Analisis Model Regresi dengan Data Panel

105 maximum adalah 9 pada tahun 2013 dengan seri sukuk SIKPPLN04B. Sedangkan rata-ratanya mean adalah 4,1 dengan standar deviasi 1,971. Variabel volume perdagangan memiliki nilai terkecil minimum adalah 22,110 pada tahun 2014 dengan seri sukuk SIPPLN01ACN2 Rp 4 milyar dan nilai terbesar maximum adalah 27,660 pada tahun 2013 dengan seri sukuk SIAISA01 Rp 1029,2 milyar. Sedangakan rata- ratanya mean adalah 25,131 Rp 189,12 milyar dengan standar deviasi 1,394. Variabel Amihud Illiquidity Measure memiliki nilai terkecil minimum sebesar 0,004 pada tahun 2014 dengan seri sukuk SIKPPLN04B dan nilai terbesar maximum sebesar 4,042 pada tahun 2015 dengan seri sukuk SIPPLN01CN1. Sedangakan rata-ratanya mean adalah 0,580 dengan standar deviasi 0,756. Variabel imbal hasil SBIS memiliki nilai terkecil minimum sebesar 6,080 pada tahun 2013 dan nilai terbesar maximum sebesar 7,043 pada tahun 2014. Sedangakan rata-ratanya mean adalah 6,654 dengan standar deviasi 0,422.

3. Analisis Model Regresi dengan Data Panel

a. Pengujian Model Estimasi Model Data Panel.

Metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan antara lain model common effect atau pooled least square, pendekatan efek tetap fixed effect, 106 dan pendekatan efek acak random effect. Sebelum menerapkan metode yang digunakan, terlebih dahulu dilakukan pemilihan terhadap pendekatan yang akan digunakan. Pemilihan model ini dilakukan untuk melihat metode regresi panel yang paling sesuai melalui tiga yaitu uji Chow, uji Lagrange Multiplier LM, dan uji Hausman. Pertama, uji Chow digunakan untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy common effect. Hipotesis pengujiannya: H : Common Effect Model H a : Fixed Effect Model Apabila hasil F hitung lebih besar dari F tabel, maka H ditolak yang berarti model yang lebih tepat digunakan adalah fixed effect model dan sebaliknya Widarjono, 2009: 238-239. Tabel 4. 10 Tabel Hasil Uji Chow Effects Test Statistic d.f. Prob. Cross-section F 1.557759 9,16 0.2104 Cross-section Chi-square 18.878088 9 0.0262 Sumber: Data diolah, Eviews 9.0 2016 Berdasarkan tabel 4.10 di atas nilai F hitung sebesar 1,557759. Sedangkan nilai F tabel dengan numerator degree of freedom sebesar 9 dan denominator degree of freedom sebesar 16 dengan α sebesar 5 adalah 2,54. Sehinga berdasarkan perhitungan, nilai F hitung lebih kecil dari F tabel 1,557759 2,54, maka H diterima dan 107 model yang lebih tepat digunakan adalah model common effect. Selain itu, nilai probabilitas sebesar 0,2104 5 atau terima H yang berarti model yang terpilih adalah model Common Effect. Langkah selanjutnya, untuk mengetahui apakah model random effect lebih baik dari metode OLS digunakan uji Lagrange Multiplier LM. Hipotesis nolnya adalah intersep dan slop sama atau common effect Agus Widarjono, 2013: 363. H : Common EffectModel H a :Random Model Jika nilai LM statistik lebih besar dari nilai kritis statistik chi- square maka menolak hipotesis nol, berarti estimasi yang tepat untuk model regresi data panel adalah metode random effect daripada metode OLS dan sebaliknya. Tabel 4. 11 Tabel Hasil Uji LM Test Hypothesis Cross-section Time Both Breusch-Pagan 0.089832 0.295922 0.385754 0.7644 0.5865 0.5345 Sumber: Data diolah, Eviews 9.0 2016 Berdasarkan tabel 4.11 di atas nilai LM statistic sebesar 0,089832. Sedangkan nilai kritis tabel distribusi chi-square dengan degree of freedom sebesar jumlah variabel independen sebanyak 4 pada α=5 adalah sebesar 9,49. Sehinga berdasarkan perhitungan, nilai LM statistik lebih kecil dari nilai kritis statistik chi- square 0,089832 9,49 maka menerima hipotesis nol yang berarti 108 menggunakan metode OLS model atau common effect. Berdasarkan tabel diatas juga menunjukkan bahwa nilai prob Breusch-Pagan sebesar 0,7644 5 atau terima H yaitu model yang terpilih adalah model Common Effect. Berdasarkan hasil estimasi model data panel, menunjukkan bahwa metode regresi yang sesuai untuk model penelitian ini adalah model common effect sebagaimana dalam tabel 4.12 di bawah ini. Tabel 4. 12 Hasil Estimasi Metode Data Panel Terpilih Common effect Dependent Variable: YIELD Method: Panel EGLS Cross-section weights Date: 091416 Time: 23:11 Sample: 2013 2015 Periods included: 3 Cross-sections included: 10 Total panel balanced observations: 30 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C -1.485093 2.713829 -0.547231 0.5891 MATURITY -0.128086 0.042806 -2.992234 0.0062 VOLUME 0.326283 0.064357 5.069887 0.0000 AMIHUD -0.138150 0.166140 -0.831530 0.4135 SBIS -0.652571 0.228746 -2.852824 0.0086 Weighted Statistics R-squared 0.701871 Mean dependent var 2.819462 Adjusted R-squared 0.654170 S.D. dependent var 2.422798 S.E. of regression 0.787860 Sum squared resid 15.51808 F-statistic 14.71408 Durbin-Watson stat 2.022942 ProbF-statistic 0.000003 Unweighted Statistics R-squared 0.403430 Mean dependent var 1.851250 Sum squared resid 18.35031 Durbin-Watson stat 1.362486 Sumber: Data diolah, Eviews 9.0 2016 109

