BAB III. METODOLOGI PENELITIAN
B. Pengolahan data
2. Uji asumsi klasik
Multikolinearitas merupakan suatu keadaan dimana satu atau lebih variabel bebas terdapat korelasi dengan variabel lainnya atau dengan kata lain suatu variabel bebas merupakan suatu fungsi linier dari variabel bebas lainnya. Akibat adanya multikolinearitas adalah estimasi akan terafiliasi sehingga menimbulkan bias. Multikolinearitas dapat diukur dengan menggunakan Variance Inflation Factor (VIF). VIF merupakan suatu jumlah yang menunjukkan bahwa suatu variabel bebas dapat dijelaskan oleh variabel
commit to user
lainnya dalam persamaan regresi, atau dapat dikatakan VIF menunjukkan adanya multikolinearitas dalam persamaan regresi. Batas VIF adalah 10, apabila nilai VIF diatas 10 maka terjadi multikolinearitas.
2) Autokorelasi
Autokorelasi adalah kondisi yang berurutan diantara gangguan atau distribusi yang masuk dalam fungsi regresi. Uji yang dilakukan untuk mendeteksi ada tidaknya autokorelasi adalah uji Durbin-Watson (DW-test)..
Pengujian ini dilakukan untuk mengetahui ada tidaknya hubungan antar unsure gangguan pada observasi dengan unsure gangguan pada observasi lain.
Jika nilai DW-test terletak diantara dU dan (4 – dU) maka tidak terjadi autokorelasi
Jika kurang dari dl maka ada autokorelasi Jika 4-dl <DW<4 maka ada autokorelasi
3) Heterokedastisitas
Heteroskedastisitas adalah situasi dimana terjadi penyebaran titik data populasi yang berbeda pada regresi. Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2006) Heteroskedastisitas dapat dilihat dari pola pada scatterplot. Penyebaran titik yang acak mengindikasikan tidak adanya heteroskedastisitas.
commit to user
4) Uji Normalitas Residual
Uji Normalitas Residual 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 menguji normalitas residual adalah menggunakan uji statistik non-parametrik Kolmogorov-Smirnov.
Uji K-S dilakukan dengan membuat hipotesis Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal.
3. Uji Hipotesis
1) Pengujian Koefisien Regresi Secara Bersama-sama (Uji F)
Pengujian ini dimaksudkan untuk mengetahui apakah variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Criteria pengujian sebagai berikut:
a. Ho diterima atau Ha ditolak apabila F hitung < F tabel. Ini menunjukkan bahwa variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen.
b. Ho ditolak atau Ha diterima apabila F hitung > F tabel. Ini menunjukkan bahwa variabel independen secara bersama-sama berpengaruh terhadap variabel dependen.
commit to user
2) Pengujian Koefisien Regresi Secara Parsial (Uji t)
Pengujian ini dimaksudkan untuk mengetahui apakah variabel independen secara parsial berpengaruh terhadap variabel dependen dengan asumsi varibel independen yang lain konstan. Kriteria pengujian sebagai berikut:
a. Ho diterima atau Ha ditolak apabila t hitung < t tabel . Ini menunjukkan bahwa variabel independen secara parsial tidak berpengaruh terhadap variabel dependen.
b. Ho ditolak atau Ha diterima apabila t hitung > t tabel . Ini menunjukkan bahwa variabel independen secara parsial berpengaruh terhadap variabel dependen.
3) Uji Koefisien Determinasi (R2)
Uji ini digunakan untuk melihat seberapa baik garis regresi sampel mencocokkan data. Apabila estimasi determinasi semakin besar (mendekati angka 1) menunjukkan bahwa hasil estimasi akan mendekati keadaan sebenarnya atau variabel yang dipilih dapat menerangkan dengan baik variabel terkaitnya dan sebaliknya.
commit to user BAB IV
ANALISIS DATA DAN PEMBAHASAN
Bab ini menyajikan analisis terhadap data penelitian dan pengujian hipotesis dengan menggunakan teknik-teknik analisis yang telah ditentukan. Hipotesis yang akan diuji adalah tentang pengaruh tingkat inflasi secara bulanan, tingkat suku bunga yang diproksikan dengan tingkat SBI bulanan, nilai tukar rupiah terhadap US Dollar yang diproksikan dengan kurs tukar tengah setiap akhir bulan, jumlah uang beredar secara luas, serta produksi industri yang diproksikan dengan pertumbuhan indeks produksi industri, terhadap rata-rata dari closing price harga saham perusahaan sampel. pengujian hipotesis ini menggunakan uji regresi linier berganda dan diproses dengan menggunakan bantuan program SPSS (Statistical Package for Social Sience) versi 16 for windows.
