statistik tidak signifikan pada α = 0,01, 0,05, dan 0,10 maka diterima H yang berarti
model dapat diestimasikan dengan menggunakan model REM.
3.10. Pengujian Asumsi Klasik a. Uji Multikolinieritas
Uji multikolinieritas adalah pengujian dari asumsi yang terkait bahwa variabel bebas pada suatu model tidak saling berkorelasi satu dengan yang lainnya.
Kolinieritas ganda terjadi apabila terdapat hubungan yang sempurna antara variabel bebas, sehingga sulit untuk memisahkan pengaruh tiap-tiap variabel
secara individu terhadap variabel terikat. Pengertian dari asumsi ini adalah bahwa setiap variabel bebas prediktor hanya berpengaruh pada variabel respon, dan
bukan pada variabel bebas lainnya. Pengujian multikolinieritas menggunakan korelasi Pearson. Hipotesis pada asumsi ini yaitu :
H : Terdapat multikolinieritas pada variabel bebas
H
1
: Tidak terdapat multikolinieritas pada variabel bebas Pada regresi linier berganda, yang diharapkan adalah menolak hipotesis H
yaitu tidak terdapat hubungan linier antar variabel bebas. Hipotesis H
ditolak apabila nilai korelasi antar variabel bebas lebih kecil dari 0,90.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang
lain. Jika varian dari residual satu pengamatan kepengamatan yang lain tetap,
Universitas Sumatera Utara
maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas
Ghozali, 2005. Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi heterokedastisitas. Metode yang dapat digunakan untuk mendeteksi ada
tidaknya heteroskedastisitas dalam penelitian ini adalah dengan menggunakan uji Glejser yang menunjukkan bahwa nilai signifikansi untuk model lebih besar dari
0,050, sehingga tidak ada permasalahan heterokedastisitas dan dengan demikian asumsi tersebut diterima.
c. Uji Auto Korelasi
Ghozali 2007:95 menjelaskan tujuan uji autokorelasi adalah: bahwa menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, dinamakan ada problem autokorelasi. Autokorelasi sering
ditemukan pada data runtut waktu time series. Panduan untuk melihat ada tidaknya autokorelasi dapat dilihat dari nilai durbin watson test. Nilai durbin
watson test yang bebas dari autokorelasi yaitu nilai durbin watson yang berada diantara 1,831 dan 2,169.
3.10.1. Pengujian Hipotesis
Hipotesis diuji dengan analisis regresi linier berganda untuk menganalisis pengaruh rating obligasi, dan maturitas terhadap YTM obligasi. Model regresi
linier berganda adalah model regresi yang memiliki lebih dari satu variabel
Universitas Sumatera Utara
independen. Bahwa Model regresi linier berganda dikatakan model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi
klasik statistik baik multikolinieritas, autokorelasi dan heterokedastisitas Lubis et.al, 2007: 45. Persamaan regresi linier berganda dalam penelitian ini yaitu:
Dimana: Y
= Variabel YTM a
= Konstanta ,
= Koefisian Regresi = Variabel Rating Obligasi
= Variabel Likuiditas = Variabel Maturitas
e = Error Term
Bentuk hipotesis diatas secara matematis dapat dinyatakan sebagai berikut: , Artinya apabila X
1
rating obligasi mengalami kenaikan maka Y yield to maturity akan mengalami kenaikan, ceteris paribus.
, Artinya apabila X
2
likuiditas mengalami kenaikan maka Y yield to maturity akan mengalami kenaikan, ceteris paribus.
, Artinya apabila X
3
maturitas mengalami kenaikan maka Y yield to maturity akan mengalami kenaikan, ceteris paribus.
3.10.1.1. Pengujian Menyeluruh atau Simultan F-test
Universitas Sumatera Utara
Pengujian secara simultan dilakukan dengan menggunakan uji F. Pengujian ini dilakukan untuk mengetahui ada tidaknya pengaruh dari seluruh variabel bebas
terhadap variabel terikat. Hipotesis pada uji F yaitu : H
: b1 = b2 = b3 =0, artinya seluruh variabel bebas tidak mempengaruhi variabel terikat secara simultan.