b. Pengujian Asumsi Klasik

Berdasarkan estimasi model data panel di atas, dapat diketahui bahwa model common effect adalah yang paling sesuai dengan data penelitian. Tetapi model ini belum tentu terbebas dari masalah- masalah asumsi klasik. Oleh karena itu, agar hasil yang didapatkan BLUE Best Linier Unbiased Estimator perlu pengujian-pengujian lebih lanjut dengan dilakukan uji multikolinieritas, heteroskedastisitas, autokorelasi, dan normalitas. 1 Multikolinieritas Multikolinieritas multicollinearity merupakan hubungan linier antara variabel independen di dalam regresi berganda. Dengan adanya multikolinieritas estimator mempunyai varian dan kovarian yang besar sehingga interval estimasi akan cenderung lebih lebar yang membuat variabel independen secara statistik tidak signifikan mempengaruhi variabel dependen.Walaupun secara individu variabel independen tidak berpengaruh terhadap variabel dependen melalui uji statistik t, namun nilai koefisien determinasi R 2 masih relatif tinggi. Untuk mengetahui ada atau tidaknya multikolinearitas dengan melihat korelasi parsial antar variabel independen. Jika koefisien korelasi cukup tinggi yaitu di atas 0,85 maka kita duga ada multikolinearitas dalam model. Sebaliknya jika koefisien 110 korelasi relatif rendah maka kita duga model tidak mengandung unsur multikolinieritas Widarjono, 2013: 104. Tabel 4. 13 Matriks Korelasi MATURITY VOLUME AMIHUD SBIS MATURITY 1.000000 0.128743 -0.150607 -0.315253 VOLUME 0.128743 1.000000 -0.118793 -0.432738 AMIHUD -0.150607 -0.118793 1.000000 0.119554 SBIS -0.315253 -0.432738 0.119554 1.000000 Sumber: Data diolah, Eviews 9.0 2016 Berdasarkan hasil pengujian korelasi pada tabel 4.13 di atas, terlihat bahwa koefisien korelasi relatif rendah. Hal ini ditunjukkan dengan tidak ada variabel yang mempunyai korelasi diatas 0,85. Kesimpulannya bahwa model regresi ini tidak mengandung masalah multikolinearitas. 2 Heteroskedastisitas Heteroskedastisitas berarti varian variabel gangguan mempunyai varian yang tidak konstan Widarjono, 2013: 113. Adanya heteroskedastisitas menyebabkan estimator tidak lagi mempunyai varian yang minimum jika menggunakan metode OLS. Pengujian heteroskedastisitas dilakukan dengan menggunakan bantuan software Eviews 9.0. Untuk mengetahui model sudah terbebas terhadap masalah heteroskedastisitas, maka dilakukan pengujian dengan uji white. 111 Uji White dilakukan dengan regresi auxiliary dimana hipotesis nol dalam uji ini adalah tidak adanya heteroskedastisitas. Uji White didasarkan pada jumlah sampel n dikalikan dengan R 2 yang akan mengikuti distribusi chi-square dengan degree of freedom sebanyak variabel independen tidak termasuk konstanta dalam regresi auxiliary. Jika nilai chi-square hitung yaitu nR 2 lebih besar dari nilai chi-square kritis dengan derajat kepercayaan tertentu α maka ada heteroskedastisitas dan sebaliknya Widarjono, 2013:126. Tabel 4. 14 Pengujian Heteroskedastisitas dengan Uji White Dependent Variable: RESID012 Method: Panel Least Squares Date: 091416 Time: 23:15 Sample: 2013 2015 Periods included: 3 Cross-sections included: 10 Total panel balanced observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C 14.79581 7.890537 1.875134 0.0725 MATURITY -0.117169 0.129748 -0.903047 0.3751 VOLUME -0.093719 0.192248 -0.487489 0.6302 AMIHUD -0.122798 0.324237 -0.378728 0.7081 SBIS -1.694734 0.662792 -2.556964 0.0170 R-squared 0.224098 Mean dependent var 0.611677 Adjusted R- squared 0.099954 S.D. dependent var 1.367688 S.E. of regression 1.297536 Akaike info criterion 3.509823 Sum squared resid 42.09000 Schwarz criterion 3.743356 Log likelihood -47.64735 Hannan-Quinn criter. 3.584532 F-statistic 1.805140 Durbin-Watson stat 1.276228 ProbF-statistic 0.159408 Sumber: Data diolah, eviews 9.0 2016 112 Berdasarkan tabel 4.14 di atas, R 2 adalah 0,224098 dan jumlah observasi sebesar 30 sehingga nilai chi-square hitung yaitu sebesar 6,72294 nR 2 = 30 x 0,224098= 6,72294. Sedangkan nilai chi-square kritis dengan derajat kepercayaan α= 5 dan degree of freedom sebanyak 4 variabel independen tidak termasuk konstanta dalam regresi auxiliary adalah sebesar 9,49. Nilai chi-square hitung lebih kecil dari nilai chi-square kritis 6,72294 9,49 maka tidak adanya heteroskedastisitas. Berdasarkan tabel 4.14 di atas, terlihat bahwa probabilitas F- statistic adalah 0,159408. Nilai probabilitas 0,159408 lebih besar dari α= 5 maka H diterima, tidak adanya heteroskedastisitas. Berdasarkan uji white ini, baik dilihat dari perbandingan nilai chi- square hitung dan chi-square kritis maupun dilihat dari nilai probabilitas menghasilkan kesimpulan bahwa tidak ada masalah heteroskedastisitas. 