A. DESKRIPSI DATA
Data yang digunakan dalam penelitian ini diperoleh dari Indonesian Capital Market Directory (ICMD) dari tahun 2005-2009 dan dari JSX Monthly Statistic yang tersedia di IPOT. Untuk data tingkat inflasi dan produksi industri diperoleh dari BPS Statistik, yang terdapat pada situs www.bps.go.id untuk data tingkat suku bunga SBI, nilai tukar rupiah, dan jumlah uang beredar diperoleh dari Statistik Keuangan Ekonomi Bank Indonesia yang terdapat pada situs www.bi.go.id.
commit to user
Peneliti menggunakan metode purposive sampling yang mengambil kriteria yang akan digunakan dalam penelitian yaitu sebanyak 14 sampel. Pemilihan sampel ditentukan berdasarkan kriteria-kriteria yang telah ditentukan sebelumnya oleh peneliti. yang memenuhi kriteria tersebut adalah:
a. Perusahaan sudah listing di BEI sebelum tanggal 31 Desember 2004.
b. Perusahan tersebut masuk dalam kriteria LQ 45 berturut-turut selama periode pertama tahun 2005 sampai tahun 2009.
Berdasarkan kriteria penentuan sample diatas maka sampel yang digunakan dalam penelitian ini sebanyak 14 perusahaan. Perusahaan yang dijadikan sampel adalah sebagai berikut:
commit to user TABEL 1V.1
DAFTAR PERUSAHAAN LQ-45
NO KODE NAMA PERUSAHAAN
1 AALI Astra Agro Lestari Tbk
2 ANTM Aneka Tambang (Persero) Tbk 3 ASII Astra Internasional Tbk
4 BBCA Bank Central Asia Tbk
5 BDMN Bank Danamon Indonesia Tbk 6 INCO International Nickel Indonesia Tbk 7 INDF Indofood Sukses Makmur Tbk 8 INKP Indah Kiat Pulp dan Paper Tbk 9 ISAT Indosat Tbk
10 KLBF Kalbe Farma Tbk
11 PTBA Tambang Batubara Bukit Asam Tbk 12 SMCB Holcim Indonesia Tbk
13 TLKM Telekomunikasi Indonesia Tbk 14 UNTR United Tractors Tbk
commit to user TABEL IV.2 Deskripsi Data
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
inflasi 60 2.41 18.38 9.0683 4.34717 sbi 60 6.50 12.75 9.0740 1.87415 kurs 60 8775.00 12151.00 9635.6833 758.01776 jub 60 1014376.00 2141384.00 1500728.0167 325386.66047 growthpi 60 -14.90 6.94 .2352 3.76595 harga 60 3248.00 15675.00 6998.2500 2916.44285 Valid N (listwise) 60
Dari tabel diatas dapat diketahui bahwa jumlah N sebanyak 60 didapat dari data bulanan selama 5 tahun yaitu 60 bulan. Rata-rata harga saham terendah LQ-45 selama periode waktu penelitian sebesar Rp 3248 yaitu pada bulan Oktober 2008 dan rata-rata harga saham tertinggi sebesar Rp 15675 terjadi pada bulan Desember 2007.
Tingkat inflasi terendah terjadi pada bulan November 2009 sebesar 2,41% dan tertinggi sebesar 18,38% dan besar rata-rata tingkat inflasi sebesar 9,0683%
Untuk tingkat suku bunga SBI terendah sebesar 6,50% dan tertinggi dicapai pada 12,75% dan besar rata-rata tingkat suku bunga SBI sebesar 9,0740%
commit to user
Tingkat kurs tukar rupiah terendah terjadi pada bulan April 2006 sebesar Rp 8775 dan tertinggi sebesar Rp 12151 dan besar rata-rata tingkat kurs tukar rupiah sebesar Rp 9635,6833
Jumlah uang beredar terkecil sebanyak 1014376 miliar rupiah pada Februari 2005 dan jumlah uang beredar terbanyak sebesar 2141384 miliar rupiah pada Desember 2009 dengan rata-rata 1500728 miliar rupiah.
Pertumbuhan Indeks Produksi Industri terendah adalah -14,90 pada November 2005 dan tertinggi 6,94 pada Maret 2007.
B. PENGOLAHAN DATA 1. Uji Normalitas Data
Uji yang digunakan untuk melihat normalitas data yaitu uji Kolmogorov-Smirnov. Jika signifikansi hitung lebih besar dari 0,05, maka data dinyatakan berdistribusi normal.
Hasil pengujian normalitas dengan menggunakan uji Kolmogorov dapat ditunjukan pada tabel dibawah ini
TABELl IV.3
Hasil Uji Kolmogorov-Smirnov
Tests of Normality
,152 60 ,002 ,813 60 ,000
Unstandardized Residual
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnova Shapiro-Wilk
Lilliefors Significance Correction a.
commit to user
Apabila angka signifikansi < 0,05 maka data tidak berdistribusi normal
Dari tabel diatas diketahui bahwa data tidak berdistribusi normal karena memiliki nilai signifikansi hanya 0,002.
Untuk mengatasi hal tersebut dilakukan transformasi data dengan mengetahui bentuk grafik histogramnya terlebih dahulu.
