BAB IV. ANALISIS DATA DAN PEMBAHASAN
B. Pengujian Asumsi Klasik
4. Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara yang digunakan untuk mengetahui normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Uji K-S dilakukan dengan membuat hipotesis:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Jika signifikansi pada nilai Kolmogorov Smirnov <0.05 maka Ho ditolak, jadi data residual berdistribusi tidak normal. Jika signifikansi pada nilai
K-S >0.05, maka Ho diterima, jadi data residual berdistribusi normal. 27
2. Analisis Regresi Berganda
Analisis regresi berganda digunakan untuk mengukur kekuatan hubungan antara dua variabel atau lebih. Selain itu juga digunakan untuk menunjukkan arah hubungan antara variabel dependen dengan variabel independen. Variabel dependen diasumsikan random/stokastik, yang berarti
26 Ibid., hlm. 129.
mempunyai distribusi probabilistik. Variabel independen/bebas diasumsikan
memiliki nilai tetap (dalam pengambilan sampel yang berulang).28 Formulasi
yang digunakan sebagai berikut:
Y1 = a + b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 + e Y2 = a + b1 X1 + b2 X2 + b3 X3 + b4 X4 + b5 X5 + b6 X6 + e Keterangan: Y1 = Return Saham Y2 = Beta Saham a = Konstanta
b1-b6 = Koefisien Variabel Independen
X1 = Total Assets Turnover (TAT)
X2 = Return on Assets (ROA)
X3 = Dividen Payout Ratio (DPR)
X4 = Price Book Value (PBV)
X5 = Kurs Mata Uang
X6 = Inflasi
e = Residu
Persamaan regresi berganda di atas membentuk dua persamaan regresi berganda yang sama. Kedua model tersebut di atas masing-masing bertujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Model yang pertama menjelaskan kekuatan hubungan antara enam
variabel independen terhadap return saham. Model yang kedua menjelaskan kekuatan hubungan antara enam variabel independen terhadap beta saham. Selain itu model tersebut juga menunjukkan arah hubungan antara variabel dependen dengan variabel independen. Variabel dependen diasumsikan random/stokastik, yang berarti mempunyai distribusi probabilistik. Variabel independen/bebas diasumsikan memiliki nilai tetap (dalam pengambilan sampel yang berulang).
3. Uji Persamaan Regresi
a. Uji Signifikansi Simultan (Uji F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Jika probabilitas tingkat kesalahan F-hitung lebih kecil dan tingkat signifikansi 5%, maka variabel independen mempunyai pengaruh secara
bersama-sama terhadap variabel dependen.29 Pengambilan
kesimpulannyadengan ketentuan sebagai berikut:
a. Jika nilai Sig < α maka H0 ditolak
b. Jika nilai Sig > α maka H0 diterima
b. Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bias
terhadap jumlah variabel independen yang dimasukkan kedalam model.
Setiap tambahan satu variabel independen, maka R2 pasti meningkat
tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, dianjurkan untuk
menggunakan nilai Adjusted R2.30
c. Uji Signifikan Parameter Individual (Uji T)
Uji statistik T pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Jika probabilitas tingkat kesalahan T-hitung lebih kecil dan tingkat signifikansi 5% berarti terdapat pengaruh yang
signifikan antara variabel independen terhadap variabel dependen.31
Pengambilan kesimpulannyadengan ketentuan sebagai berikut:
a. Jika nilai Sig < α maka H0 ditolak
b. Jika nilai Sig > α maka H0 diterima
30 Ibid., hlm. 87.
77 A. Deskriptif Data
Penelitian ini bertujuan untuk menganalisis karakteristik perusahaan dan ekonomi makro terhadap return syari’ah dan beta saham syari’ah pada perusahaan yang terdaftar di Jakarta Islamic Index (JII) tahun 2004-2008. Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang sudah dipublikasikan di Jakarta Islamic Index dari laporan keuangan tahunan dan ICMD yang diperoleh dari pojok BEJ MM UII. Perusahaan yang sahamnya terdaftar secara konsisten di Jakarta Islamic Index (JII) tahun 2004-2008 berjumlah delapan perusahaan, yang memenuhi kriteria untuk dijadikan sampel pada penelitian ini, sehingga diperoleh data pooling selama lima tahun sebanyak empat puluh sampel. Ada pun perusahaan-perusahaan yang terdaftar di Jakarta Islamic Index secara konsisten selama tahun 2004-2008 dapat dilihat pada bagian lampiran.
B. Pengujian Asumsi Klasik
Pengujian hipotesis dengan model regresi linear berganda harus menghindari adanya penyimpangan asumsi klasik. Pengujian asumsi klasik ini dimaksudkan agar variabel independen total assets turnover, return on asset, dividen payout ratio, dan price book value, serta variabel ekonomi makro yang terdiri dari kurs rupiah terhadap dolar dan inflasi mampu menjadi estimator atas
variabel dependen return saham syari’ah dan beta saham syari’ah. Apabila tidak ada gejala asumsi klasik yang terdiri dari multikolinearitas, autokorelasi, heteroskedastisitas dan normalitas dalam pengujian hipotesis dengan model yang digunakan, maka diharapkan dapat menghasilkan suatu model yang baik sehingga hasil analisisnya juga baik.