3 Autokorelasi Autokorelasi merupakan korelasi antara variabel gangguan satu observasi dengan variabel gangguan observasi lain. Salah satu asumsi metode OLS berkaitan dengan variabel gangguan adalah tidak adanya hubungan antara variabel gangguan satu dengan variabel gangguan yang lain. Adanya autokorelasi, 113 estimator OLS tidak lagi menghasilkan estimator yang BLUE. Widarjono, 2010: 138. Durbin-Watson menentukan nilai kritis batas bawah dL dan batas atas dU. Jika nilai d mendekati 2 maka tidak ada autokorelasi. Sebaliknya jika nilai d mendekati 0 atau 4 maka diduga ada autokorelasi positif atau autokorelasi negatif. Widarjono, 2015: 291. Tabel 4. 15 Uji statistik Durbin-Watson d Nilai statistik d Hasil Ket 0 d dL Menolak hipotesis nol; ada autokorelasi positif dL d dU Daerah keragu-raguan; tidak ada keputusan dU d 4-dU Gagal menolak hipotesis nol; tidak ada autokorelasi positif negatif √ 4-dU d 4-dL Daerah keragu-raguan; tidak ada keputusan 4-dL d 4 Menolak hipotesis nol; ada autokorelasi negatif Sumber: Agus Widarjono, 2013: 141 Tabel 4. 16 Nilai Weighted Statistics Durbin Watson Model Weighted Statistics R-squared 0.701871 Mean dependent var 2.819462 Adjusted R-squared 0.654170 S.D. dependent var 2.422798 S.E. of regression 0.787860 Sum squared resid 15.51808 F-statistic 14.71408 Durbin-Watson stat 2.022942 ProbF-statistic 0.000003 Sumber: Data diolah, Eviews 9.0 2016 Dari hasil regresi diperoleh nilai Durbin-Watson statistik sebesar 2,022942. Dengan jumlah observasi n=30, jumlah 114 variabel independen tertentu tidak termasuk konstanta k=4, dan α= 5 maka nilai dL, dU, 4-dL, dan 4-dU sebagai berikut: = 1,1426 = 1,7386 4 = 4 1,1426 = 2,8574 4 = 4 1,7386 = 2,2614 Gambar 4. 8 Statistik Durbin Watson d Autokorelasi positif Ragu-ragu Tidak ada autokorelasi Ragu-ragu Autokorelasi Negatif Sumber: Data diolah, Eviews 9.0 2016 Keputusan ada tidaknya autokorelasi didasarkan pada gambar 4.8 di atas, nilai Durbin-Watson statistik 2,022942 berada pada daerah tidak ada autokorelasi. Sedangkan apabila berdasarkan pada tabel 4.15 di atas, nilai Durbin-Watson 2,022942 berada pada du 2,022942 4-du yang menunjukkan bahwa tidak ada autokorelasi. Kesimpulannya bahwa model regresi ini tidak mengandung masalah autokorelasi. 4 Uji Normalitas Salah satu asumsi model regresi adalah residual didistribusikan mengikuti distribusi normal Widarjono, 2015: 291. Konsekuensinya jika model tidak mempunyai residual yang terdistribusi normal yaitu uji t untuk melihat signifikansi variabel 1,1426 1,738 6 2 2,8574 2,261 4 4 115 independen terhadap variabel dependen tidak bisa diaplikasikan jika residual tidak mempunyai distribusi normal. Normalitas tidaknya residual bisa dilihat dengan menggunakan metode yang dikembangkan oleh Jarque-Bera J- B. Hipotesis nol uji ini menyatakan bahwa residual probabilitas ρ dari statistik JB lebih besar dari tingkat signifikansi yang kita tentukan maka kita menerima hipotesis nol bahwa residual mempunyai distribusi normal karena nilai statistik JB mendekati nol dan sebaliknya Widarjono, 2010: 113. Gambar 4. 9 Pengujian Normalitas dengan Metode Jarque-Bera 1 2 3 4 5 6 7 -1.0 -0.5 0.0 0.5 1.0 1.5 Series: Standardized Residuals Sample 2013 2015 Observations 30 Mean 0.016412 Median 0.090399 Maximum 1.358328 Minimum -1.245721 Std. Dev. 0.731319 Skewness -0.099315 Kurtosis 2.281235 Jarque-Bera 0.695096 Probability 0.706418 Sumber: Data diolah, Eviews 9.0 2016 Berdasarkan gambar 4.9 di atas, nilai probabilitas ρ dari statistik JB adalah 0,706418. Gambar di atas menunjukkan bahwa nilai probabilitas 0,706418 lebih besar dari tingkat singnifikansi 5, maka menerima hipotesis nol. Artinya residual mempunyai distribusi normal. 116

