4.5 Analisis Data
4.5.2 Uji Penyimpangan Asumsi Klasik .1 Uji Normalitas
Untuk melihat apakah data terdistribusi normal maka perlu dilakukan uji Normalitas dengan menggunakan Jarque-Bera Test (J-B test) dengan melihat probability. Apabila angka probability > 0,05 maka data berdistribusi normal, sebaliknya apabila angka probability < 0,05 maka data tidak berdistribusi normal.
Gambar 4.6 Uji Normalitas
Dari hasil uji normalitas diperoleh nilai probability yang lebih besar dari 0,05 (0,183 > 0,05). Dengan demikian data-data pada penelitian ini berdistribusi normal.
0 1 2 3 4 5 6 7 -0.4 -0.2 -0.0 0.2 0.4 0.6 Series: Residuals Sample 2009M01 2011M12 Observations 36 Mean -7.89e-16 Median -0.007908 Maximum 0.688677 Minimum -0.447077 Std. Dev. 0.228781 Skewness 0.626600 Kurtosis 3.833344 Jarque-Bera 3.397457 Probability 0.182916
4.5.2.2 Multikolinearitas
Multikolinearitas merupakan suatu kondisi dimana terdapat korelasi variabel independen di antara satu dengan yang lainnya. Dalam penelitian ini terdapat multikolinearitas di antara variabel-variabel independennya. Hal ini dapat dilihat dari setiap koefisien masing-masing variabel.
Y = α + β������ + β������ + µ...(1)
Permintaan SUN oleh investor asing = f (Suku bunga deposito, Kurs)
Kemudian dilakukan pengujian di antara masing-masing variabel independen, hal ini ditujukan untuk melihat apakah ada hubungan antara variabel independen. Sehingga diperoleh hasil analisis regresi variabel independen sebagai berikut:
a) Suku bunga deposito = f (Kurs)
Suku bunga deposito = α + β������(Kurs) + µ...(2)
Dari hasil analisis regresi diperoleh R2 sebesar 0,83. Artinya, variabel kurs (X2) mampu menjelaskan variabel nilai suku bunga deposito sebesar 83%. R2 Y, X1, X2 <
R2 X1, X2 (47,4% < 83%). Dengan demikian terdapat gejala multikolinearitas dalam penelitian ini.
b) Kurs = f (suku bunga deposito)
Kurs = α + β������(Suku bunga deposito) + µ...(3)
Dari hasil analisis regresi diperoleh R2 sebesar 0,829. Artinya, variabel suku bunga deposito (X1) mampu menjelaskan variabel nilai kurs sebesar 82,9%. R2 Y, X1,
X2 < R2 X1, X2 (47,4% < 82,9%). Dengan demikian terdapat gejala multikolinearitas dalam penelitian ini.
Tabel 4.5
Korelasi Parsial Antar Variabel Independen LDEPOSITO LKURS LDEPOSITO 1.000000 0.910764
LKURS 0.910764 1.000000
Dari tabel hasil estimasi di atas dapat dilihat bahwa antara variabel suku bunga deposito dan nilai kurs memiliki hubungan linier yang kuat karena angka korelasinya lebih besar dari 0,85 (0,91 > 0,85). Karena terdapat multikoliniearitas, maka harus dilakukan penyembuhan multikolinearitas. Penyembuhan multikoliniearitas dapat dilakukan dengan beberapa cara, salah satunya dengan cara menghilangkan salah satu variabel independen yang mempunyai hubungan linier kuat. Namun dalam penelitian ini hanya digunakan dua variabel independen yaitu suku bunga deposito (X1) dan nilai kurs (X2) dalam menjelaskan variabel dependen yakni permintaan SUN oleh investor asing (Y), sehingga untuk mengatasi multikolinearitas penulis akan mengganti salah satu variabel independen tersebut dengan variabel lain.
Variabel independen yang digunakan untuk mengatasi multikolinearitas pada penelitian ini adalah inflasi. Penulis akan menguji variabel baru tersebut dengan variabel nilai kurs.
