41
1. Analisis Regresi Linier Berganda
Metode analisis regresi untuk melihat pengaruh Inflasi, Jumlah Uang Beredar, SBIS, dan Harga Minyak Dunia terhadap Indeks Saham Syariah
Indonesia. Metode regresi berganda adalah suatu metode analisis yang dipergunakan untuk mengukur besarnya pengaruh independen X
1
,X
2
,X
3
dan X
4
terhadap dependent Y. Setelah dilakukan pengolahan regresi menggunakan regresi berganda, perlu dilihat apakah model tersebut baik atau jelek, atau
bahas statistik perlu dilihat goodness of fit dari modal tersebut Ahmad Dahlan,2014,117. Hubungan linier antara variabel independen dan dependen
dapat ditulis dalam persamaan regresi sebagai berikut Widarjono 2010:9:
Y=a+β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+e
Keterangan : Y
= Indeks Saham Syariah Indonesia a
= konstanta β
1
- β
5
= koefisien regresi menunjukkan angka peningkatan atau penurunan variabel dependen yang didasarkan pada hubungan nilai
variabel independen X
1
= Inflasi X
2
= SBIS X
3
= Jumlah Uang Beredar X
4
= Harga Minyak Dunia e
= Eror
42
1. Uji Asumsi Klasik
Uji asumsi klasik dalam penelitian ini menggunakan empat uji, uji normalitas, uji multikolinieritas, uji heteroskedastisitas dan uji autokorelasi.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti
diketahui bahwa uji T dan uji F mengasumsikan nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar, maka uji statistik menjadi tidak
valid untuk jumlah sampel kecil. Salah satu cara termudah untuk melihat Normalitas residual adalah
dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya
dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan
ploting data residual akan dibandingkan dengan garis diagonalnya. Jika distribusi data residual normal, maka garis yang menggambarkan data
sesungguhnya akan mengikuti garis diagonalnya. Uji statistik lain yang dapat
43
digunakan untuk menguji normalitas residual adalah uji statistik non- parametrik Kolmogorov-Smirnov K-S Imam Ghozali, 2011:160-164.
Model regresi yang baik adalah mempunyai distribusi data normal atau mendekati normal. Uji normalitas data menggunakan Normal P-P Plot
dan Uji statistik Kolmogrov-Smirnov Test, dengan membandingkan Asympotic Significance
dengan α = 0,05. Dasar penarikan kesimpulan adalah data dikatakan berdistribusi normal apabila nilai Asympotic Significance-nya
0,05.
b. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak
ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.
Salah satu cara untuk mendeteksi multikolinieritas adalah dengan melihat nilai Tollerance dan VIF pada tabel coefficients. Jika nilai Tollerance
0,1 dan nilai VIF 10, maka dapat dikatakan model regresi tidak ada masalah multikolinieritas Imam Ghozali, 2011:105-106.
44
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah apakah dalam model regresi terjadi ketidak samaan varian dari residual satu pengamatan ke
pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas.
Model regresi
yang baik
adalah homoskedastisitas.
Salah satu
cara yang
dapat digunakan
untuk menguji
heteroskedastisitas adalah dengan melihat Grafik Plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID.
Deteksi ada tidaknya pola tertentu pada grafik scattterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah
residual Y prediksi-Y sesungguhnya yang telah di-studentized. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur
bergelombang, menyebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik
yang menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2011:139.
45
d. Uji Autokorelasi
Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi maka dikatakan ada autokorelasi. Autokorelasi mucul karena observasi yang berurutan
sepanjang waktu berkaitan satu sama lain. Model regresi yang baik adalah yang bebas dari autokorelasi.
Untuk mendeteksi ada atau tidaknya autokorelasi dapat digunakan dengan uji Durbin Watson, dimana kriteria pengujian menggunakan Durbin
Watson dengan angka antara -2d2 Singgih Santoso,2010:213, dengan rincian antara lain :
Angka D-W dibawah -2 berarti terdapat autokorelasi positif Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi
Angka D-W diatas +2 berarti ada autokorelasi negative
2. Uji hipotesis