BAB III METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah menganalisis tingkat inflasi, BI rate, kurs rupiah, dan jumlah uang beredar, terhadap volume perdagangan
saham di Indonesia selama periode Januari 2006 sampai dengan Desember 2009.
B. Metode Penentuan Sampel
Populasi dalam penelitian ini adalah tingkat inflasi, BI Rates, jumlah uang beredar, Kurs Rupiah, dan volume perdagangan saham. Sedangkan
sampel dalam penelitian ini adalah data bulanan selama 5 tahun, mulai dari Januari 2006 sampai dengan Desember 2009 dari data tingkat inflasi, BI Rate,
jumlah uang yang beredar, nilai tukar rupiah terhadap dolar Amerika, dan volume perdagangan saham perusahaan-perusahaan yang tercatat di Bursa
Efek Indonesia.
C. Metode Pengumpulan Data
Seluruh data yang digunakan dalam penelitian ini merupakan data sekunder runtun waktu time series dari bulan Januari 2006 sampai dengan
Desember 2009 yang bersumber dari Bank Indonesia, Biro Pusat Statistik, dan Bursa Efek Indonesia.
46
D. Metode Analisis
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel dependent, variabel independent atau keduanya
terdistribusi normal atau tidak. Model regresi yang baik adalah yang disribusi datanya normal atau mendekati normal.
Untuk menguji apakah data terdisribusi normal atau tidak, dapat dilakukan dengan beberapa cara. Salah satu metode menguji normalitas
data adalah dengan melihat grafik Normal Probabilty Plot. Menurut Singgih Santoso 2000: 214 untuk melakukan pengujian normalitas data
dapat dilihat dari penyebaran data pada sumbu diagonal dari grafik. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal,
maka model tersebtu memenuhi asumsi normalitas. Sebaliknya jika data menyebar menjauhi garis diagonal dan atau tidak mengikuti arah garis
diagonal, maka model regresi tersebut tidak memenuhi asumsi normalitas. Selain itu untuk menguji normalitas data dapat pula dilakukan
dengan Kolmogorov Smirnov. Jika nilai K-S kurang dari nilai tabel atau nilai 2 tailed p lebih besar dari
α berarti data adalah normal. Jika nilai K-S lebih dari nilai tabel atau nilai 2 tailed p lebih kecil dari
α berarti data tidak normal.
47
2. Uji Asumsi Klasik
Dalam penggunaan analisis regresi agar menunjukkan hubungan yang valid atau tidak bias maka perlu pengujian asumsi klasik pada model regresi
yang digunakan. Adapun asumsi dasar yang harus dipenuhi antara lain : a.
Uji Multikolinearitas Multikolinieritas pertama kali dikemukakan oleh ranger Frish
dalam bukunya “Statistical Confluence Analysis By Means Of Complete Regression System”. Frish mengatakan bahwa multikolinier adalah adanya
lebih dari satu hubungan linier yang sempurna Suharyadi, 2004:528. Multikolinearitas adalah suatu keadaan dimana satu atau lebih
variabel independent terdapat korelasi atau hubungan dengan variabel independent lainnya atau dengan kata lain satu atau lebih variabel
independent merupakan satu fungsi linear dari variabel independent lainnya. Artinya bahwa jika di antara peubah-peubah bebas yang
digunakan sama sekali tidak berkorelasi satu dengan yang lain bahwa bisa dikatakan tidak terjadi multikolinearitas.
Uji Multikoliearitas bertujuan untuk menguji apakah pada model regresi ditemukan ada tidaknya hubungan antara beberapa atau semua
variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel
independen yang nilai korelasi antar sesama variabel independen sama dengan nol.
48
Untuk mendeteksi multikolinearitas pada suatu model dapat dilihat dari nilai tolerance dan VIF Variance Inflation Factor dari masing-
masing variabel. Jika nilai tolerance tidak kurang dari 0.1 dan nilai VIF lebih kecil dari 10 berarti tidak terdapat multikolinearitas.
b. Uji Autokorelasi
Istilah Autokorelasi Autocorrelation menurut Maurice G. Kendall dan William R. Buckland. Autokorelasi merupakan kondisi antara anggota
observasi yang disusun menurut urutan waktu Suharyadi, 2004:529. Autokorelasi dapat didefinisikan pula terjadinya korelasi di antara
data pengamatan sebelumnya, dengan kata lain bahwa munculnya suatu data dipengaruhi oleh data sebelumnya. Untuk mendeteksi terjadi
autokorelasi atau tidak pada model regresi dapat dilakukan dengan uji Durbin Watson, dengan rumus sebagai berikut:
∑ ∑
− =
−
− =
n t
t a
t t
t
e e
e d
1 2
2 2
1
Menurut Singgih Santoso 2000:218 bila nilai DW terletak diantara -2 d 2
maka dapat dikatakan tidak terjadi autokorelasi baik positif maupun negatif. Secara umum deteksi adanya autokorelasi bisa
diambil patokan : 1
Angka DW berada di bawah -2, berarti ada autokorelasi positif. 2
Angka DW berada diantara -2 sampa 2, berarti tidak ada autokorelasi. 3
Angka DW berada di atas 2, berarti ada autokorelasi negatif.