c. Pengujian Hipotesis

1 Uji Simultan Pengaruh Maturity, Volume Perdagangan, Amihud Illiquidity Measure, dan Imbal Hasil SBIS terhadap Yield Spread Uji F digunakan untuk uji signifikansi model. Uji signifikansi model adalah uji pengaruh semua variabel independen secara serempak terhadap variabel dependen Widarjono, 2015: 278. Dalam penelitian ini, pengujian dilakukan untuk melihat apakah variabel maturity, volume perdagangan, Amihud illiquidity measure, dan imbal hasil SBIS secara bersama-sama berpengaruh terhadap yield spread atau tidak. Hipotesis nol H dan hipotesis alternatif H a untuk menguji apakah koefisien regresi b 1 , b 2 , b 3 , dan b 4 secara bersama-sama atau secara menyeluruh berpengaruh terhadap variabel dependen sebagai berikut: H : b 1 =b 2 =b 3 =b 4 =0 , semua variabel independen secara bersama-sama tidak berpengaruh terhadap variabel dependen H a : b 1 ≠b 2 ≠b 3 ≠b 4 ≠0 , semua variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Nilai F hitung yang didapat dengan formula sebagai berikut: = = , , = , , = 14, 7140793 Dimana dalam penelitian ini, n adalah jumlah observasi sebanyak 30, k jumlah parameter estimasi termasuk intersep 117 adalah 5. Sedangkan R 2 adalah koefisien determinasi sebesar 0,701871. Berdasarkan formula diatas, didapatkan nilai F hitung adalah 14,7140793. Keputusan menolak atau menerima H jika F hitung F kritis, maka menolak H dan sebaliknya, jika F hitung F kritis maka gagal menolak H Widarjono, 2015: 279. Tabel 4. 17 Nilai Weight Statistics Estimasi Model Regresi Antara Variabel Maturity, Volume Perdagangan, Amihud, Dan SBIS terhadap Variabel Yield Spread Dependent Variable: YIELD Weighted Statistics R-squared 0.701871 Mean dependent var 2.819462 Adjusted R-squared 0.654170 S.D. dependent var 2.422798 S.E. of regression 0.787860 Sum squared resid 15.51808 F-statistic 14.71408 Durbin-Watson stat 2.022942 ProbF-statistic 0.000003 Sumber: Data diolah, Eviews 9.0 2016 Berdasarkan tabel 4.17 di atas, nilai F hitung hampir sama dengan output Eviews 9.0 14,7140793= F-statistic= 14,71408. Perbedaan terjadi karena adanya pembulatan. Sedangkan nilai F kritis dari tabel distribusi F dengan α = 5, df numerator= 4 k- 1=5-1=4, dan df denominator= 25 n-k=30-5= 25 adalah sebesar 2,76. Nilai F hitung sebesar 14,71408 lebih besar dari nilai F kritis 2,76 dengan α = 5, maka menolak hipotesis nol. Artinya, Maturity, volume perdagangan, Amihud illiquidity measure, dan 118 imbal hasil SBIS secara bersama-sama memiliki pengaruh terhadap yield spread sukuk Menolak hipotesis nol uji F ini juga bisa dilakukan dengan membandingkan antara p-value dengan tingkat signifikansi yang dipilih. Jika nilai p-value lebih kecil dari tingkat signifikansi atau α maka menolak H atau menerima H a . Sebaliknya jika nilai p- value lebih besar dari α maka kita gagal menolak h Widarjono, 2015: 281. Berdasarkan tabel 4.17 di atas, bisa secara langsung memberikan keputusan apakah gagal menolak H atau menolak H dilihat dari besarnya probabilitas yang menunjukkan besarnya α. Nilai probabilitas F-statistic sebesar 0,000003, angka ini lebih kecil dari α= 0,05 maka menolak H atau menerima H a . Sehingga dapat disimpulkan bahwa variabel independen secara simultan mempengaruhi variabel dependen. Hipotesis yang menyatakan bahwa maturity, volume perdagangan, Amihud illiquidity measure, dan imbal hasil SBIS memiliki pengaruh secara simultan terhadap yield spread sukuk dapat diterima, dengan kata lain H ditolak. 119 2 Uji Parsial Pengaruh Maturity, Volume Perdagangan, Amihud Illiquidity Measure, dan Imbal Hasil SBIS terhadap Yield Spread Uji parsial dilakukan dengan uji statistik t. Uji statistik distribusi t ini digunakan untuk mengetahui apakah variabel independen mempengaruhi variabel dependen secara individu. Dalam penelitian ini, pengujian dilakukan untuk melihat apakah variabel maturity, volume perdagangan, Amihud illiquidity measure, dan imbal hasil SBIS secara individu berpengaruh terhadap yield spread atau tidak. Dalam penelitian ini menggunakan uji hipotesis dua sisi adalah sebagai berikut: H : b 1 = 0 , Variabel independen tidak memiliki pengaruh secara parsial terhadap variabel dependen H a : b 1 ≠ 0, Variabel independen memiliki pengaruh secara parsial terhadap variabel dependen. Nilai