Pengolahan Dat a St at ist ik Param et rik
int erpret asinya sam a dengan korelasi sepert i di at as (lihat cara pengolahan
Pengolahan Dat a St at ist ik Param et rik
154
- Input dat a-dat a sem ua variabel:
1. Klik halam an Dat a View
2. Ket ikkan dat a unt uk variabel x1 3. Ket ikkan dat a unt uk variabel x2 4. Ket ikkan dat a unt uk variabel y
- Sim pan dengan nam a file: Regression.
- Langkah-langkah analisisnya:
1. Klik menu Analyze 2. Regression 3. Linear
Pengolahan Dat a St at ist ik Param et rik
- Pindahkan nam a variabel:
1. Blok ROI dan ROE unt uk dipindahkan ke kolom independent s 2. Klik t anda panah
3. Klik Harga Saham unt uk dipindahkan ke kolom dependent 4. Klik t anda panah
5. Klik t om bol St at ist ic
Pengolahan Dat a St at ist ik Param et rik
156
- Beri t anda ceklis pada it em-it em sepert i gam bar di baw ah ini. Klik Cont inue
- Selanjut nya lakukan proses berikut ini:
1. Klik t om bol Plot s
2. Klik * Zpred unt uk dipindahkan ke kolom X 3. Klik t anda panah
4. Klik * SDRESID unt uk dipindahkan ke kolom Y 5. Klik t anda panah
6. Ceklis Hist rogram dan Norm al Probabilit y Plot 7. Klik Cont inue
8. Set elah kem bali ke m enu sem ula, Klik OK (8).
Pengolahan Dat a St at ist ik Param et rik
- Selanjut nya akan t erlihat halam an out put nya, dan simpan dengan nam a file: out put regression
Langkah-langkah analisis yang diperlukan unt uk m enganalisis regresi berganda adalah sebagai berikut :
a. M enganalisis regresi (1) Persam aan regresi (2) R-Square
(3) Pengujian hipot esis
b. M enguji asum si klasik regresi berganda at au dikenal juga dengan BLUE (Best Linear Unbias Est imat ion)
(1) Norm alit as (2) M ult ikolinearit as (3) Het erokedast isit as
(4) Aut okorelasi (aut okorelasi hanya digunakan unt uk dat a t ime series/ runt ut w akt u, t idak unt uk dat a cross sect ional sepert i dat a dari angket )
Dalam analisis regresi, uji asum si klasik dilakukan bukan m endahului analisis (apriori), t et api dilakukan set elah analisis regresi berganda (apost eorit i).
Apabila hasil pengujian hipot esis menghasilkan penolakan H0 (ada hubungan yang signifikan) m aka tidak perlu dilakukan pengujian asum si.
Tet api jika hasil pengujian hipot esis m enghasilkan penerim aan H0 (t idak ada hubungan yang signifikan) m aka barulah diperlukan pengujian asum si (Azw ar, 2000).
a. M enganalisis regresi
Regresi dapat dianalisis dengan cara-cara berikut ini.
(1). Persam aan regresi
M odel persam aan regresi berganda dalam cont oh ini adalah:
Y=+1X1+2X2+e
Dari dat a di at as, m aka m odel persam aan regresinya adalah:
Pengolahan Dat a St at ist ik Param et rik
158 Y=129,154+34,208X1+130,529X2
Persam aan t ersebut berm akna jika ROE dit ingkat kan 100 % m aka harga saham akan m eningkat1 sebesar 34,208 rupiah, dan ROI dit ingkat kan 100 % m aka harga saham akan m eningkat sebesar 130,529 rupiah.
Apabila persam aan regresi t idak m enggunakan konstant a (const ant ) m aka nilai koefisien yang digunakan adalah pada kolom st andardized Coeeficient s. Persamaan regresinya adalah: Y=0,296+0,692. Int erpret asinya sam a dengan di at as.
(2). R-Square
Nilai R-Square adalah unt uk m elihat bagaim ana variasi nilai variabel t erikat dipengaruhi oleh variasi nilai variabel bebas.
Dat a di at as m enunjukkan nilai R-Square sebesar 0,918, hal ini berart i bahw a 91,8 % variasi nilai harga saham dit ent ukan oleh peran dari variasi nilai ROI dan ROE. Banyak orang mem aknai secara prakt is nilai R-Square t ersebut dengan kalim at sepert i konst ribusi nilai ROI dan ROE dalam m em pengaruhi harga saham adalah sebesar 91,8 %, sem ent ara 8,2 % adalah konst ribusi variabel lain yang t idak t erm asuk di dalam m odel regresi ini.
