BAB V : ANALISIS DAN PEMBAHASAN
5.2 Analisis Data
5.2.1 Uji Asumsi Klasik
Pengujian terhadap ada tidaknya pelanggaran terhadap asumsi-asumsi klasik yang merupakan dasar dalam model regresi linier berganda. Hal ini dilakukan sebelum pengujian hipotesis meliputi:
5.2.1.1. Uji normalitas
Uji normalitas data bertujuan untuk menguji apakah distribusi probabilitas
dari gangguan U1 memiliki nilai rata-rata yang diharapkan sama dengan nol, tidak
berkorelasi dan mempunyai varian yang konstan. Dengan asumsi ini OLS estimator atau penaksir akan memenuhi sifat-sifat statistik yang diinginkan seperti unbiased dan memiliki varian yang minimum. Dalam penelitian ini peneliti menggunakan nilai
Jarque-Bera-test, untuk mengetahui normal atau tidaknya faktor gangguan U1.
Caranya adalah dengan membandingkan:
1. Jika nilai Jarque Bera < dari nilai Chi Squere tabel pada á = 0,05 maka distribusi
U1 normal.
2. Jika nilai Jarque Bera > dari nilai Chi Squere tabel pada á = 0,05 maka distribusi
U1 tidak normal (Gujarati, 1995: 143-4) dan (http//:geocities.com).
Sumber: Lampiran 6
Dari hasil analisis normalitas dengan program Shazam Professional maka dapat diperoleh nilai Jarque-Bera dan nilai Chi Squere tabel sebagai berikut:
Tabel 5.11. Hasil Uji Normalitas
Jarque-Bera Chi Squere Tabel
á = 0.05
Keputusan
11.5423 15.5073 Terdistribusi Normal
Sumber: Lampiran 6
Tabel di atas menunjukkan bahwa nilai Jarque-Bera test < dari nilai Chi
squere tabel dengan á = 0.05, dalam hal ini residual berdistribusi normal.
JARQUE-BERA NORMALITY TEST- CHI-SQUARE(2 DF)= 11.5423 P-VALUE= 0.003 GOODNESS OF FIT TEST FOR NORMALITY OF RESIDUALS - 15 GROUPS
OBSERVED 0.0 0.0 0.0 2.0 6.0 6.0 16.0 13.0 8.0 6.0 3.0 2.0 1.0 0.0 2.0
EXPECTED 0.3 0.6 1.4 2.9 5.1 7.5 9.5 10.3 9.5 7.5 5.1 2.9 1.4 0.6 0.3
5.2.1.2. Uji multikolinearitas
Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan adanya korelasi antarvariabel bebas. Model regresi yang baik seharusnya tidak terjadi multikolinearitas. Cara mendeteksinya adalah dengan
membandingkan masing-masing hubungan antara variabel bebas (r) dengan (R2). Jika
nilai (R2) lebih besar dari (r) maka dapat disimpulkan bahwa tidak terjadi gejala
multikolinearitas dalam model (Salvatore, 1982). Berikut hasil uji multikolinearitas dari program Shazam Professional:
R-SQUARE = 0.7613 R-SQUARE ADJUSTED = 0.7222 VARIANCE OF THE ESTIMATE-SIGMA**2 = 0.89053E+06 STANDARD ERROR OF THE ESTIMATE-SIGMA = 943.68 SUM OF SQUARED ERRORS-SSE= 0.48979E+08
MEAN OF DEPENDENT VARIABLE = 1504.1 LOG OF THE LIKELIHOOD FUNCTION = -532.048
|_*Melihat Adanya Gejala MUltikolinearitas |_stat CAR ROA ROE NIM DER LDR EPS PER BR/pcor
CAR 1.0000
ROA 0.13986 1.0000
ROE 0.70359E-02 0.40925 1.0000
NIM 0.20186E-01 0.19719 0.38789 1.0000
DER -0.34949 0.48595E-01 -0.41382E-02 0.10348 1.0000 LDR 0.18750E-01 0.89315E-01 0.21801 0.19161 -0.38579 1.0000
EPS 0.26313 0.30002 0.62874 0.45485 -0.93122E-01 0.10486 1.0000
PER -0.76187E-01 -0.14827 -0.42703 -0.46496E-01 0.47422E-01 -0.13428 -0.33199 1.0000
BR -0.21245E-01 -0.36702E-01 0.36428E-02 -0.16423 0.43380E-01 -0.84012E-01 0.12371E-01 -0.41276E-01 1.0000
CAR ROA ROE NIM DER LDR EPS PER BR
Tabel 5.12. Hasil Uji Multikolinearitas Hubungan Antar
Variabel r R
2
Gejala Multikolinearitas
CAR ROA 0.1398 0,7613 Bebas Multikolinearitas
CAR ROE 0.0070 0,7613 Bebas Multikolinearitas
CAR NIM 0.0201 0,7613 Bebas Multikolinearitas
CAR DER -0.3494 0,7613 Bebas Multikolinearitas
