak dan H1 diterima Jika Sig <
68
b. Analisis Pengaruh1) 1) Pengaruh Langsung DE:
Pengaruh variabel inflasi Return saham.
Pengaruh variabel suku bunga terhadap Return saham.
Pengaruh variabel inflasi terhadap Return saham.
Pengaruh variabel nilai tukar terhadap Return saham.
2) Pengaruh Tidak Langsung (Inderect Effect atau IE) Untuk
menghitung pengaruh tidak langsung atau IE, digunakan formula sebagai berikut:
Pengaruh variabel inflasi terhadap Return saham melalui
nilai tukar
Pengaruh variabel suku bunga terhadap Return saham
melalui nilai tukar
3) Pengaruh Total (Total Effect)
Pengaruh variabel inflasi terhadap Return saham melalui
nilai tukar
Pengaruh variabel suku bunga terhadap Return saham
melalui nilai tukar
Kerangka konseptual model struktural path analisis pada persamaan ini adalah model dua jalur di gambarkan sebagai berikut :
Gambar 3.1
Model Struktural Path Analisis
E2 E1
Diagram jalur tersebut terdiri atas dua persamaan structural, dimana X1 dan X2 adalah variabel eksogen dan Y1 dan Y2 adalah variabel endogen. Persamaan sruktural dapat dilihat sebagai berikut :
Substruktur 1. Y1 = PY1X1+PY1X2+ + E1 Substruktur 2. Y2 = PY2X1+PY2X2+ + E1 Dimana : Y1 = Nilai tukar X2 = Return saham X1 = Inflasi X2 = Suku Bunga P = Koefisien Jalur E1 = Error E2 = Error Inflasi (X2) RETURN SAHAM (Y2) Nilai tukar (y1) Suku bunga (X1)
70