(3) Pengujian hipot esis
Unt uk m enganalisis apakah hipot esis dit erim a at au dit olak, maka dapat dilihat nilai F yakni pada nilai probabilit asnya. Hipot esisnya adalah:
- H0: Pengaruh ROI dan ROE t erhadap harga saham adalah t idak signifikan
- Ha: Pengaruh ROI dan ROE t erhadap harga saham adalah signifikan
1 Cat at an: jika t anda adalah negatif (–) berarti t erjadi penurunan, dan jika tanda adalah posit if (+) berarti menunjukkan kenaikan
Pengolahan Dat a St at ist ik Param et rik
Krit eria penerim aan/ penolakan hipot esis adalah sebagai berikut :
Tolak H0 jika nilai probabilit as yang dihit ung < probabilit as yang dit et apkan sebesar 0.05 (Sig.<0.05)
Terim a H0 jika nilai probabilit as yang dihit ung > probabilit as yang dit et apkan sebesar 0.05 (Sig.>0.05)
Dari hasil pengolahan dat a di at as t erlihat bahw a nilai F dengan probabilit as Sig.0.000<0.05. Dengan dem ikian H0 dit olak. Kesim pulannya: Pengaruh ROI dan ROE t erhadap harga saham adalah signifikan.
Apabila penelit i berm aksud m enganalisis regresi parsial (sebuah variabel bebas dengan sebuah variabel t erikat ), m aka nilai yang digunakan unt uk m enguji hipot esisnya adalah “ nilai t ” , m aka dapat dilihat nilai probabilit asnya.
M isalnya penelit i berm aksud m enguji apakah ROI berpengaruh signifikan t erhadap harga saham , m aka hipot esisnya:
- H0: Pengaruh ROI t erhadap harga saham t idak signifikan - Ha: Pengaruh ROI t erhadap harga saham signifikan
Krit eria penerim aan/ penolakan hipot esis adalah sebagai berikut :
Tolak H0 jika nilai probabilit as < t araf signifikan sebesar 0.05 (Sig. <
0.05)
Terim a H0 jika nilai probabilit as > t araf signifikan sebesar 0.05 (Sig. >
0.05)
Pengolahan Dat a St at ist ik Param et rik
160
Dari hasil pengolahan dat a di at as t erlihat bahw a nilai probabilit as (Sig) adalah sebesar 0.013 (Sig.0.013<0.05) Dengan dem ikian H0 dit olak.
Kesim pulannya: Pengaruh ROI t erhadap harga saham adalah signifikan.
b. Uji Asumsi Klasik Regresi Berganda
Uji asum si klasik regresi berganda bert ujuan unt uk m enganalisis apakah m odel regresi yang digunakan dalam penelitian adalah m odel yang t erbaik.
Jika m odel adalah m odel yang baik, m aka hasil analisis regresi layak dijadikan sebagai rekom endasi unt uk penget ahuan at au unt uk t ujuan pem ecahan m asalah prakt is.
(1). Norm alit as
Pengujian norm alit as dat a dilakukan unt uk m elihat apakah dalam m odel regresi, variabel dependen dan independennya m emiliki dist ribusi norm al at au t idak. Jika dat a m enyebar di sekit ar garis diagonal dan m engikut i arah garis diagonal m aka m odel regresi mem enuhi asum si norm alit as (Gujarat i, 2003; Sant oso, 2000, Arif, 1993).
Gam bar di at as m engindikasikan bahw a m odel regresi t elah m em enuhi m em enuhi asum si yang t elah dikem ukakan sebelum nya, sehingga dat a dalam m odel regresi penelit ian ini cenderung norm al.
Cara lain m enguji norm alit as dat a adalah dengan m enggunakan Kolm ogorov Smirnov.
Pengolahan Dat a St at ist ik Param et rik
Langkah-langkah pengolahan dat anya:
Analyze
Nonparam at eric t est
1 Sam ple K-S
Pindahkan ke kolom variables, variabel m ana yang hendak diuji norm alit asnya
Ceklis Norm al
Ok
Krit eria unt uk m enent ukan normal at au t idaknya dat a, m aka dapat dilihat pada nilai probabilit asnya. Dat a adalah norm al, jika nilai Kolm ogorov Sm irnov adalah t idak signifikan (Asym p. Sig (2-t ailed)> 0,05).
(2). M ult ikolinearit as
M ult ikolinearit as digunakan unt uk m enguji apakah pada m odel regresi dit em ukan adanya korelasi yang kuat ant ar variabel independen (Gujarat i, 2003; Sant oso, 2000, Arief, 1993). Cara yang digunakan unt uk m enilainya adalah dengan m elihat nilai fakt or inflasi varian (Variance Inflasi Fact or/ VIF), yang t idak m elebihi 4 at au 5 (Hines dan M ont gom ery, 1990).
Kedua variabel independen yakni ROE dan ROA m em iliki nilai VIF dalam bat as t oleransi yang t elah dit ent ukan (t idak m elebihi 5), sehingga t idak t erjadi m ult ikolinearit as dalam variabel independen penelit ian ini.
