BAB III METODOLOGI PENELITIAN
D. Teknik Analisis Data
Penulis dalam penelitian ini menggunakan metode data kuantitatif dengan menggunakan analisis statistik melalui pendekatan regresi berganda, yaitu suatu analisis yang mengukur pengaruh antarvariabel yang melibatkan lebih dari dua variabel independen terhadap variabel dependen .
Dalam penelitian ini digunakan pendekatan Error Correction Model (ECM) untuk melihat hubungan jangka pendek dan menggunakan uji Kointegrasi untukmelihat indikasi adanya hubungan jangka panjang. Analisis data akan dilakukandengan bantuan aplikasi komputer, program EVIEWS 8. Aplikasi EViews 8 digunakan peneliti karena peneliti menggunakan data time series dibandingkan dengan SPSS yang kurang cocok, dalam hal uji-uji statistik terkait data time series, Eviews sangat powerful membantu penelitian.Pengujian ECM
48
baru dapatdilakukan bila terdapat indikasi adanya hubungan jangka panjang denganmenggunakan uji kointegrasi. Variabel-variabel dikatakan terkointegrasi bilastasioner pada ordo yang sama. Untuk menguji kestasioneran data, maka padapenelitian ini digunakan Phillips-Perron (PP) test. Dalam Phillips-Perron test, perlumenentukan jumlah truncation lag untuk koreksi Newey-West, yaitu denganmenggunakan rumus N1/3 = 321/3 = 3,17 yang kemudian dibulatkan pada nilai satuanterdekat dibawahnya yaitu 3 (Yahya Hamja, 2008).
Nilai koefisien regresi sangat berarti sebagai dasar analisis. Koefisien β
akan bernilai positif (+) jika menunjukkan hubungan yang searah antara variable independen dengan variabel dependen, Artinya kenaikan variabel independen akan mengakibatkan kenaikan variabel dependen, begitu pula sebaliknya jika
variable independen mengalami penurunan. Sedangkan nilai β akan negatif (-) jika menunjukkan hubungan yang berlawanan, artinya kenaikan variabel independen akan mengakibatkan penurunan variabel dependen, demikian pula sebaliknya. Uji yang pertama dilakukan adalah uji normalitas dimana untuk melihat apakah nilai residual terdistribusi normal atau tidak. Berikut ini merupakan alatuntuk menguji suatu nilai residual, yaitu :
1. Uji Normalitas
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak
49
dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variable penelitian. Sebenarnya normalitas dapat dilihat dari gambar histogram, namun seringkali polanya tidak mengikuti kurva normal, sehingga sulit disimpulkan. Akan lebih mudah bila melihat koefisien Jarque-Bera dan Probabilitasnya. Kedua angka ini saling mendukung. (Winarto Wahyu,2011:5.39)
Langkah-langkah pengujian normalitas data sebagai berikut: Hipotesis: Ho: Model Normal
Ha: Model Tidak Normal
Bila probabilitas Obs*R2> 0.05 → Signifikan, Ho diterima Bila probabilitas Obs*R2< 0.05 → Tidak signifikan, Ho ditolak
2. Uji Linieritas
Uji yang sangat populer untuk menguji masalah linieritas adalah uji yang dikembangkan oleh J.B Ramsey tahun 1969 untuk lebih dikenal dengan nama Ramsey RESET Test. Uji ini biasanya didesain untuk menguji apakah suatu variable penjelas cocok atau tidak dimasukkan dalam suatu model estimasi. Akan tetapi menurut (Insukindro,2003) uji yang dikembangkan oleh J.B Ramsey ini digunakan untuk menguji apakah bentuk fungsi suatu model estimasi linier atau tidak linier.
langkah-langkah pengujian sebagai berikut: Hipotesis: Ho: Model Linear
50
Bila probabilitas Obs*R2> 0.05 → Signifikan, Ho diterima Bila probabilitas Obs*R2< 0.05 → Tidak signifikan, Ho ditolak.
3. Uji Stasioneritas
Salah satu persyaratan penting untuk mengaplikasikan model seri waktu yaitu dipenuhinya asumsi data yang normal atau stabil (stasioner) dari variabel-variabel pembentuk persamaan regresi. Karena penggunaan data dalam penelitian ini dimungkinkan adanya data yang tidak stasioner, maka dalam penelitian ini perlu digunakan beberapa uji stasioner.Dalam melakukan uji stasioneritas, penulis akan melakukan proses analisis yang terdiri dari :
a. Uji Akar Unit
Uji Phillips-Perron memasukkan adanya autokorelasi di dalam variable gangguan dengan memasukkan variabel independen berupa kelambanan diferensi. Phillips-Perron (PP) membuat uji akar unit dengan menggunakan metode statistic nonperametrik dalam menjelaskan adanya autokorelasi antara variabel gangguan tanpa memasukkan variabel penjelaskelambanan diferensi (Agus Widarjono, 2007).
Statistik distributif t tidak mengikuti statistik distributif normal tetapi mengikuti distributif statistik PP sedangkan nilai kritisnya digunakan nilai kritis. Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara nilai statistik PP dengan nilai kritisnya yaitu distribusi statistik Mackinnon. Jika nilai absolut statistik PP lebih besar darinilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai absolute statistik PP lebih kecil dari nilai kritisnya maka data tidak stasioner.