Dengan demikian diperoleh hasil:
Tabel 4.6
Korelasi Parsial Nilai Kurs dan Inflasi LKURS LINFLASI LKURS 1.000000 0.165790 LINFLASI 0.165790 1.000000
Dari hasil estimasi di atas tidak ada multikolinearitas antara variabel bebas (nilai kurs dan inflasi). Hasil estimasi korelasi antara variabel-variabel tersebut ttidak lebih besar dari 0,85. Sehingga dalam penelitian ini sebaiknya menggunakan variabel inflasi untuk mengganti salah satu variabel bebas yaitu suku bunga deposito.
Dengan demikian dilakukan pengujian kembali pengaruh nilai kurs dan inflasi terhadap permintaan SUN oleh investor asing. Sehingga diperoleh hasil estimasi sebagai berikut:
Tabel 4.7 Hasil Estimasi
LogSUN= -19.62552 + 2.504468LogKurs – 0.361069LogInflasi
Std. Error (3.926) (0.432) (0.102) t- statistik (-4.998) (5.799)*** (-3.553)*** R2 = 0.551 Adjusted R2 = 0.524 DW- statistik = 0.884 F- statistik = 20.266 Prob. Statistik = 0.000 Keterangan: (***) : signifikan pada α = 1%
*Interpretasi Model
1. Dari tabel regresi di atas diperoleh koefisien determinas (R2) sebesar 0.551 atau 55,1%. Artinya variabel kurs dan inflasi secara bersama menjelaskan permintaan SUN oleh investor asing sebesar 55,1% sedangkan sisanya 44,9% dijelaskan oleh variabel-variabel lainnya yang tidak diikutsertakan dalam model estimasi.
2. Nilai kurs berpengaruh positif terhadap perkembangan permintaan SUN oleh investor asing dengan koefisien sebesar 2.504. Artinya, setiap kenaikan nilai kurs sebesar 1 rupiah akan meningkatkan permintaan asing terhadap SUN di Indonesia sebesar 2,504 miliar Rupiah.
3. Inflasi berpengaruh negatif terhadap perkembangan permintaan SUN oleh investor asing dengan koefisien sebesar -0.361. Artinya, setiap kenaikan inflasi sebesar 1 persen akan menurunkan permintaan asing terhadap SUN di Indonesia sebesar 0,361 miliar Rupiah.
Uji Normalitas
Untuk melihat apakah data nilai kurs dan inflasi terdistribusi normal maka perlu dilakukan uji Normalitas dengan menggunakan Jarque-Bera Test (J-B test) dengan melihat probability.
Gambar 4.7 Uji Normalitas
Dari hasil uji normalitas diperoleh nilai probability yang lebih besar dari 0,05 (0,1 > 0,05). Dengan demikian data-data pada penelitian ini berdistribusi normal.
Uji F- statistik
Berdasarkan hasil estimasi diperoleh nilai F- hitung > F- tabel (20.266 > 5.390), dengan demikian H0 ditolak. Artinya, suku bunga deposito dan kurs secara bersama-sama berpengaruh nyata pada peningkatan permintaan SUN oleh investor asing dengan tingkat kepercayaan 99%.
Uji t- statistik 1. Nilai Kurs
Dari analisis regresi diperoleh t- hitung = 5.799 α = 1%, df = n – k – 1 = 36 – 2 – 1 df = 33 maka t- tabel = 2.750 0 2 4 6 8 10 -0.4 -0.2 -0.0 0.2 0.4 0.6 Series: Residuals Sample 2009M01 2011M12 Observations 36 Mean -9.24e-16 Median -0.034955 Maximum 0.637878 Minimum -0.434102 Std. Dev. 0.211332 Skewness 0.726822 Kurtosis 3.973893 Jarque-Bera 4.592325 Probability 0.100644
Dari hasil estimasi dapat diketahui bahwa nilai kurs signifikan pada α = 1% dengan t- hitung > t- tabel ( 5.799 > 2.750 ). Yang artinya nilai kurs berpengaruh signifikan terhadap perkembangan permintaan asing terhadap SUN di Indonesia dengan tingkat kepercayaan 99%.
