HASIL PENELITIAN DAN PEMBAHASAN 5.1. Statistik Deskriptif
5.2. Uji Asumsi Klasik Sebelum Transformasi 1. Uji normalitas sebelum transformasi
5.2.1.1 Analisis grafik.
Uji normalitas dapat dilihat pada Gambar 5.1 dan Gambar 5.2. Hasil pengujian dapat dilihat dari Gambar 5.1 menunjukkan bahwa pada grafik histogram tampak residual mendekati normal dan tidak berbentuk simetris, grafik histogram memberikan pola distribusi yang menceng ke kiri dengan penyebaran yang belum merata.
Sumber: Hasil Penelitian, 2013 (Data Diolah)
Gambar 5.1. Grafik histogram sebelum transformasi
Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dengan distribusi plot. Pada grafik normal probability Gambar 5.2 yang menunjukkan titik-titik menyebar disekitar
diagonal dan penyebarannya jauh dari garis diagonal, hal ini mengindikasikan bahwa residual tidak terdistribusi secara normal.
Hasil pengujian normalitas data dapat dilihat pada Gambar 5.2.
Gambar 5.2. Normal P-Plot sebelum transformasi Sumber: Hasil Penelitian, 2013 (Data Diolah)
5.2.1.2
Uji Kolmogorov-Smirnov dapat dilakukan untuk menguji apakah residual terdistribusi secara normal. Hasil uji Kolmogorov-Smirnov tampak pada Tabel 5.2 dibawah ini:
Tabel 5.2. One-sample kolmogorov-smirnov test sebelum transformasi
PHK RHO PTK BTK SBK Kurs HCPO ROI
N 40 40 40 40 40 40 40 40 Normal Parameters Mean a,b 4866.7250 23.1810 4.4502 6591231.9000 14.0000 9262.5250 617.9538 7.0922 Std. Deviation 1153.71054 .88072 1.15177 2646958.22806 2.12038 640.45889 270.29624 3.29258 Most Extreme Differences Absolute .085 .133 .082 .094 .097 .178 .194 .145 Positive .085 .121 .082 .094 .097 .178 .194 .145 Negative -.081 -.133 -.065 -.059 -.091 -.090 -.153 -.130 Kolmogorov-Smirnov Z .539 .844 .521 .597 .614 1.129 1.229 .915
Asymp. Sig. (2-tailed) .933 .474 .949 .869 .846 .156 .097 .373
a. Test distribution is Normal. b. Calculated from data.
Uji Kolmogorov-Smirnov menunjukkan bahwa nilai asymp.sig. pada semua variabel diatas 0,05 sehingga seluruh data dapat dikatakan telah terdistribusi normal.
5.2.2. Uji multikolonieritas sebelum transformasi
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antarvariabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. (Ghozali 2006). Pengujian dilakukan dengan melihat nilai collinearity statistic dan nilai koefisien korelasi diantara variabel bebas. Nilai yang umumnya digunakan untuk menunjukkan tidak adanya multikolonieritas terjadi apabila nilai tolerance≥ 0,10 atau dengan nilai VIF ≤ 10. Sebaliknya multikolonieritas terjadi apabila nilai
tolerance < 0,10 atau sama dengan nilai VIF > 10. Hasil pengujian multikolonieritas dapat dilihat pada Tabel 5.3.
Tabel 5.3. Hasil uji multikolonieritas sebelum transformasi Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -45.926 17.299 -2.655 .012 PHK .002 .000 .552 3.198 .003 .471 2.124 RHO .438 .622 .117 .705 .486 .507 1.971 PTK .800 .725 .280 1.104 .278 .218 4.591 BTK -3.837E-7 .000 -.308 -1.409 .168 .293 3.418 SBK 1.023 .468 .659 2.184 .036 .154 6.485 Kurs .002 .001 .304 2.210 .034 .740 1.351 HCPO .009 .003 .713 2.890 .007 .230 4.341
a. Dependent Variable: ROI
Sumber: Hasil Penelitian, 2013 (Data Diolah)
Dari Tabel 5.3. hasil perhitungan nilai tolerance menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antarvariabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antarvariabel independen dalam model regresi.
5.2.3. Uji autokorelasi sebelum transformasi
Tabel 5.4 Hasil uji autokorelasi sebelum transformasi
Model R R Square Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .743a .551 .453 2.43477 2.371
a. Predictors: (Constant), HCPO, Kurs, PHK, RHO, BTK, PTK, SBK b. Dependent Variable: ROI
Adapun kriteria pengujiannya adalah: - Jika 0 < d < dL
- Jika d
, terjadi autokorelasi positif L ≤ d < dU,
- Jika 4 – d
tidak ada kesimpulan L
- Jika 4 – d
< d < 4, ada autokorelasi negatif U≤ d ≤ 4 – dL
- Jika d
, tidak ada kesimpulan U < d < 4 – dU
Dari Tabel 5.14 diperoleh nilai hitung Durbin Watson sebesar 2,371. Berdasarkan tabel d
, tidak ada autokorelasi positif maupun negatif.
W, nilai dL 1,120 dan dU 1,924. Nilai dW masuk dalam kategori 4 – dU≤ d ≤ 4 – dL,
5.3. Uji asumsi klasik setelah transformasi
yang berarti tidak ada kesimpulan.