(3). Het erokedast isit as
Het erokedast isit as digunakan unt uk menguji apakah dalam m odel regresi, t erjadi ket idaksam aan varians dari residual dari suat u pengam at an yang lain. Jika variasi residual dari sat u pengam at an ke pengam at an yang lain t et ap, m aka disebut hom okedast isit as, dan jika varians berbeda disebut het erokedast isit as. M odel yang baik adalah t idak t erjadi het erokedast isit as (Arief, 1993; Gujarat i, 2001).
Pengolahan Dat a St at ist ik Param et rik
162
Dasar pengam bilan keput usannya adalah: jika pola t ert ent u, sepert i t it ik- t it ik (poin-poin) yang ada m em bent uk suat u pola t ert ent u yang t erat ur, m aka t erjadi het erokedast isit as. Jika t idak ada pola yang jelas, sert a t it ik- t it ik (point -point ) m enyebar di bawah dan di at as angka 0 pada sum bu Y, m aka t idak t erjadi het erokedast isit as (Sant oso, 2000).
Gam bar di at as mem perlihat kan t it ik-t itik m enyebar secara acak, t idak m em bent uk pola yang jelas/ t erat ur, sert a t ersebar baik di at as m aupun di baw ah angka 0 pada sum bu Y. Dengan demikian “ t idak t erjadi het erokedast isit as” pada m odel regresi.
Cara lain unt uk m enguji het erokedast isit as adalah dengan m enggunakan uji Glejser, dilakukan dengan meregresikan variabel-variabel bebas t erhadap nilai absolut residualnya.
Langkah-langkah analisisnya dengan SPSS SPSS (Gunakan dat a X1, X2 dan Y):
– Pert am a: M enent ukan nilai residual
Analyze
Regression
Linear
M asukkan variabel bebas (X1 dan X2) ke independen, dan variabel t erikat (Y) ke dependen
Klik Save
Ceklis Unst andardize pada bagian Residuals
Cont inue
OK
Pada halam an Dat a View akan t erlihat variabel baru (Res_1 yakni Unst andardized Residual) dan skor-skornya. Skor-skor ini yang akan dist ransform asi menjadi nilai absolut residual dalam langkah berikut nya.
Pengolahan Dat a St at ist ik Param et rik
- Kedua: Transform asi nilai residual m enjadi nilai absolut residual (Gunakan variabel AbsRes)
Transform
Com put e Variable
Pada Target variable ket ikkan nam a variabel absolut residual yang akan dicari (m isalnya AbsRes)
Pada Funct ion Group klik Arit met ic
Pada Funct ion and Special Variables, klik 2 kali pada Abs, hasilnya akan t erlihat di kolom Num eric Expression (t ert ulis ABS(?)
Pada bagian di baw ah Type and Label, klik Unst andardized Residual (RES_1)
Klik t anda panah unt uk m em indahkan ke kolom Num eric Expression (Hasilnya akan t ert ulis ABS(RES_1)
OK
Pada halam an Dat a View akan t erlihat variabel baru Absolut Residual (AbsRes) dan skor-skornya.
- Ket iga: Regresikan seluruh variabel bebas/ independen (X1 dan X2) dengan variabel Absolut Residual (AbsRes) sebagai variabel t erikat / dependen:
Analyze
Regression
Linear
Pindahkan seluruh variabel independen (X1, X2) ke kolom Independent (s)
Pindahkan variabel dependen (Absolut Residual (AbsRes) ke kolom dependent (s)
Ok
Krit eria penarikan kesim pulan: t idak t erjadi het erokedast isit as jika nilai t dengan probabilit as sig>0,05 (lihat pada out put yakni pada t abel Coefficient s)
(4). Aut okorelasi (khusus unt uk dat a t im e series)
Aut okorelasi bert ujuan unt uk m enguji apakah dalam sebuah m odel regresi linear ada korelasi ant ara kesalahan pengganggu pada periode ke t dengan kesalahan pada periode t -1 (sebelum nya). Jika t erjadi korelasi, m aka dinam akan ada problem aut okorelasi. M odel regresi yang baik adalah bebas dari aut okorelasi.
Salah sat u cara m engident ifikasinya adalah dengan m elihat nilai Durbin Wat son (D-W):
Pengolahan Dat a St at ist ik Param et rik
164
- Jika nilai D-W di baw ah -2 berart i ada aut okorelasi posit if
- Jika nilai D-W diant ara -2 sam pai +2 berart i t idak ada aut okorelasi - Jika nilai D-W di at as +2 berart i ada aut okorelasi negat if
Dari nilai di at as t erlihat bahw a nilai Durbin Wat son adalah 1,768. Dengan dem ikian t idak t erjadi aut okorelasi di dalam m odel regresi.