GAMBAR IV.1 Histogram
Berdasarkan bentuk grafik histogramnya menunjukan bentuk subtansial positif skewness sehingga data ditransformasikan ke dalam bentuk LN setelah diubah dalam bentuk LN kemudian diuji kembali dengan uji Kolmogorov-Smirnov.
commit to user
Hasil pengujian sebagai berikut : TABEL IV.4
Hasil Uji Kolmogorov-Smirnov
Berdasarkan tabel di atas dapat disimpulkan bahwa kini data telah berdistribusi normal. Dengan nilai sebesar 0.200.
2. Uji Asumsi Klasik 1) Uji Multikolinearitas
Untuk mengetahui ada tidaknya multikolinearitas dengan menggunakan nilai tolerance dan VIF. Apabila nilai dari VIF kurang dari 10 dan nilai tolerance lebih dari 0,1 maka dapat dikatakan bahwa model yang digunakan dalam model terbebas dari multikolinearitas.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Unstandardized Residual .091 60 .200* .933 60 .003
a. Lilliefors Significance Correction
commit to user TABEL IV.5 Hasil Uji Multikolinearitas
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 29.507 4.163 7.087 .000 Ln_Inflasi -.175 .110 -.230 -1.589 .118 .268 3.738 Ln_Sbi .057 .286 .028 .200 .843 .275 3.642 Ln_kurs -3.863 .468 -.722 -8.253 .000 .731 1.368 Ln_jub 1.050 .178 .576 5.904 .000 .586 1.705 Ln_growthpi .005 .070 .006 .078 .938 .961 1.040
a. Dependent Variable: Ln_harga
Dari perhitungan diketahui bahwa nilai tolerance untuk semua variabel independent bernilai lebih besar dari 0,1 dan nilai VIF (Variance Inflation Factor) kurang dari 10 maka dapat disimpulkan bahwa semua model regresi ini tidak terdapat gejala multikolinearitas
2) Uji Autokorelasi
Pengujian ini dilakukan untuk mengetahui ada tidaknya hubungan antar unsure gangguan pada observasi dengan unsure gangguan pada observasi lain. Pengujian ini dengan menggunakan Durbin-Watson.
commit to user
Jika nilai DW-test terletak diantara dU dan (4 – dU) maka tidak terjadi autokorelasi
Jika kurang dari dl maka ada autokorelasi Jika 4-dl <DW<4 maka ada autokorelasi Hasil pengujian sebagai berikut:
TABEL IV.6 Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .836a .698 .670 .22801 .398
a. Predictors: (Constant), Ln_growthpi, Ln_kurs, Ln_Inflasi, Ln_jub, Ln_Sbi
b. Dependent Variable: Ln_harga
Dari hasil diatas diketahui nilai sebesar 0,398 yang terletak diantara 0 dan dl. Sehingga dapat disimpulkan terjadi ada autokorelasi. Oleh karena itu perlu dilakukan pengobatan terhadap autokorelasi.
TABEL IV.7 Hasil Uji Autokorelasi
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .636a .405 .349 .11644 1.781
a. Predictors: (Constant), LnGrowthpi, LnJub, LnKurs, LnInflasi, LnSbi
commit to user
Kurang dari 1,408 (<dl) Ada autokorelasi 1,408-1,767 (dl-du) Tanpa kesimpulan
1,767-2,233(du sampai 4-du) tidak ada autokorelasi 2,233-2,592 (4-du sampai 4-dl) tanpa kesimpulan Lebih dari 2,592 (>4-dl) ada autokorelasi
Karena DW sebesar 1,781 maka dapat disimpulkan bahwa tidak terjadi autokorelasi setelah dilakukan pengobatan.
3) Uji Heteroskedastisitas
Heteroskedastisitas adalah situasi dimana terjadi penyebaran titik data populasi yang berbeda pada regresi. Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2006) Heteroskedastisitas dapat dilihat dari pola pada scatterplot. Penyebaran titik yang acak mengindikasikan tidak adanya heteroskedastisitas.
commit to user
GAMBAR IV.2 Scatterplot
4) Uji Normalitas Residual
Uji Normalitas Residual bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Untuk menguji normalitas residual adalah menggunakan uji statistik non-parametrik Kolmogorov-Smirnov.
TABEL IV.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 59
Normal Parametersa Mean .0000000
Std. Deviation .11130696 Most Extreme Differences Absolute .152 Positive .113 Negative -.152 Kolmogorov-Smirnov Z 1.164
commit to user
Nilai Kolmogorov-Smirnov sebesar 1,164 dan tidak signifikan pada 0,05 (karena p=0,133 > dari 0,05)
Jadi Ho diterima bahwa residual berdistibusi secara normal. Jadi secara keseluruhan dapat disimpulkan bahwa model regresi yang memenuhi syarat uji asumsi klasik adalah dalam bentuk LN.
C. PENGUJIAN HIPOTESIS