Pada pengujian asumsi klasik dalam penelitian ini dilakukan dua kali yang terdiri dari multikolinearitas, autokorelasi, heteroskedastisitas dan normalitas karena variabel dependen dalam penelitian ini ada dua yaitu return dan beta, sedangkan variabel independennya adalah karakteristik perusahaan yang terdiri dari total assets turnover, return on asset, dividen payout ratio, price book value, serta variabel ekonomi makro yang terdiri dari kurs rupiah terhadap dolar dan inflasi.
1. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Indikator yang digunakan untuk menguji ada tidaknya multikolinearitas adalah VIF (Variance Inflation Factor) dan lawannya tolerance. Bila nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0.1 maka dikatakan tidak terjadi multikolinearitas dalam model regresi. Namun bila VIF >10 maka variabel tersebut memiliki multikolinearitas
tinggi.1 Hasil uji multikolinearitas dapat dilihat pada tabel 4.1 dan 4.2 di bawah ini:
Tabel 4.1
Uji Multikolinearitas Terhadap Variabel Return Saham Syari’ah Tabel Nilai Tolerance dan Variance Inflation
Variabel Tolerance Variance
TAT 0,500 1,998 ROA 0,311 3,211 DPR 0,840 1,191 PBV 0,457 2,189 Inflasi 0,849 1,178 Kurs 0,877 1,141
Sumber: Data Diolah
Tabel 4.2
Uji Multikolinearitas Terhadap Variabel Beta Saham Syari’ah Tabel Nilai Tolerance dan Variance Inflation
Variabel Tolerance Variance
TAT 0,500 1,998 ROA 0,311 3,211 DPR 0,840 1,191 PBV 0,457 2,189 Inflasi 0,849 1,178 Kurs 0,877 1,141
Sumber: Data Diolah
Hasil uji multikolinearitas dari tabel 4.1 dan 4.2 di atas dapat dilihat bahwa nilai tolerance masing-masing variabel independen tidak ada yang lebih kecil dari 0,10. Begitu pula nilai Variance Inflation Factor (VIF) masing-masing variabel independen tidak lebih dari 10. Maka dapat dinyatakan bahwa tidak terjadi multikolinearitas dalam model yang dipakai. 2. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
1 Syamsul Hadi, Metode Penelitian untuk Akuntansi dan Keuangan (Yogyakarta:
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Konsekuensi dari adanya autokorelasi adalah peluang keyakinan menjadi besar serta varian dan nilai kesalahan standar akan ditaksir terlalu rendah. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Untuk mendeteksi adanya autokorelasi,
digunakan tes Durbin Watson (DW).2 Hasil uji autokorelasi dapat dilihat pada
tabel 4.3 dan 4.4 di bawah ini:
Tabel 4.3
Hasil Uji Autokorelasi Terhadap Variabel Return Saham Syari’ah Model Std. Error Of The Estimate Durbin-Watson
1 0,52623 1,888
Sumber: Data diolah
Dari tabel 4.3 di atas hasil uji autokorelasi terhadap variabel return saham syari’ah terlihat bahwa nilai D-W sebesar 1,888. Angka tersebut akan dibandingkan dengan nilai tabel dengan menggunakan tingkat signifikansi 0,05, jumlah sampel 36 (n) dan 6 variabel independen (k = 6) diketahui nilai dl = 1,114 dan du = 1,877, sehingga nilai 4-dl = 2,886 dan 4-du = 2,123. Karena nilai D-W 1,888 berada pada interval 1,887 – 2,123 (du<d<4-du) dalam kategori tidak mengandung autokorelasi. Dari hasil analisis ini dapat disimpulkan bahwa model regresi tidak mengandung autokorelasi.
2 Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS (Semarang:
Tabel 4.4
Hasil Uji Autokorelasi Terhadap Variabel Beta Saham Syari’ah Model Std. Error Of The Estimate Durbin-Watson
1 0,31584 2,117
Sumber: Data diolah
Sementara dari tabel 4.4 di atas hasil uji autokorelasi terhadap variabel beta saham syari’ah terlihat bahwa nilai D-W sebesar 2,117. Angka tersebut akan dibandingkan dengan nilai tabel dengan menggunakan tingkat signifikansi 0,05, jumlah sampel 36 (n) dan 6 variabel independen (k = 6) diketahui nilai dl = 1,114 dan du = 1,877, sehingga nilai 4-dl = 2,886 dan 4- du = 2,123. Karena nilai D-W 2,117 berada pada interval 1,887 – 2,123 (du<d<4-du) dalam kategori tidak mengandung autokorelasi. Dari hasil analisis ini dapat disimpulkan bahwa model regresi tidak mengandung autokorelasi.