51 b. Uji Derajat Integrasi
Data time series pada umumnya adalah data yang tidak stasioner.Untuk menghindari regresi lancung maka harus ditransformasikan data nonstasioner menjadi data stasioner. Menurut (Nachrowi,2006) dalam berbagai studi ekonometrika, data time series sangat banyak digunakan. Namun dibalik pentingnya data tersebut, ternyata data time series menyimpan berbagai permasalahan, salah satunya yaitu auotokorelasi. auotokorelasi ini merupakan penyebab yang mengakibatkan data menjadi tidak stasioner, sehingga bila data dapat distasionerkan maka otokorelasi akan hilang dengan sendirinya, karena metode transformasi data untuk membuat data yang tidak stasioner sama dengan transformasi data untukmenghilangkan otokorelasi.
Dalam uji akar unit PP bila menghasilkan kesimpulan bahwa data tidak stasioner, maka diperlukan proses deferensi data. Uji stasioner data melalui proses diferensi ini disebut uji derajat integrasi. Seperti uji akar unit PP, keputusan sampai pada derajat keberapa suatu data akan stasioner dapat dilihat dengan membandingkan antara nilai statistik PP yang diperoleh dari koefisien y dengan nilai kritis distribusi statistik Mackinnon. 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 nilainya lebih kecil maka uji derajat integrasi perlu dilanjutkan pada diferensi yang lebih tinggi sehingga diperoleh data yang stasioner.
52 4. Uji Error Correction Model (ECM) a. Uji ECM
Model ECM pertama kali diperkenalkan oleh Sargan dan kemudian dikembangkan oleh Hendry dan dipopulerkan oleh Engle-Granger. Model ini memasukan penyesuaian untuk melakukan koreksi bagi ketidakseimbangan, dan model ini mempunyai beberapa kegunaan, namun penggunaan yang utamanya adalah mengatasi masalah pada data time series yang tidak stasioner. Dalam penelitian ini, Model ECM digunakan setelah melalui uji normalitas data, linieritas, stasioneritas, derajat integrasi, kointegrasi dan uji asumsi klasik, serta terbebas dari semua permasalah dari pengujian tersebut, sehingga model ECM yang digunakan sudah layak untuk dipakai dan dianalisis.
Analisis yang digunakan bertujuan untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen dalam jangka pendek maupun jangka panjang. Setelah pengujian ECM dilakukan, maka model yang terbentuk akan dilakukan uji ECT ( Error Correction Term).
Berikut ini merupakan model ECM yang digunakan pada penelitian ini : Model Dasar : RERTURNISSI = (INFLASI, KURS, LNPDB, HED, IHSG) Model Ekonometrika : RISSIt =β0 + β1 INFLASIt +β2KURSt + β3LNPDBt + β4 HEDt +β5IHSGt +e
Sehingga rumus yang terbentuk dalam penelitian ini adalah :
D(RETURNISSI) t = β0 + β1 D(INFLASI) t + β2 D(KURS) t + β3 D(LNPDB) t
+β4D(HED) t + β5D(IHSG) t + β6ECT
Dimana :
53 LN = Natural Log
RETURNISSI = Return PasarISSI INFLASI = Tingkat Inflasi
KURS = Nilai Tukar Mata Uang Dollar/ Rupiah LNPDB = Jumlah Produk Domestik Bruto HED = Harga Emas Dunia
IHSG = Indeks Harga Saham Gabungan
β0 = Konstanta
β1…βt = Koefisien Regresi Variable Bebas
e = Error Term
ECT = Error Correction Term t = Periode Waktu
Setelah model ECM teerbentuk, maka pengujian dilanjutkan ketahap berikutnya yaitu uji ECT (Error Cerrection Term).
b. Uji Error Correction Term (ECT)
Error Correction Term (ECT) atau koreksi kesalahan merupakan bagian dari ECM.Nilai ECT ini diperoleh dari hasil penjumlahan variabel independen sebelumnya dikurangi dengan variabel dependen sebelumnya, dan nilai yang dihasilkan merupakan nilai penyesuaian dari ketidakseimbangan variabel dependen dan independen dalam jangka pendek dan jangka panjang.
Model ECT yang terbentuk pada penelitian ini adalah :
ECT = INFLASIt(-1) + KURSt(-1) + LNPDBt(-1) + HEDt(-1)+ IHSGt(-1)- RETURNISSIt(-1)
Kemudian regresi model ECM secara berurutan sesuai dengan model yang telah ditemukan. Hasil probabilitas ECT akan menentukan apakah model dapat dianalisa baik dalam jangka pendek maupun jangka panjang. Jika variabel ECT
54
positif dan signifikan pada α = 5% maka spesifikasi model sudah valid dan dapat
dijelaskan variabel dependen.
Proses pengolahan data berdasarkan metode analisis diatas, dilakukan dengan cara komputerisasi untuk memperoleh informasi dan hasil yang tepat serta akurat dari variabel-variabel yang diteliti, yaitu menggunakan program MicrosoftOffice Excel 2007 dari Microsoft dan program statistic EViews 8 dari QuantitativeMicro Sofware.