H
1
: b1 ≠ b2 ≠ b3 ≠0, Seluruh variabel bebas mempengaruhi variabel terikat secara
simultan Ketentuan pengambilan keputusan untuk menguji hipotesis di atas adalah
dengan membandingan nilai F hitung dengan nilai F tabel, atau dapat pula dengan membandingkan nilai signifikansi probabilitas dengan batas tingkat kesalahan
pengambilan keputusan alpha yang ditetapkan. Apabila nilai F hitung lebih besar dari nilai F tabel atau nilai signifikansi lebih kecil dari alpha, maka keputusan yang
diambil adalah menolak hipotesis H , yaitu terdapat pengaruh secara simultan dari
seluruh variabel bebas terhadap variabel terikat.
3.10.1.2. Pengujian Individu atau Parsial Uji t
Uji t adalah pengujian secara parsial untuk mengetahui ada tidaknya pengaruh dari setiap variabel bebas prediktor terhadap variabel terikat respon.
Hipotesis pada uji t yaitu : H
: b1 = 0, Setiap variabel bebas tidak mempengaruhi variabel terikat H
1
: b1 ≠ 0, Setiap variabel bebas mempengaruhi variabel terikat
Universitas Sumatera Utara
Ketentuan pengambilan keputusan untuk menguji hipotesis di atas adalah dengan membandingan nilai t hitung dengan nilai t tabel, atau dapat pula dengan
membandingkan nilai signifikansi probabilitas dengan batas tingkat kesalahan pengambilan keputusan alpha yang ditetapkan. Apabila nilai t hitung absolut lebih
besar dari nilai t tabel atau nilai signifikansi lebih kecil dari alpha, maka keputusan yang diambil adalah menolak hipotesis H
, yaitu terdapat pengaruh secara parsial dari setiap variabel bebas terhadap variabel terikat.
3.10.1.3. Uji Koefisien Determinasi
Koefisien Determinasi mengukur seberapa jauh kemampuan model
menerangkan variasi variabel independen Ghozali, 2005: 83. Nilai koefisien determinasi R
2
ini mencerminkan seberapa besar variasi dari variabel terikat Y dapat diterangkan oleh variabel bebas X. Bila nilai koefisien determinasi sama
dengan 0 R
2
= 0, artinya variasi dari Y tidak dapat diterangkan oleh X sama sekali. Sementara bila R
2
= 1, artinya variasi dari Y secara keseluruhan dapat diterangkan oleh X. Dengan kata lain bila R
2
= 1, maka semua titik pengamatan berada tepat pada garis regresi. Dengan demikian baik atau buruknya suatu persamaan regresi
ditentukan oleh R
2
nya yang mempunyai nilai antara nol dan satu. Nilai R Square dikatakan baik jika di atas 0,5.
Universitas Sumatera Utara
3.11. Tempat dan Jadwal Penelitian
Penelitian ini dilakukan pada lembaga keuangan yang terdaftar di Bursa Efek Indonesia. Jadwal Penelitian dimulai dari bulan November 2013 sampai dengan
selesai.
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Analisis Deskriptif
Analisis data deskriptif merupakan analisis yang dilakukan dengan memberikan gambaran dari data statistik yang diperoleh dari hasil estimasi dengan menggunakan
program eviews. Di dalam analisis deskriptif ini dilakukan pendeskripsian data statistik perusahaan selama periode 2010
– 2011 . Analisis deskriptif dalam penelitian ini melakukan pendeskripsian melalui nilai rata-rata dan standar deviasi masing-
masing variabel. Data statistik yang diperoleh dapat dilihat pada tabel dibawah ini.
Tabel 4.1 Analisis Deskriptif
No
Varia bel
Peneli tian
Anali sis
Deskr iptif
Tahun 2010
Q1 2010
Q2 2010
Q3 2010
Q4 2011
Q1 2011
Q2 2011
Q3 2011
Q4
1 Ratin
g Min
8 8
8 8
8 8
8 8
Max 17
17 17
17 17
17 17
17 Media
n 12
12 12
12 12
12 12
12 Mean
12.0 9
12.0 9
12.0 9
12.0 9
12.0 9
12.0 9
12.0 9
12.0 9
Std.D ev
2.47 2.47
2.47 2.47
2.47 2.47
2.47 2.47
2 Likui
ditas Min
Max 0,68
0,92 0,52
0,59 0,49
0,65 0,68
0,57 Media
n 0,11
0,13 5
0,07 0,07
5 0,07
0,08 5
0,08 5
0,09
Universitas Sumatera Utara