statistik t t hitung diperoleh dengan bantuan software Eviews 9.0. Sedangkan nilai t kritis dari tabel distribusi t dicari pada α dan degree of freedom sebesar n-k dimana n= jumlah observasi dan k=jumlah parameter estimasi di dalam regresi. Dengan α = 5, maka diperoleh nilai t kritis sebagai berikut: = 2 ; = = 5 2 ; = 30 5 = {0,025 ; = 25} = 2,060 120 Setelah diketahui nilai t kritis, maka akan dapat dilakukan keputusan menolak atau menerima H . Keputusan menolak atau gagal menolak H adalah jika nilai t hitung absolut nilai t kritis maka H ditolak atau menerima H a , berarti secara statistik variabel independen signifikan mempengaruhi variabel dependen. Jika nilai t hitung absolut nilai t kritis maka H gagal ditolak atau menolak H a , berarti secara statistik variabel indepenen tidak signifikan mempengaruhi variabel dependen Widarjono, 2015: 282. Keputusan untuk menolak atau gagal menolak hipotesis nol juga bisa ditentukan dengan menggunakan uji hipotesis berdasarkan probabilitas statistik t dengan asumsi bahwa residual mempunyai distribusi normal. Jika nilai probabilitas p nilai α yang dipilih maka menolak hipotesis nol H atau menerima hipotesis alternatif H a dan sebaliknya jika nilai probabilitas p nilai α maka gagal menolak hipotesis nol atau menolak hipotesis alternatif Widarjono, 2015: 284. 121 Tabel 4. 18 Hasil Estimasi Model Regresi antara Variabel Maturity, Volume Perdagangan, Amihud, dan SBIS terhadap Variabel Yield Spread Dependent Variable: YIELD Method: Panel EGLS Cross-section weights Date: 062316 Time: 20:03 Sample: 2013 2015 Periods included: 3 Cross-sections included: 10 Total panel balanced observations: 30 Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C -1.485093 2.713829 -0.547231 0.5891 MATURITY -0.128086 0.042806 -2.992234 0.0062 VOLUME 0.326283 0.064357 5.069887 0.0000 AMIHUD -0.138150 0.166140 -0.831530 0.4135 SBIS -0.652571 0.228746 -2.852824 0.0086 Sumber: Data diolah, Eviews 9.0 2016 Berdasarkan tabel 4.18 di atas diperoleh nilai koefisien, standard error, statistik t t hitung dan probabilitas untuk setiap variabel dengan bantuan software Eviews 9.0. Evaluasi pengaruh variabel independen terhadap variabel dependen dengan menggunakan uji t maupun dengan evaluasi nilai p-value dapat dijelaskan sebagai berikut. a Uji Parsial Uji t Pengaruh Variabel Maturity terhadap Yield Spread Sukuk Variabel maturity memiliki koefisien sebesar -0,128086, standard error sebesar 0,042806 dan signifikan sebesar 122 0,0062. Adapun nilai t hitung dapat diperoleh dengan menggunakan formula sebagai berikut: = = 0,128086 0,042806 = 2,99224408 Dimana = koefisien regresi = -0,128086, = standard error = 0,042806, dan merupakan nilai hipotesis nol= 0, sehingga diperoleh nilai t hitung adalah -2,99224408. Berdasarkan perhitungan di atas, nilai t hitung hampir sama dengan perhitungan melalui software Eviews 9.0 pada tabel 4.18 di atas yang menghasilkan nilai statistik t hitung sebesar -2,992234 -2,99224408= t-statistic = -2,992234. Perbedaan terjadi karena adanya pembulatan. Nilai t kritis berdasarkan perhitungan adalah sebesar 2,060. Dengan nilai t hitung dimutlakkan sebesar 2,992234. Dapat disimpulkan bahwa nilai t hitung nilai t kritis 2,992234 2,060, maka H ditolak atau menerima H a. Artinya, secara statistik variabel independen signifikan mempengaruhi variabel dependen. Selanjutnya, dilihat dengan membandingkan nilai ρ dengan nilai α. Nilai probabilitas ρ lebih kecil dari nilai α 0,0062 0,05, maka kita menolak hipotesis nol H atau menerima hipotesis alternatif H a . Artinya, secara statistik variabel independen signifikan mempengaruhi variabel dependen. Dari hasil pengujian hipotesis dengan 123 menggunakan uji t maupun dengan evaluasi nilai p-value dapat disimpulkan bahwa variabel maturity berpengaruh signifikan terhadap yield spread sukuk. b Uji Parsial Uji t Pengaruh Variabel Volume Perdagangan terhadap Yield Spread Sukuk Variabel volume perdagangan memiliki koefisien sebesar 0,326283, standard error sebesar 0,064357 dan signifikan sebesar 0,0000. Adapun nilai t hitung dapat diperoleh dengan menggunakan formula sebagai berikut: = = 0,326283 0,064357 = 5,069891387 Dimana = koefisien regresi = 0,326283, = standard error = 0,064357, dan merupakan nilai hipotesis nol = 0, sehingga diperoleh nilai t hitung adalah 5,069891387. Berdasarkan perhitungan di atas, nilai t hitung hampir sama dengan perhitungan melalui software Eviews 9.0 pada tabel 4.18 di atas yang menghasilkan nilai statistik t hitung sebesar 5,069887 5,069891387= t-statistic = 5,069887. Perbedaan terjadi karena adanya pembulatan. Nilai t kritis berdasarkan perhitungan adalah sebesar 2,060. Dengan nilai t hitung dimutlakkan sebesar 5,069887. Dapat disimpulkan bahwa nilai t hitung nilai t kritis 5,069887 2,060, maka H ditolak atau menerima H a. 124 Artinya, secara statistik variabel independen signifikan mempengaruhi variabel dependen. Selanjutnya, dilihat dengan membandingkan nilai ρ dengan nilai α. Nilai probabilitas ρ lebih kecil dari nilai α 0,0000 0,05, maka kita menolak hipotesis nol H atau menerima hipotesis alternatif H a . Artinya, secara statistik variabel independen signifikan mempengaruhi variabel dependen. Dari hasil pengujian hipotesis dengan menggunakan uji t maupun dengan evaluasi nilai p-value dapat disimpulkan bahwa variabel volume perdagangan berpengaruh signifikan terhadap yield spread sukuk. c Uji Parsial Uji t Pengaruh Variabel Amihud Illiquidity Measure terhadap Yield Spread Sukuk Variabel Amihud illiquidity measure memiliki koefisien sebesar -0,138150, standard error sebesar 0,166140 dan signifikan sebesar 0,4135. Adapun nilai t hitung diperoleh dengan menggunakan formula sebagai berikut: = = 0,138150 0,166140 = 0,83152763 Dimana = koefisien regresi = -0,138150, = standard error = 0,166140, dan merupakan nilai hipotesis nol = 0, sehingga diperoleh nilai t hitung adalah -0,83152763. Berdasarkan perhitungan di atas, nilai t hitung hampir sama 125 dengan perhitungan melalui software Eviews 9.0 pada tabel 4.18 di atas yang menghasilkan nilai statistik t hitung sebesar -0,831530 -0,83152763 = t-statistic= -0,831530. Perbedaan terjadi karena adanya pembulatan. Nilai t kritis berdasarkan perhitungan adalah sebesar 2,060. Dengan nilai t hitung dimutlakkan sebesar 0,831530. Dapat disimpulkan bahwa nilai t hitung nilai t kritis 0,831530 2,060, maka H gagal ditolak atau menolak H a. Artinya, secara statistik variabel independen tidak signifikan mempengaruhi variabel dependen. Selanjutnya, dilihat dengan membandingkan nilai ρ dengan nilai α. Nilai probabilitas ρ lebih besar dari nilai α 0,4135 0,05, maka kita menerima hipotesis nol H atau menolak hipotesis alternatif H a . Artinya, secara statistik variabel independen tidak signifikan mempengaruhi variabel dependen. Dari hasil pengujian hipotesis dengan menggunakan uji t maupun dengan evaluasi nilai p-value dapat disimpulkan bahwa variabel Amihud illiquidity measure tidak signifikan berpengaruh terhadap yield spread sukuk. 126 d Uji Parsial Uji t Pengaruh Variabel SBIS terhadap Yield Spread Sukuk Variabel SBIS memiliki koefisien sebesar -0,652571, standard error sebesar 0,228746 dan signifikan sebesar 0,0086. Adapun nilai t hitung dapat diperoleh dengan menggunakan formula sebagai berikut: = = 0,652571 0,228746 = 2,85281928 Dimana = koefisien regresi = -0,652571, = standard error = 0,228746, dan merupakan nilai hipotesis nol = 0, sehingga diperoleh nilai t hitung adalah -2,85281928. Berdasarkan perhitungan di atas, nilai t hitung hampir sama dengan perhitungan melalui software Eviews 9.0 pada tabel 4.18 di atas yang menghasilkan nilai statistik t hitung sebesar -2,852824 -2,85281928= t-statistic = -2,852824. Perbedaan terjadi karena adanya pembulatan. Nilai t kritis berdasarkan perhitungan adalah sebesar 2,060. Dengan nilai t hitung dimutlakkan sebesar 2,852824. Dapat disimpulkan bahwa nilai t hitung nilai t kritis 2,852824 2,060, maka H ditolak atau menerima H a. Artinya, secara statistik variabel independen signifikan mempengaruhi variabel dependen. Selanjutnya, dilihat dengan membandingkan nilai ρ dengan nilai α. Nilai probabilitas ρ lebih kecil dari nilai α 127 0,0086 0,05, maka kita menolak hipotesis nol H atau menerima hipotesis alternatif H a . Artinya, secara statistik variabel independen signifikan mempengaruhi variabel dependen. Dari hasil pengujian hipotesis dengan menggunakan uji t maupun dengan evaluasi nilai p-value dapat disimpulkan bahwa variabel SBIS berpengaruh signifikan terhadap yield spread sukuk.