2. Inflasi
Dari analisis regresi diperoleh t- hitung = -3.553 α = 1%, df = n – k – 1 = 36 – 2 – 1
df = 33 maka t- tabel = 2.750
Dari hasil estimasi dapat diketahui bahwa nilai kurs signifikan pada α = 1% dengan t- hitung < t- tabel ( -3.553 < -2.750 ). Yang artinya inflasi berpengaruh signifikan terhadap perkembangan permintaan asing terhadap SUN di Indonesia dengan tingkat kepercayaan 99%. Hal ini juga sesuai dengan hipotesis yang menyatakan bahwa apabila terjadi kenaikan pada inflasi, maka permintaan SUN oleh investor asing akan menurun, ceteris paribus.
4.5.2.3 Autokorelasi
Uji DW digunakan untuk mengetahui apakah di dalam model terdapat autokorelasi di antara variabel-variabel yang diamati.
Hipotesis:
Ho : ρ = 0, artinya tidak ada autokorelasi
Ha : ρ ≠ 0, artinya ada autokorelasi
Dari hasil analisis regresi diketahui DW- hitung = 0.884. Sementara nilai-nilai tabel yang diperoleh adalah:
k = 2 ; n = 36 α = 1% du = 1.587 dl = 1.353 4 – du = 2.413 4 – dl = 2.647 Kesimpulan:
DW < dl = 0.884 < 1.353, artinya Ho ditolak (terdapat autokorelasi).
Berdasarkan hasil estimasi pengaruh inflasi dan nilai kurs terhadap permintaan SUN oleh investor asing diperoleh DW- statistik sebesar 0.884. Sedangkan pada tingkat signifikan α = 5%, k = 2, dan n = 36 diperoleh nilai dl = 1.354, dan du = 1.587.
Berdasarkan hasil perbandingan nilai DW hitung dan DW tabel, terdapat autokorelasi positif dalam model regresi di atas.
Cara Mengatasi Autokorelasi
Untuk mengatasi autokorelasi, dimulai dari model persamaan berikut:
Y = α - β1 X1 - β2 X2+ μ
Dan μ = ρμ + v
Selanjutnya model persamaan menjadi:
µ merupakan error term yang mengandung autokorelasi murni, ρ adalah koefisien autokorelasi, dan v adalah term of error yang memenuhi asumsi klasik. Jika kita dapat menghilangkan ρµ dari persamaan di atas, maka masalah autokorelasi akan hilang karena term of error yang tinggal hanya v yang tidak mengandung autokorelasi. Untuk menghilangkan ρµ, maka persamaan di atas akan dikalikan dengan ρ dan dibuat log-nya. Jika diasumsikan ρ = 1, maka persamaan di atas menjadi:
Y – Yt= αt (X1 – X1t) - (X2 – X2t) +μ
Pada persamaan di atas, nilai intercept / konstanta sudah tidak ada lagi, sehingga hanya regresi antar variabel Y, X1, dan X2.
Diperoleh hasil estimasi sebagai berikut:
Tabel 4.8
Hasil Estimasi Uji Autokorelasi
Dependent Variable: D(LSUN) Method: Least Squares Date: 04/10/12 Time: 21:30
Sample (adjusted): 2009M02 2011M12 Included observations: 35 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. D(LKURS) 2.939088 1.478406 1.988012 0.0552 D(LINFLASI) -0.092613 0.240556 -0.384995 0.7027 R-squared 0.107001 Mean dependent var 0.001730 Adjusted R-squared 0.079940 S.D. dependent var 0.208411 S.E. of regression 0.199908 Akaike info criterion -0.326478 Sum squared resid 1.318781 Schwarz criterion -0.237601 Log likelihood 7.713362 Durbin-Watson stat 1.964253
Hasil estimasi di atas menunjukkan nilai DW- stat sebesar 1.964. Hal ini mengindikasikan bahwa upaya mengatasi autokorelasi telah dilakukan. Dapat dilihat du < DW < (4 – dl) = 1.587 < 1.964 < 2.647, yang artinya sudah tidak terdapat lagi autokorelasi.
BAB V