CAR LDR 0.0187 0,7613 Bebas Multikolinearitas
CAR EPS 0.0263 0,7613 Bebas Multikolinearitas
CAR PER -0.0761 0,7613 Bebas Multikolinearitas
CAR BR -0.0212 0,7613 Bebas Multikolinearitas
ROA ROE 0.4092 0,7613 Bebas Multikolinearitas
ROA NIM 0.1972 0,7613 Bebas Multikolinearitas
ROA DER 0.0485 0,7613 Bebas Multikolinearitas
ROA LDR 0.0893 0,7613 Bebas Multikolinearitas
ROA EPS 0.3000 0,7613 Bebas Multikolinearitas
ROA PER -0.1482 0,7613 Bebas Multikolinearitas
ROA BR 0.0367 0,7613 Bebas Multikolinearitas
ROE NIM -0.0387 0,7613 Bebas Multikolinearitas
ROE DER -0.0041 0,7613 Bebas Multikolinearitas
ROE EPS 0.6287 0,7613 Bebas Multikolinearitas
ROE PER -0.4287 0,7613 Bebas Multikolinearitas
ROE BR 0.0036 0,7613 Bebas Multikolinearitas
NIM DER 0.1034 0,7613 Bebas Multikolinearitas
NIM LDR 0.1916 0,7613 Bebas Multikolinearitas
NIM EPS 0.4540 0,7613 Bebas Multikolinearitas
NIM PER -0.0464 0,7613 Bebas Multikolinearitas
NIM BR -0.1642 0,7613 Bebas Multikolinearitas
DER LDR 0.3857 0,7613 Bebas Multikolinearitas
DER EPS 0.0931 0,7613 Bebas Multikolinearitas
DER PER 0.0474 0,7613 Bebas Multikolinearitas
DER BR 0.0433 0,7613 Bebas Multikolinearitas
LDR EPS 0.1048 0,7613 Bebas Multikolinearitas
LDR PER -0,1342 0,7613 Bebas Multikolinearitas
LDR BR -0.0840 0,7613 Bebas Multikolinearitas
EPS PER -0.3319 0,7613 Bebas Multikolinearitas
EPS BR 0.0123 0,7613 Bebas Multikolinearitas
PER BR -0.4127 0,7613 Bebas Multikolinearitas
5.2.1.3. Uji autokorelasi
Untuk melihat apakah terjadi autokorelasi dalam model, maka dilakukan pengujian dengan Durbin-Watson (D-W test), Dari hasil olah data melalui komputerisasi program Shazam (Lampiran 6):
Sumber: Lampiran 6
Dari hasil analisis di atas dapat dilihat nilai D-W = 1,3539. Pada á = 5%
dengan n = 65 dan k = 9, diperoleh nilai dl = 1,301 dan du = 1,923. Untuk selanjutnya digunakan interval untuk membuktikan uji autokorelasi.
Daerah Tidak ada autokorelasi Daerah Autokorelasi keraguan keraguan Autokorelasi
Positif (+) Negatif (-)
0 dL dU 2 4-dU 4-dL 4
1,301 1,923 2.699 2.077
Gambar 5.1. Statistik d Durbin Watson (DW)
DURBIN-WATSON = 1.3539 VON NEUMANN RATIO = 1.3750 RHO = 0.30754 RESIDUAL SUM = 0.74465E-11 RESIDUAL VARIANCE = 0.80700E+06
SUM OF ABSOLUTE ERRORS= 41421.
R-SQUARE BETWEEN OBSERVED AND PREDICTED = 0.7837
RUNS TEST: 23 RUNS, 26 POS, 0 ZERO, 39 NEG NORMAL STATISTIC = - 2.3977
COEFFICIENT OF SKEWNESS = 0.9354 WITH STANDARD DEVIATION OF 0.2971
Dari interval di atas, nilai D-W = 1.3539 terletak antara 1.301 dan 1.923 yang berarti terletak pada daerah tidak dapat diketahui. Jadi dapat disimpulkan bahwa dalam model, gejala autokorelasi tidak dapat diidentifikasi.
5.2.1.4. Uji heterokedastisitas
Untuk melihat gejala heterokedastisitas dalam model, penulis melakukan pengecekan dengan program Shazam Professional yakni dengan membandingkan nilai P-Value dari tabel estimasi regresi variabel terikat dengan variabel bebasnya dan nilai P-Value dari tabel estimasi residual variabel terikat dengan variabel bebasnya, dengan ketentuan sebagai berikut:
1. Jika nilai P-Value estimasi residual return saham dengan faktor fundamental <
dari nilai P-Value regresi return saham dengan faktor fundamental, maka terjadi gejala heterokedastisitas sedangkan,
2. Jika nilai P-Value estimasi residual return saham dengan faktor fundamental >
dari nilai P-Value regresi return saham dengan faktor fundamental, maka tidak terjadi gejala heterokedastisitas (http://econometrics.com).
