BAB III METODE PENELITIAN
3.8 Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah analisis deskriptif dan analisis statistik.
3.8.1 Analisis deskriptif
Analisis deskriptif adalah suatu metode analisis dimana data-data yang dikumpulkan, diklasifikasikan, dianalisis, dan diinterpretasikan secara objektif sehingga memberikan informasi dan gambaran mengenai topik yang dibahas.
3.8.2 Analisis statistik
Untuk menguji hipotesis tentang kekuatan variabel independen (Harga Minyak Dunia (US$), Nilai Tukar Rupiah/US$, Inflasi dan Tingkat Suku Bunga SBI) terhadap IHSG, penelitian ini menggunakan teknik analisis regresi linear berganda (multiple regression analysis model) dengan persamaan kuadrat terkecil
(Ordinary Least Square)dengan model dasar sebagai berikut: Y = a + b X + b X + b X + b X + e
Dimana:
Y = IHSG (Indeks Harga Saham Gabungan)
a = konstanta
X1= Harga Minyak Dunia
X2 = Nilai Tukar Rupiah/US$
X3= Inflasi
X4 = Tingkat Suku Bunga SBI
b1, b2, b3, b4= koefisien regresi parsial untuk X1, X2, X3, X4
e =disturbance error(faktor pengganggu/residual)
3.8.3 Pengujian Asumsi Klasik
Adapun syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut :
1. Normalitas
Uji normalitas bertujuan untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal, mendekati normal atau tidak (Umar, 2008:181). Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal. Untuk mendeteksi apakah data berdistribusi normal atau tidak, dapat diketahui dengan menggambarkan penyebaran data melalui sebuah grafik. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonalnya, maka model regresi tersebut memenuhi asumsi normalitas. Uji kenormalan data juga dapat dilakukan beberapa pendekatan, antara lain :
a. Pendekatan Kolmogorv-Smirnov
Alat uji ini digunakan untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal. Hipotesisnya sebagai berikut:
H0 = data residual berdistribusi normal
H1 = data rasidual tidak berdistribusi normal
Dengan menggunakan tingkat signifikan (��) 5%. Jika nilai Asymp.Sig (2
tailed) > taraf nyata (α), maka H0 diterima artinya data residual berdistribusi normal. Sebaliknya jika nilai Asymp.Sig (2 tailed)< taraf nyata (α), maka Ha
diterima artinya data residual tidak berdistribusi normal.
b. Pendekatan Histogram
Untuk menguji normalitas data dapat dilihat dengan kurva normal. Kurva normal yaitu kurva yang memiliki ciri-ciri khusus, salah satu diantaranya adalah mean, modus, dan median pada tempat yang sama. Ukuran kemiringan puncak kurva ke kiri atau ke kanan dikenal dengan nama “kemiringan kurva” atau
“kemencengan kurva” (skewness). Kemencengan suatu kurva distribusi data dapat bertanda positif (arah kanan) dan bertanda negatif (arah kiri).
c. Pendekatan Grafik
Membentuk plot antara nilai-nilai teoritis (sumbu x) melawan nilai-nilai yang didapat dari sampel (sumbu y). Apabila plot dari keduanya berbentuk linier (didekati garis lurus), maka hal ini merupakan indikasi bahwa residual menyebar normal. Bila pola-pola titik yang terletak selain di ujung-ujung plot masih berbentuk linier, meskipun ujung-ujung plot agak menyimpang dari garis lurus, dapat dikatakan bahwa sebaran data adalah menyebar normal.
2. Uji Heteroskedastisitas
Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lain. Jika varians dari residual dari suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas. Salah satu uji untuk mengetahui heteroskedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar (scatter plot). Analisis pada gambar scatter plot yang menyatakan model regresi linear berganda tidak terdapat heteroskedastisitas (Nugroho, 2005:63) jika:
a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0 b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja
c. Penyebaran titik-titik data tidak boleh membentuk bola bergelombang melebar kemudian menyempit dan melebar kembali.
d. Penyebaran titik-titik data sebaiknya tidak berpola.
3. Uji Autokorelasi
Uji autokorelasi dilakukan untuk mengetahui apakah dalam sebuah model regresi linier terdapat hubungan yang yang kuat baik positif maupun negatif antar data yang ada pada variabel-variabel penelitian (Umar, 2008:182). Dengan demikian dapat dikatakan bahwa autokorelasi antara satu dengan yang lainnya. Untuk menguji ada atau tidaknya autokorelasi dalam suatu model regresi, maka dilakukan dengan menggunakan uji Durbin-Watson (DW) yang diberi simbol d.
Tabel 3.2
Kriteria Pengambilan Keputusan Uji Autokorelasi
Hipotesis nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0<d<dl Tidak ada autokorelasi positif No decision dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4 –dl < d < 4 Tidak ada korelasi negatif No decision 4 –du≤ d≤ 4 –dl Tidak ada autokorelasi, positif atau
negatif Tidak ditolak du < d < 4 – du
Sumber : Umar (2008 : 185)
Keterangan : du = batas atas, dl = batas bawah.