5.3.1. Uji normalitas setelah transformasi
Setelah ditemukan masalah pada uji autokorelasi pada hipotesis ketiga, maka dilakukan transformasi model awal menjadi model first difference (Ghozali 2006) sehingga dapat menyelesaikan masalah autokorelasi dan memenuhi syarat pengujian asumsi klasik. Hasil transformasi adalah sebagai berikut:
5.3.1.1 Analisis grafik.
Uji normalitas dapat dilihat pada Gambar 5.3 dan Gambar 5.4. Hasil pengujian dapat dilihat dari Gambar 5.3 menunjukkan bahwa pada grafik histogram tampak residual terdistribusi secara normal dan berbentuk simetris tidak menceng ke kanan dan ke kiri dan tampilan grafik histogram memberikan pola distribusi normal dengan penyebaran secara merata baik ke kiri maupun ke kanan.
Sumber: Hasil Penelitian, 2013 (Data Diolah)
Gambar 5.3. Grafik histogram setelah transformasi
Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dengan distribusi plot. Pada grafik normal probability Gambar 5.4 yang menunjukkan titik-titik menyebar disekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal.
Hasil pengujian normalitas data dapat dilihat pada Gambar 5.4.
Gambar 5.4. Normal P-Plot setelah transformasi Sumber: Hasil Penelitian, 2013 (Data Diolah)
5.3.1.2
Uji Kolmogorov-Smirnov dapat dilakukan untuk menguji apakah residual terdistribusi secara normal. Hasil uji Kolmogorov-Smirnov tampak pada Tabel 5.5 dibawah ini:
Analisis statistik.
Tabel 5.5. Hasil uji kolmogorov-smirnov setelah transformasi
Ln_ROI@ Ln_PHK@ Ln_RHO@ Ln_PTK@ Ln_BTK@ Ln_SBK@ Ln_Kurs@ Ln_HCPO@
N 39 39 39 39 39 39 39 39 Normal Parameters Mean a,b 2.2946 10.3728 3.8515 5.3415 19.1463 3.2148 11.1851 7.7786 Std. Deviation .40434 .23626 .04064 1.22731 .48949 .18428 .07812 .49494 Most Extreme Differences Absolute .084 .080 .171 .104 .093 .080 .196 .175 Positive .077 .069 .103 .104 .069 .080 .196 .175 Negative -.084 -.080 -.171 -.059 -.093 -.068 -.098 -.127 Kolmogorov-Smirnov Z .525 .502 1.070 .648 .581 .497 1.221 1.094
Asymp. Sig. (2-tailed) .946 .962 .202 .795 .888 .966 .101 .182
a. Test distribution is Normal. b. Calculated from data.
Uji Kolmogorov-Smirnov menunjukkan bahwa nilai assymp.sig. pada semua variabel diatas 0,05 sehingga seluruh data dapat dikatakan telah terdistribusi normal.
5.3.2. Uji multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. (Ghozali, 2006). Pengujian dilakukan dengan melihat nilai collinearity statistic dan nilai koefisien korelasi diantara variabel bebas. Nilai yang umumnya digunakan untuk menunjukkan tidak adanya multikolonieritas terjadi apabila nilai tolerance≥ 0,10 atau dengan nilai VIF ≤ 10. Sebaliknya multikolonieritas terjadi apabila nilai
tolerance < 0,10 atau sama dengan nilai VIF > 10. Hasil pengujian multikolonieritas dapat dilihat pada Tabel 5.5.
Tabel 5.6. Hasil uji multikolonieritas setelah transformasi
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -30.444 9.841 -3.094 .004 Ln_PHK@ .957 .264 .559 3.623 .001 .487 2.053 Ln_RHO@ .248 1.550 .025 .160 .874 .478 2.090 Ln_PTK@ .133 .077 .402 1.720 .095 .212 4.713 Ln_BTK@ -.580 .189 -.702 -3.070 .004 .222 4.500 Ln_SBK@ 1.312 .601 .598 2.181 .037 .154 6.472 Ln_Kurs@ 1.935 .687 .374 2.819 .008 .660 1.515 Ln_HCPO@ .820 .198 1.004 4.134 .000 .197 5.082
a. Dependent Variable: Ln_ROI@
Dari Tabel 5.6. hasil perhitungan nilai tolerance menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antarvariabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antarvariabel independen dalam model regresi.
5.3.3. Uji autokorelasi
Tabel 5.7 Hasil uji autokorelasi setelah transformasi
Model R R Square Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 .800a .640 .559 .26858 2.052
a. Predictors: (Constant), Ln_HCPO@, Ln_Kurs@, Ln_PHK@, Ln_RHO@, Ln_BTK@, Ln_PTK@, Ln_SBK@
b. Dependent Variable: Ln_ROI@
Sumber: Hasil Penelitian, 2013 (Data Diolah) Adapun kriteria pengujiannya adalah: - Jika 0 < d < dL
- Jika d
, terjadi autokorelasi positif L ≤ d < dU,
- Jika 4 – d
tidak ada kesimpulan L
- Jika 4 – d
< d < 4, ada autokorelasi negatif U≤ d ≤ 4 – dL
- Jika d
, tidak ada kesimpulan U < d < 4 – dU
Dari Tabel 5.7 diperoleh nilai hitung Durbin Watson sebesar 2,052. Berdasarkan tabel d
, tidak ada autokorelasi positif maupun negatif.
dalam kategori dU < d < 4 – dU,