d. Analisis Regresi dengan Data Panel

Berdasarkan hasil pengolahan data dengan software Eviews 9.0 maka persamaan regresi dengan data panel dapat dirumuskan sebagai berikut: = 1,485093 0,128086M + 0,326283 0,652571SBIS + Dari persamaan regresi diatas dapat dijelaskan bahwa: 1 Berdasarkan persamaan regresi di atas diperoleh koefisien regresi untuk konstanta sebesar negatif 1,485093. Hal ini mengindikasi bahwa jika keempat variabel X=0 tetap maka yield spread akan menurun sebesar 1,485093. 2 Koefisien regresi maturity X 1 sebesar negatif 0,128086 dan signifikan pada α= 5. Dengan tingkat kepercayaan 95 dapat dikatakan bahwa setiap penurunan 1 tahun akan menaikkan Yield 128 sebesar 0,128086 dengan asumsi variabel lainnya dianggap konstan. 3 Koefisien regresi volume perdagangan X 2 bernilai positif 0,326283 dan signifikan pada α= 5. Dengan tingkat kepercayaan 95 dapat dikatakan bahwa setiap kenaikan 1 juta milyar volume perdagangan, maka akan menaikkan yield spread sukuk sebesar 0,326283 dengan asumsi variabel lainnya dianggap konstan. 4 Koefisien regresi SBIS X 4 bernilai negatif 0,652571 dan signifikan pada α= 5. Dengan tingkat kepercayaan 95 dapat dikatakan bahwa setiap kenaikan 1 imbal hasil SBIS, maka akan menurunkan yield spread sukuk sebesar 0,652571 dengan asumsi variabel lainnya dianggap konstan.

