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,