27
maupun telaah ilmiah semata. Analisis ini digunakan untuk berbagai situasi yang pada dasarnya terdiri dari tiga keadaan, yaitu:
29
1 Digunakan untuk situasi dimana diinginkan memprediksi variabel tidak bebas dalam hubungan dengan sejumlah variabel bebas.
2 Digunakan dalam mengendalikan pengaruh beberapa variabel bebas terhadap veriabel tidak bebas yang telah ditetapkan.
3 Digunakan untuk studi casual theories. Hal ini untuk menentukan langsung variabel independen apakah secara tidak langsung
berpengaruh terhadap variabel tidak bebas. Analisis ini disebut analisis path.
Dibutuhkan beberapa asumsi untuk menggunakan regresi linear secara tepat, yaitu:
1 Terdapat hubungan yang linear. Oleh karena itu, terdapat hubungan garis lurus antara variabel terikat dan sekelompok
veriabel bebas. 2 Variasi pada residu adalah sama baik untuk nilai Y besar maupun
kecil. Dengan kata lain, Y- Ŷ tidak berhungan apakah Ŷ besar
atau kecil. 3 Residu mengikuti pola distribusi probabilitas normal. Ingat
bahwa residu adalah perbedaan antara nilai Y yang sebenarnya
29
Ibnu Subiyanto, Metode Penelitian Manajemen dan Akuntansi, Yogyakarta: UKP UPP AMP YKPN, 2000, Ed.3, h. 205.
28
dengan nilai estimasinya, Ŷ. Jadi, suku Y-Ŷ dihitung dalam setiap pengamatan dalam kelompok data. Rata-rata residu
harusnya bernilai 0. 4 Variabel-variabel bebasnya tidak boleh berkorelasi
5 Residunya bersifat saling bebas. Ini berarti pengamatan berturtut- turut pada variabel bebas tidak boleh berkorelasi. Asumsi inis
sering dilanggar ketika aspek waktu dilibatkan pada asaat mengamati sampel.
30
Untuk menguji pengaruh inflasi dan JII terhadap Total NAB Reksa Dana Syariah maka model regresi linier berganda yang akan digunakan adalah:
Dimana: Y
= Variabel terikat Total NAB Reksa Dana Syariah a
= Konstanta harga Y bila X = 0 b
1
,b
2
= Koefisien regresi yang menunjukkan angka peningkatan atau penurunan variabel dependen yang didasarkan pada hubungan nilai
variabel independen. X
1
= Variabel bebas inflasi
30
Douglas. A Lind, dkk. Penerjemah: Chriswan Sungkono, Teknik-teknik Statistika dalam Bisnis dan Ekonomi Menggunakan Kelompok Data Global, ed 13, Buku 2, Jakarta:Salemba Empat,
2007, h. 141.
Y = a + b
1
X
1
+ b
2
X
2
29
X
2
= Variabel bebas JII
b. Uji Asumsi Klasik
Setelah model regresi diperoleh, maka model tersebut harus diuji sudah termasuk BLUE Best Linear Unbiased Estimator atau tidak. Jadi, dalam
penggunaan analisis regresi agar menunjukkan hubungan yang valid atau tidak biasa, maka perlu pengujian asumsi klasik pada model regresi yang digunakan.
Asumsi-asumsi dasar yang harus dipenuhi adalah sebagai berikut:
1 Uji Normalitas Data
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Maksud data terdistribusi secara normal adalah data akan mengikuti
bentuk distribusi normal. Distribusi normal data dengan bentuk dimana data memusat pada nilai rata-rata dan median. Uji normalitas bisa dilihat dengan
menggunakan grafik normal PP Plots.
31
Suatu data akan terdistribusi secara normal jika nilai probabilitas yang diharapkan apakah sama dengan nilai
probabilitas pengamatan. Jika data titik menyebar disekitar garis diagonal dan mengikuiti arah garis diagonal maka model regresi memenuhi asumsi
31
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Semarang: UNDIP, 2006, h. 147.
30
normalitas. Tetapi, jika data titik menyebar jauh dari garis diagonal maka model regresi tidak memenuhi asumsi normalitas.
32
Uji normalitas dengan grafik dapat menyesatkan, jika tidak hati-hati secara visual kelihatan normal, padahal secara statistik dapat sebaliknya.
Oleh karena itu, dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik dapat dilakukan dengan uji statistik non-parametrik
Kolmogorov-Smirnov K-S. Dasar pengambilan keputusan dari uji K-S ini adalah jika Asymp. Sig lebih besar dari 0.05 Asymp. Sig 0.05, maka
model regresi memenuhi asumsi normal.
2 Uji Multikolinearitas
Uji multikolinearitas ini digunakan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel independen bebas. Model
regresi yang baik, tidak terjadi korelasi antara variabel bebas. Jika antara variabel bebas terjadi korelasi, maka terdapat masalah multikolinearitas.
Untuk mendeteksi ada atau tidaknya multikolinearitas pada model regresi, dapat dilihat dari beberapa hal, diantaranya:
a Jika nilai Variance Inflation Factor VIF tidak lebih dari 10, maka model regresi bebas dari multikolinearitas.
32
Singgih Santoso, Buku Latihan SPSS Statistik Parametrik, Jakarta: PT Elex Media Komputindo, 2000, h. 214.
31
b Nilai Tolerance tidak kurang dari 0.10, maka model regresi bebas dari multikolinearitas.
33
3 Uji Autokorelasi
Bertujuan untuk menguji apakah suatu model regresi linier ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan pada periode
sebelumnya t-
1
.
34
Autokorelasi didefinisikan terjadinya korelasi antara data pengamatan sebelumnya, dengan kata lain bahwa munculnya suatu data
dipengaruhi oleh data sebelumnya. Jika terjadi korelasi berarti ada masalah autokorelasi. Model regresi yang baik adalah yang bebas dari autokorelasi.
Untuk mendeteksi terjadi autokorelasi atau tidak dapat dilihat melalui nilai Durbin Watson DW yang bisa dijadikan patokan untuk mnegambil
keputusan adalah: a Angka D-W di bawah
– 2, berarti ada autokorelasi positif.
b Angka D-W diantara – 2 sampai dengan + 2, bearti tidak terjadi
autokorelasi.
33
Singgih Santoso, Buku Latihan SPSS Statistik Parametrik, Jakarta: PT Elex Media Komputindo, 2000, h. 219.
34
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, Semarang: UNDIP, 2006, h. 95.