e. Koefisien Determinasi R

2 Koefisien determinasi digunakan untuk mengukur seberapa baik garis regresi yang kita punyai. Dalam hal ini, mengukur seberapa besar proporsi variasi variabel dependen dijelaskan oleh semua variabel independen Widarjono, 2015: 273. Pada penelitian ini nilai yang digunakan untuk mengukur variasi variabel dependen yang dijelaskan oleh variabel independen adalah dengan melihat nilai adjusted R 2 . Karena nilai adjusted R 2 tidak dapat naik maupun turun apabila ada satu variabel independen ditambahkan ke dalam model. 129 Bersarnya koefisien determinasi R squared sebesar 0,701871 dan besarnya koefisien determinasi yang disesuaikan adjusted R 2 sebesar 0,654170. Nilai koefisien determinasi yang disesuaikan lebih kecil dari nilai koefisien determinasi. Hal ini terjadi karena adanya penyesuaian koefisien determinasi. Berdasarkan hasil estimasi regresi menunjukkan angka adjusted R 2 sebesar 65,42. Angka tersebut menjelaskan bahwa variasi yield spread sukuk dijelaskan oleh variasi maturity, volume perdagangan, Amihud illiquidity measure, dan imbal hasil SBIS sebesar 65,42. Sedangkan sisanya 34,58 dapat dijelaskan oleh variabel lain yang tidak dimasukkan dalam model.

C. Interpretasi Hasil

Pada bagian ini akan diuraikan mengenai hasil uji statistik yang telah dilakukan oleh penulis. Berikut adalah ringkasan uji hipotesis yang telah dilakukan. Tabel 4. 19 Ringkasan Pengujian Hipotesis No Hipotesis Uji Hasil 1 Pengaruh maturity, volume perdagangan, Amihud illiquidity measure, dan imbal hasil SBIS secara simultan terhadap yield spread sukuk F hitung F kritis 14,71408 2,76 ProbF-statistic 0,000003 alpha sebesar 0,05 H ditolak H a diterima Terdapat pengaruh simultan 130 No Hipotesis Uji Hasil 2 Pengaruh maturity secara parsial terhadap yield spread sukuk Nilai t hitung nilai t kritis 2,992234 2,060 Probabilitas ρ nilai α 0,0062 0,05 H ditolak H a diterima Berpengaruh - 3 Pengaruh volume perdagangan secara parsial terhadap yield spread sukuk Nilai t hitung nilai t kritis 5,069887 2,060 Nilai probabilitas ρ nilai α 0,0000 0,05 H ditolak H a diterima Berpengaruh + 4 Pengaruh Amihud illiquidity measure secara parsial terhadap yield spread sukuk Nilai t hitung nilai t kritis 0,831530 2,060 Nilai probabilitas ρ nilai α 0,4135 0,05 H diterima H a ditolak Tidak berpengaruh signifikan, Hubungan - 5 Pengaruh imbal hasil SBIS secara parsial terhadap yield spread sukuk. Nilai t hitung nilai t tabel 2,852824 2,060 Nilai probabilitas ρ nilai α 0,0086 0,05 H ditolak H a diterima Berpengaruh - Sumber: Kumpulan uji hipotesis pada Bab IV, data diolah 2016 Dari tabel 4.19 menunjukkan terdapat 4 hipotesis yang menolak H dan 1 hipotesis yang menerima H . Empat hipotesis yang menolak H yaitu hipotesis secara simultan variabel independen terhadap variabel dependen no.1, uji parsial variabel X 1 No.2, X 2 No.3, dan X 4 No.5 terhadap variabel Y. Satu hipotesis yang menerima H yaitu uji parsial variabel X 3 No.4. Penjelasan lebih lanjut interpretasi hasil penelitian adalah sebagai berikut.

1. Pengaruh Maturity, Volume Perdagangan, Amihud Illiquidity Measure,