3. Uji Heteroskedastisitas
Model regresi yang baik adalah varian residualnya bersifat homoskedastisitas atau tidak terjadi gejala heteroskedastisitas. Metode yang digunakan untuk mendeteksi ada tidaknya gejala heteroskedastisitas dalam penelitian ini dengan menggunakan uji glejser untuk pengujian pada return saham syari’ah dan uji park untuk pengujian pada beta saham syari’ah. Dasar pengambilan keputusan pada dua uji tersebut di atas sama yaitu dengan membandingkan nilai signifikansi variabel independen dengan nilai tingkat
kepercayaan (α = 0,05). Apabila nilai signifikansi lebih besar dari nilai α (sig
heteroskedastistitas.3 Hasil uji heteroskedastisitas uji glejser dapat dilihat pada tabel 4.6 dan uji park dapat dilihat pada tabel 4.5 di bawah ini:
Tabel 4.5
Hasil Uji Heteroskedastisitas Terhadap Variabel Return Saham Syari’ah (Uji Glejser) Variabel Signifikansi TAT 0,174 ROA 0,319 DPR 0,578 PBV 0,101 Inflasi 0,967 Kurs 0,626
a. Dependent Variable: Abs_Ut1 Sumber: Data diolah
Hasil uji heteroskedastisitas terhadap variabel return saham syari’ah dengan (uji glejser) pada tabel 4.5 di atas menunjukkan bahwa variabel independen TAT memiliki nilai signifikansi 0,174, variabilitas ROA memiliki nilai signifikansi sebesar 0,319, variabilitas DPR memiliki nilai signifikansi sebesar 0,353, variabilitas PBV memiliki nilai signifikansi sebesar 0,101, variabilitas inflasi memiliki nilai signifikansi sebesar 0,178, dan variabilitas kurs memiliki nilai signifikansi sebesar 0,189. Tidak satu pun variabel
independen memiliki nilai signifikansi di bawah nilai α (0,05). Oleh sebab itu
dapat disimpulkan bahwa model regresi tidak terdapat gejala
heteroskedastisitas.
3 Ibid., hlm. 125-129.
Tabel 4.6
Hasil Uji Heteroskedastisitas Terhadap Variabel Beta Saham Syari’ah (Uji Park) Variabel Signifikansi TAT 0,304 ROA 0,915 DPR 0,353 PBV 0,359 Inflasi 0,178 Kurs 0,189
a. Dependent Variable: LnU2i Sumber: Data diolah
Sementara hasil uji heteroskedastisitas terhadap variabel beta saham syari’ah dengan (uji park) pada tabel 4.6 di atas menunjukkan bahwa signifikansi variabel TAT sebesar 0,304, ROA sebesar 0,915, DPR sebesar 0,353, PBV sebesar 0,359, variabilitas inflasi sebesar 0,178, dan kurs sebesar 0,189. Tidak satu pun variabel independen memiliki nilai signifikansi di
bawah nilai α (0,05). Jadi dapat disimpulkan bahwa model regresi tidak
terdapat gejala heteroskedastisitas. 4. Normalitas
Regresi yang baik adalah regresi yang memiliki data yang berdistribusi normal. Untuk menguji normalitas dalam penelitian ini digunakan uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Uji K-S dilakukan dengan hipotesis:
Ho = Data residual berdistribusi normal Ha = Data residual tidak berdistribusi normal Dengan pengambilan keputusannya adalah:
2) Jika nilai signifikansi > α maka Ho diterima
Jika signifikansi pada nilai Kolmogorov-Smirnov < 0.05, maka Ho ditolak, jadi data residual berdistribusi tidak normal. Jika signifikansi pada nilai Kolmogorov-Smirnov > 0.05, maka Ho diterima, jadi data residual
berdistribusi normal.4 Hasil uji normalitas (uji Kolmogorov-Smirnov) dapat
dilihat pada tabel 4.7 dan 4.8 di bawah ini: Tabel 4.7
Hasil Uji Normalitas Terhadap Variabel Return Saham Syari’ah
(Uji Kolmogorov-Smirnov)
Sampel Kolmogorov-Smirnov Signifikansi
36 0,685 0,736
Sumber: Data diolah
Tabel 4.8
Hasil Uji Normalitas Terhadap Variabel Beta Saham Syari’ah
(Uji Kolmogorov-Smirnov)
Sampel Kolmogorov-Smirnov Signifikansi
36 0,841 0,479
Sumber: Data diolah
Hasil uji normalitas (uji Kolmogorof-Smirnov) pada tabel 4.7 menunjukkan nilai signifikansi sebesar 0,736. Dan pada tabel 4.8 di atas menunjukkan nilai signifikansi sebesar 0,479, hal ini menunjukkan bahwa nilai signifikansi kedua tabel di atas lebih besar dari nilai tingkat kepercayaan (a=0,05). Oleh karena itu dapat disimpulkan bahwa Ha ditolak dan menerima Ho, sehingga data residual berdistribusi normal.
4 Ibid., hlm. 147-152.
C. Pengujian Regresi Linier Berganda Terhadap Return Saham Syari’ah