Tabel 5.13. Hasil Estimasi Regresi Return Saham dengan Faktor Fundamental
VARIABLE ESTIMATED STANDARD T-RATIO PARTIAL STANDARDIZED ELASTICITY NAME COEFFICIENT ERROR 55 DF P-VALUE CORR. COEFFICIENT AT MEANS CAR 2.1775 22.09 0.9859E-01 0.722 0.013 0.0071 0.0260 ROA 8.1105 33.55 0.2418 0.810 0.033 0.0170 0.0104 ROE 6.5360 14.64 0.4464 0.657 0.060 0.0417 0.0648 NIM 392.40 101.9 3.849 0.000 0.461 0.2948 1.1961 DER -2.3136 -1.652 1.401 0.167-0.186 -0.1065 -0.0116 LDR 29.465 8.418 3.500 0.001 0.427 0.2551 0.1473 EPS 9.6333 1.235 7.801 0.000 0.725 0.7148 0.7575 PER 26.237 9.007 2.913 0.005 0.366 0.2073 0.3065 BR 498.95 785.4 0.6353 0.528 0.085 0.0408 0.0241 CONSTANT -1879.7 622.3 -3.020 0.004-0.377 0.0000 -1.2497 Sumber: Lampiran 4
Tabel 5.14. Hasil Estimasi Residual Return Saham dengan Faktor Fundamental
VARIABLE ESTIMATED STANDARD T-RATIO PARTIAL STANDARDIZED ELASTICITY NAME COEFFICIENT ERROR 55 DF P-VALUE CORR. COEFFICIENT AT MEANS CAR 0.15667E-13 22.09 0.7093E-15 0.614 0.045 0.0023 2.4574 ROA -0.41721E-13 33.55 -0.1244E-14 0.785 0.029 0.0954 -0.7033 ROE 0.53628E-13 14.64 0.3663E-14 0.509 0.063 0.0065 6.9830 NIM -0.24897E-13 101.9 -0.2442E-15 -0.148 0.580 0.0009 -0.9963 DER -0.67831E-15 1.652 -0.4107E-15 0.068 0.029 0.0205 0.0445 LDR -0.72240E-14 8.418 -0.8582E-15 -0.049 0.337 0.0451 -0.4741 EPS -0.16488E-14 1.235 -0.1335E-14 -0.189 0.091 0.0078 -1.7022 PER 0.36287E-14 9.007 0.4028E-15 0.004 0.638 0.0283 0.5566 BR 0.30627E-12 785.4 0.3900E-15 0.396 0.298 0.0152 0.1941 CONSTANT -0.61038E-12 622.3 -0.9808E-15 0.003 0.077 0.0049 -5.3280 |_*Perbaiki Gejala Heterokedastisitas dengan “Weigth General Least Square“
Sumber: Lampiran 7
Dari hasil output di atas bahwa nilai P-Value estimasi residual return saham dengan faktor fundamental < dari nilai P-Value estimasi regresi return saham dengan faktor fundamental. Oleh karena itu dapat disimpulkan dalam model ini terjadi gejala heterokedastisitas. Dalam hal ini penulis mencoba memperbaiki gejala heterokedastisitas dengan metode weigth General Least Squere dalam program Shazam Professional, dengan ketentuan sebagai berikut:
1. Jika nilai P-Value estimasi residual dengan faktor fundamental sebelum
perbaikan < dari nilai P-Value residual dengan faktor fundamental setelah perbaikan, maka terjadi gejala heterokedastisitas sedangkan,
2. Jika nilai P-Value estimasi residual dengan faktor fundamental sebelum
perbaikan > dari nilai P-Value residual dengan faktor fundamental setelah perbaikan, maka tidak terjadi gejala heterokedastisitas.
Tabel 5.15. Hasil Estimasi Residual dengan Faktor Fundamental Setelah Perbaikan dengan Metode Weigth General Least Square (GLS)
Sumber: Lampiran 8
Dari hasil output di atas bahwa nilai P-Value estimasi residual dengan faktor fundamental > dari nilai P-Value setelah perbaikan estimasi residual dengan faktor fundamental. Oleh karena itu dapat disimpulkan dalam model ini bebas dari gejala heterokedastisitas.
Tabel 5.16. Hasil Uji Heterokedastisitas
Variabel P-Value Sebelum
Perbaikan
P-Value Setelah Perbaikan
Gejala Heterokedastisitas
CAR 0.614 0.787 Bebas Heterokedastisitas
ROA 0.785 0.934 Bebas Heterokedastisitas
ROE 0.509 0.620 Bebas Heterokedastisitas
NIM -0.148 0.000 Bebas Heterokedastisitas
DER 0.068 0.142 Bebas Heterokedastisitas
LDR -0.049 0.001 Bebas Heterokedastisitas
EPS -0.189 0.000 Bebas Heterokedastisitas
PER 0.004 0.006 Bebas Heterokedastisitas
BR 0.396 0.583 Bebas Heterokedastisitas
Sumber: Lampiran 7 dan 8