4. Uji Multikolinieritas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian terhadap ada tidaknya multikolinieritas dilakukan dengan melihat toleransi variabel dan Variance Inflation Factor (VIF) dengan membandingkan sebagai berikut:
a. Bila VIF >5 terdapat masalah multikolinieritas b. Bila VIF<5 tidak terdapat masalah multikolinieritas
c. Tolerance < 0,1 maka diduga mempunyai persoalan multikolinieritas d. Tolerance > 0,1 maka tidak terdapat multikolinieritas.
3.8.4 Pengujian Hipotesis
Pengujian hipotesis ini dilakukan untuk menguji hipotesis yang telah dirumuskan di muka dengan menggunakan alat bantu Statistics Package for Social Science 18.00.
1. Uji – F (Uji Signifikansi Simultan)
Pengujian ini dilakukan untuk mengetahui pengaruh suatu variabel independen secara parsial terhadap variasi variabel dependen.
Bentuk pengujiannya adalah:
a. H0 : b1= b2= b3 = b4= 0, artinya secara simultan tidak terdapat pengaruh yang
signifikan dari harga minyak dunia, nilai tukar, inflasi atau suku bunga SBI terhadap pergerakan IHSG di Bursa Efek Indonesia.
b. H1 : minimal satu bi ≠ 0, artinya secara simultan terdapat pengaruh yang signifikan dari harga minyak dunia, nilai tukar, inflasi atau suku bunga SBI terhadap pergerakan IHSG di Bursa Efek Indonesia.
Dengan menggunakan tingkat signifikan (α) 5%, jika nilai sig.F > 0,05 maka H0 diterima, artinya tidak ada pengaruh yang signifikan secara bersamaan dari
variabel bebas terhadap variabel terikat. Sebaliknya, jika nilai sig. F < 0,05 maka H1 diterima, artinya ada pengaruh yang signifikan secara bersamaan dari variabel
bebas terhadap variabel terikat. Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai Fhitung dan nilai Ftabel. Dimana kriterianya, yaitu:
a. H0 diterima jika Fhitung < Ftabel pada α = 5%
b. H1 diterima jika Fhitung> Ftabel pada α = 5%
2. Uji Signifikansi Parsial (uji-t)
Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat. Bentuk pengujiannya adalah:
a. Harga Minyak Dunia
H0 : b1 = 0, artinya harga minyak dunia tidak berpengaruh signifikan terhadap
pergerakan IHSG di Bursa Efek Indonesia.
H1 : b1 ≠ 0, artinya harga minyak dunia berpengaruh signifikan terhadap
pergerakan IHSG di Bursa Efek Indonesia.
b. Nilai Tukar Rupiah
H0 : b2 = 0, artinya nilai tukar rupiah tidak berpengaruh signifikan terhadap
pergerakan IHSG di Bursa Efek Indonesia.
H1 : b2 ≠ 0, artinya nilai tukar rupiah berpengaruh signifikan terhadap
pergerakan IHSG di Bursa Efek Indonesia.
c. Inflasi
H0 : b3 = 0, artinya inflasi tidak berpengaruh signifikan terhadap pergerakan
IHSG di Bursa Efek Indonesia.
H1 : b3 ≠ 0, artinya inflasi berpengaruh signifikan terhadap pergerakan IHSG
di Bursa Efek Indonesia.
d. Suku Bunga SBI
H0 : b4 = 0, artinya suku bunga SBI tidak berpengaruh signifikan terhadap
pergerakan IHSG di Bursa Efek Indonesia.
H1 : b4 ≠ 0, artinya suku bunga SBI berpengaruh signifikan terhadap
pergerakan IHSG di Bursa Efek Indonesia.
Dengan menggunakan tingkat signifikan (α) 5%, jika nilai sig. t > 0,05 H0
diterima, artinya tidak ada pengaruh yang signifikan variabel bebas terhadap variabel terikat. Sebaliknya jika sig. t < 0,05 Ha diterima, artinya ada pengaruh
yang signifikan antara variabel bebas terhadap variabel terikat. Nilai thitung juga dapat dibandingkan dengan nilai ttabel. Kriteria pengambilan keputusannya yaitu: 1. H0 diterima jika –ttabel < - thitung atau thitung < ttabel pada α = 5%.
2. H1 diterima jika –thitung < − ttabel atau thitung > ttabel pada α = 5%.
3. Koefisien Determinasi (R2)
Koefisien determinasi adalah koefisien nilai yang menunjukkan besarnya variasi variabel terikat (dependent variable) yang dipengaruhi oleh variasi variabel bebas (independent variable). Pengukuran besarnya persentase kebenaran dari uji regresi tersebut dapat dilihat melalui nilai koefisien determinasi multiple R2 (koefisien determinan mengukur proporsi dari variasi yang dapat dijelaskan oleh variabel bebas). Apabila nilai R2 suatu regresi (mendekati satu), maka semakin baik regresi tersebut dan semakin mendekati nol, maka variabel independen secara keseluruhan tidak bisa menjelaskan variabel dependen. Adjusted R Square ini digunakan untuk melihat berapa besar pengaruh faktor- faktor yang ditimbulkan oleh variabel-variabel bebas terhadap variabel terikat.