5.2. Hasil Analisis Data dan Pembahasan
5.2.1. Deskripsi data
Data dalam penelitian ini didapatkan sumber data sekunder atau jenis data time series dari Januari 2006 sampai dengan Juni 2010. Deskripsi data dilakukan
pada variabel-variabel yang akan diuji, yaitu inflasi, nilai tukar rupiah dan Indeks Dow Jones serta IHSG. Berikut hasil deskripsi datanya:
Tabel 5.5. Rangkuman Statistik Deskriptif
Descriptive Statistics Mean
Std. Deviation N
IHSG_Y 2.0319E3
537.16569 54
Inflasi_X1 8.2102
4.31243 54
Nilai Tukar_X2 9.5583E3
792.00158 54
DowJones_X3 1.1103E4
1744.60822 54
Berdasarkan Tabel 5.5 diketahui bahwa nilai-nilai deskripsi seperti mean, standar deviasi, median, variance, range, maksimum dan minimum. Nilai rata-rata,
inflasi 8,21 persen, nilai tukar sebesar Rp. 9558,30, Indeks Dow Jones 11103 poin dan IHSG rata-rata 2031 point. Jumlah variabel selama observasi dengan standar
deviasi untuk inflasi sebesar 4,31 persen, nilai tukar 792,01, Dow Jones sebesar 1744,61 dan IHSG sbesar 537,17. Nilai deskripsi data menggambarkan secara umum
karakteristik variabel yang akan diteliti.
5.2.2. Uji Asumsi Klasik
Untuk menghasilkan analisis data yang akurat, maka model regresi linier berganda harus memenuhi beberapa asumsi klasik. Asumsi-asumsi klasik yang harus
pdf M achine - is a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Ge t your s now
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your product a lot easier t o use and m uch preferable t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
dipenuhi antara lain uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan
uji autokorelasi.
5.2.2.1. Uji normalitas data Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika
data normal, gunakan statistik parametrik dan jika data tidak normal gunakan statistik non parametrik, atau lakukan treatment agar data normal. Data yang baik
adalah data yang mempunyai pola distribusi normal, yaitu distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Menurut Ghozali 2005, uji
normalitas dilakukan untuk menguji apakah model regresi, variabel independen, dan variabel dependennya memiliki distribusi data normal atau tidak. Model regresi yang
baik adalah memiliki distribusi data normal atau mendekati normal. Uji normalitas dilakukan dengan uji Kolmogorov Smirnov atau analisis grafis. Distribusi data
dikatakan normal jika signifikansi 0.05. Untuk melihat normalitas data dapat juga dilakukan dengan melihat histogram atau normal probabilitas plot.
5.2.2.2. Multikolinieritas Uji multikolinieritas adalah bertujuan untuk mengetahui apakah terdapat
korelasi yang cukup besar antar sesama variabel bebas X. Korelasi yang terlalu tinggi antar sesama X akan berpengaruh pada menurunnya korelasi secara simultan
terhadap variabel Y. Untuk mendeteksi terjadinya multikolinieritas digunakan uji serempak yaitu apabila secara serempak variabel berpengaruh nyata tetapi secara
parsial lebih banyak variabel yang tidak nyata, dengan nilai koefisien korelasi antara variabel lebih besar dari 0,8 dari masing-masing variabel independen. Selain itu dapat
pdf M achine - is a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Ge t your s now
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your product a lot easier t o use and m uch preferable t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
juga menggunakan nilai Variance Inflating Factor VIF masing-masing variabel independen pada model, dengan kriteria data penelitian bebas dari masalah
heteroskedastisitas jika nilai Variance Inflating Factor VIF 5.
Tabel 5.6. Hasil Uji Multikolinieritas
Correlations IHSG_Y
Inflasi_X1 Nilai
Tukar_X2 DowJones_X
3
Pearson Correlation IHSG_Y 1.000
-.689 -.406
.310 Inflasi_X1
-.689 1.000
-.002 .037
Nilai Tukar_X2 -.406
-.002 1.000
-.764 DowJones_X3
.310 .037
-.764 1.000
Sig. 1-tailed IHSG_Y
. .000
.001 .011
Inflasi_X1 .000
. .494
.395 Nilai Tukar_X2
.001 .494
. .000
DowJones_X3 .011
.395 .000
. N
IHSG_Y 54
54 54
54 Inflasi_X1
54 54
54 54
Nilai Tukar_X2 54
54 54
54 DowJones_X3
54 54
54 54
pdf M achine - is a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Ge t your s now
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your product a lot easier t o use and m uch preferable t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
Tabel 5.7. Hasil Uji Heteroskedastisitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF
1 Constant
4874.404 1229.165
3.966 .000
Inflasi_X1 -86.211
10.555 -.692
-8.168 .000
.997 1.003
Nilai Tukar_X2 -.245
.089 -.361
-2.749 .008
.415 2.409
DowJones_X3 .019
.040 .060
.458 .649
.415 2.412
a. Dependent Variable: IHSG_Y
Kriteria yang digunakan adalah jika nilai koefisien korelasi antara variabel bebas lebih kecil dari nilai 0,8 maka data bebas dari masalah multikolinieritas. Dari
Tabel 5.6, ketika variabel-variabel independen regresikan maka nilai korelasi lebih kecil dari nilai 0.8 yaitu inflasi = 0.002 dan 0,037; nilai tukar = 0.002 dan 0.764;
Indeks Dow Jones = 0.37 dan 0.764. Nilai Variance Inflating Factor VIF juga menunjukkan semua variabel independen lebih kecil dari 5 hal ini dapat lihat pada
Tabel 5.7 1,003 5; 2,409 5; 2,412 5, sehingga dapat dikatakan bahwa data penelitian bebas dari masalah multikolinieritas, atau model ini regresi ini baik karena
tidak terjadi korelasi di antara variabel bebas. 5.2.2.3. Uji heteroskedastisitas
Heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lainnya.