49
c. Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan di mana varian dari faktor pengganggu tidak konstan untuk semua nilai variabel bebas. Uji
heteroskedatisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan
yang lain. Jika residual dari satu pengamatan lain ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model yang baik adalah homoskedastisitas atau tidak terjadi heteroskedastisitas.
Untuk memprediksi ada tidaknya heteroskedastisitas pada suatu model regresi dapat dilihat dari pola gambar scatterplot model tersebut.
Analisis pada gambar scatterplot yang menyatakan model regresi tidak terdapat heteroskedastisitas jika :
1 Titik-titik data menyebar di atas dan di bawah atau di sekitar angka
nol. 2
Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. 3
Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4 Penyebaran titik-titik data sebaiknya tidak berpola.
3. Analisis Regresi Linier Berganda
Analisis regresi dalam penelitian ini menjadi alat untuk mengukur bagaimana pengaruh dari variabel independen terhadap variabel dependen.
Tujuan dari analisis regresi adalah untuk memprediksi besarnya variabel
50
dependen dengan menggunakan data variabel independen yang sudah diketahui besarnya Santoso, 2000: 163.
Untuk mengetahui pengaruh variabel dependen terhadap variabel independen, maka digunakan model regresi berganda dengan persamaan
sebagai berikut : Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ ε
r
Dimana : Y = Volume perdagangan saham di Indonesia.
a = intercept variabel yang tidak dipengaruhi oleh variabel dependen dan variabel independen
b = koefisien regresi dari variabel independen X
1
= Tingkat inflasi yang terjadi di Indonesia X
2
= Bi rates X
3
= Jumlah uang yang beredar M2 di Indonesia. X
4
= Nilai tukar Rupiah terhadap Dolar Amerika ε
r
= faktor pengganggu 4.
Uji Koefisien Determinasi R
2
Koefisien determinasi adalah kemampuan variabel independen menjelaskan variebel dependen terikat. Koefisien determinasi menunjukkan
suatu proporsi dari varian yang dapat diterangkan oleh persamaan regresi Regression Of Sum Square, RSS terhadap varian total Total Of Sum Square,
TSS. Besarnya koefisien determinasi dirumuskan sebagai berikut : R
2
= TSS
RSS
51
R
2
=
2 2
2 2
2 1
1
. .
. .
Y Y
n Y
YX b
b n
+ +
YX Y
a Σ
Σ Σ
− Σ
Σ Σ
− Dan untuk menghitung R
2
digunakan rumus sebagai berikut :
Nilai R
2
akan berkisar antara 0 sampai dengan 1 Suharyadi, 2004:515. 5.
Uji Hipotesis a.
Uji F secara simultan Uji F dilakukan untuk melihat kemaknaan dari hasil model regresi
tersebut. Bila nilai F
hitung
lebih besar dari pada F
tabel
atau tingkat signifikannya lebih kecil dari 5
α : 5 = 0.05 maka hal ini menunjukkan bahwa H
o
ditolak dan H
a
diterima, yang berarti bahwa variabel independen mempunyai pengaruh yang signifikan terhadap
variabel dependen secara simultan. Untuk menentukan F
hitung
dapat dilakukan dengan rumus : F =
k n
R k
R −
− −
1 1
2 2
Dimana: R
2
= koefisien
determinasi n
= jumlah pengamatan sampel k
= jumlah parameter yang diestimasi dalam regresi b.
Uji t secara parsial Uji t digunakan untuk menganalisis pengaruh variabel independen
terhadap variabel dependen secara parsial, dengan menganggap variabel lain bersifat konstan atau digunkan untuk mengetahui ada atau tidaknya
52
pengaruh yang signifikan antara variabel X dan variabel Y. Bila t
hitung
lebih besar dari pada t
tabel
atau nilai signifikan t α : 5 0.05 maka H
o
ditolak dan H
a
diterima, yang berarti terdapat pengaruh signifikan secara parsial variabel independen terhadap variabel dependen.
t
hitung
dapat ditentukan dengan rumus sebagai berikut :
Sb i
bi t
hitung
β −
=
1
β = 0 dengan rumus t
hitung
Sb b
i
Dimana : b
i
= koefisien variabel ke-i β
i
= parameter ke-i yang dihipotesiskan Sb =
kesalahan standar
Sb adalah Standard error dari koefisien regresi dengan rumus matematis sebagai berikut :
∑ ∑
− =
n x
x se
Sb
2 2
se adalah standard error sampel yang dirumuskan sebagai berikut :
2
2
− =
∑
n e
se
Dimana Σ e
2
dapat dirumuskan sebagai berikut :
∑ ∑
∑ ∑
− −
= XY
b Y
a Y
e
t 2
53
E. Operasional Variabel