Jika varian residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang
pdf M achine - is a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Ge t your s now
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your product a lot easier t o use and m uch preferable t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas. Gejala heteroskedastisitas dapat diuji dengan menggunakan metode grafik yaitu dengan
melihat ada tidaknya pola tertentu yang tergambar pada scatterplot Ghozali, 2005. Dasar pengambilan kesimpulan dari grafik scatterplot adalah jika ada pola
tertentu seperti titik-titik point-point yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka telah terjadi
heteroskedastisitas. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y maka tidak terjadi heteroskedastisitas pada
model regresi.
Gambar 5.9. Hasil Uji Heteroskedastisitas
Diketahui dari Gambar 5.9 bahwa hasilnya tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y maka tidak terjadi
heteroskedastisitas pada model regresi.
pdf M achine - is a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Ge t your s now
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your product a lot easier t o use and m uch preferable t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
5.2.2.4. Autokorelasi Uji Autokorelasi adalah keadaaan di mana variabel pengganggu berkorelasi
dengan variabel lainnya. Menurut Algifari 2000, uji autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antar anggota serangkaian observasi yang
diurutkan menurut waktu data time series atau ruang data cross section. Pengujian autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Konsekuensi dari adanya autokorelasi dalam suatu model regresi adalah varians
sampel tidak dapat menggambarkan varians populasi. Autokorelasi timbul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Model regresi
yang baik adalah yang bebas dari autokorelasi. Untuk menguji apakah hasil estimasi model regresi tersebut tidak
mengandung korelasi serial diantara disturbance term-nya, maka dapat dilakukan uji, 2005. Dasar pengambilan keputusan ada tidaknya autokorelasi sebagai berikut:
1. Bila nilai DW terletak diantara batas atas atau upper bound du dan 4-du maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound sebesar dl maka koefisien autokorelasi 0, berarti ada autokorelasi positif.
3. Bila nilai DW lebih besar dari 4-dl maka koefisien autokorelasi 0, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak antara du dan dl atau DW terletak antara 4-du dan 4-dl, maka hasilnya tidak dapat disimpulkan.
pdf M achine - is a pdf w r it e r t ha t pr oduce s qua lit y PD F file s w it h e a se
Ge t your s now
“ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your product a lot easier t o use and m uch preferable t o Adobes A.Sar r as - USA
Universitas Sumatera Utara
Hasil pengujian autokorelasi menggunakan analisis Durbin Watsons DW dengan nilai DW hitung sebesar 0,250. Untuk mengintepretasikan hasil analisis ini
dilakukan dengan mencari nilai DW tabel dengan N=54 dan k=3, di mana N=54 didapatkan dari jumlah responden yang diuji dalam penelitian ini, dan k=3 adalah
banyaknya jumlah prediktor atau variabel bebas. Berdasarkan pada tabel DW didapatkan nilai DU= 1,6800. dan nilai DL= 1,4464. Seperti pada Tabel 5.8 berikut:
Tabel 5.8. Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted
R Square Std. Error
of the Estimate
Change Statistics Durbin-
Watson R Square
Change F Change df1 df2
Sig. F Change
1 .801
a
.642 .621
330.86683 .642
29.899 3
50 .000
.250 a. Predictors: Constant, DowJones_X3, Inflasi_X1, Nilai
Tukar_X2 b. Dependent Variable: IHSG_Y
Diketahui dari Tabel 5.8 tersebut, bahwa nilai DW hitung sebesar 0.25 lebih kecil daripada nilai DU pada DW tabel, sehingga dengan kriteria dw dl, maka ada
autokorelasi positif. Berdasarkan hasil tersebut dapat disimpulkan bahwa model yang diuji ini terjadi persoalan autokorelasi, hal ini disebabkan karena data inflasi dihitung
berdasarkan data tahun lalu. Data inflasi yang kita uji diambil dari Bank Indonesia.
5.2.3. Pengujian Hipotesis
Kategori