137 digunakan adalah Reksa Dana Saham yang tercatat di Bapepam. Hal tersebut
sesuai dengan teknik purposive sampling metode judgement sampling. Sampel penelitian ini diambil dari Reksa Dana Saham yang terdaftar di
Bapepam. Dari 144 Reksa Dana Saham yang terdaftar di Bapepam selama periode Januari 2004 sampai Desember 2006, hanya 15 Reksa Dana Saham
yang terpilih sebagai sampel penelitian. Oleh karena Reksa Dana Saham yang tercatat di Bapepam dimungkinkan terjadi perubahan di setiap periodenya,
maka sampel penelitian ini diambil dengan kriteria: 1. Semua Reksa Dana Saham yang terdaftar di Bapepam selama Januari 2004
sampai dengan Desember 2006. 2. Semua Reksa Dana Saham yang selalu ada dan masih aktif selama Januari
2004 sampai dengan Desember 2006. 3. Reksa Dana Saham yang telah menerbitkan laporan keuangan mulai Januari
2004 sampai dengan Desember 2006
C. Metode Pengumpulan Data
Data yang digunakan dan dianalisis dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang telah tersedia dan tidak perlu
dikumpulkan lagi. Data-data sekunder yang digunakan penulis adalah data- data yang berhubungan langsung dengan penelitian yang dilaksanakan dan
bersumber dari terbitan-terbitan Bursa Efek Jakarta, Bapepam dan Bank Indonesia.
138 Informasi Utama yang digunakan sebagai data penelitian adalah Nilai
Aktiva Bersih NABUnit Reksa Dana Saham, data mengenai tingkat suku bunga bebas risiko dalam hal ini penulis memilih tingkat suku bunga Sertifikat
Bank Indonesia dari Bank Indonesia berdasarkan laporan bulanan terbitan Bank Indonesia. Penulis memilih SBI sebagai tingkat suku bunga bebas risiko
dengan anggapan bahwa Bank Indonesia yang mengeluarkan SBI dapat dipastikan akan melunasi kewajibannya pada saat jatuh tempo. Jadi investasi
yang dilakukan pada SBI benar-benar bebas risiko. Disertai Data mengenai perkembangan Inflasi dan Nilai Tukar Rupiah pada periode Januari 2004
sampai dengan Desember 2006.
D. Metode Analisis
Langkah-langkahnya adalah sebagai berikut: 1. Mendata Reksa Dana-Reksa Dana yang termasuk dalam Reksa Dana
Saham selama periode Januari 2004 sampai dengan Desember 2006. Reksa Dana yang akan menjadi objek penelitian adalah Reksa Dana
Saham yang berturut-turut ada selama periode Januari 2004 sampai dengan Desember 2006.
2. Menghitung Return dan Risiko dari masing-masing Reksa Dana. Dalam penelitian ini, maka penulis akan menggunakan program Microsoft Excel
untuk membantu dalam proses penghitungan return dan risiko masing- masing Reksa Dana.
a Menghitung Return dari Reksa Dana:
139
1 1
− −
−
t t
t
NAV NAV
NAV
Dimana: NAV
t
= Net Asset Value NAB pada periode t NAV
t-1
= Net Asset Value NAB periode sebelum t b Menghitung Risiko dari Reksa Dana:
1
2
− −
=
∑
n x
x
p
σ
3. Evaluasi Kinerja Reksa Dana Setelah didapatkan variabel-variabel yang dibutuhkan untuk penghitungan
kinerja Reksa Dana, maka dilakukan evaluasi kinerja portofolio dengan menggunakan metode Differential Return with Risk Measure by Standar
Deviation .
Rumusnya yaitu:
p m
f m
f p
R R
R R
σ σ
⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
− +
=
4. Melakukan pengukuran dan pengujian untuk mengetahui signifikan pengaruh IHSG, suku bunga bebas risiko SBI, inflasi dan nilai tukar
rupiah terhadap kinerja Reksa Dana yang dihitung dengan metode Differential Return with Risk Measured by Standar Deviation
. Dalam Pengukuran dan pengujian ini digunakan analisis regresi berganda.
Dimana kinerja merupakan variabel terikat Y dan faktor-faktor IHSG, SBI, inflasi dan nilai tukar rupiah sebagai variabel bebas X. Setelah
140 dilakukan pengumpulan ternyata diperoleh gambaran bahwa data tidak
normal dan salah satu variabel dependen terdapat multikolinieritas. Oleh karena itu, penulis merasa perlu mengeluarkan variabel tersebut dari
model regresi sehingga diperoleh model terbaik. Dan selanjutnya akan diolah dengan menggunakan software SPSS Release 11.0 for Windows.
5. Pengujian 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 Normalitas
Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen, variabel independen atau keduanya mempunyai
distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
Menurut Singgih Santoso 2000: 214, ada beberapa cara mendeteksi normalitas dengan melihat penyebaran data titik pada sumbu diagonal
dari grafik. Dasar pengambilan keputusannya adalah: 1 Jika data menyebar di sekitar garis diagonal dan megikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas, 2 Jika data menyebar jauh dari garis diagonal atau tidak mengikuti
arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
141 b Multikolinieritas
Istilah kolinieritas ganda multicolinearity diciptakan oleh Ranger Frish di dalam bukunya “Statistikcal Confluence Analysis by Means of
Complete Regression Systems” artinya istilah itu berarti adanya
hubungan linier yang sempurna atau eksak perfect or exact di antara variabel-variabel bebas dalam model regresi J. Supranto, 1983.
Uji multikolinieritas digunakan untuk mendeteksi ada tidaknya hubungan antar beberapa atau semua variabel independen dalam model
regresi. Multikolinieritas merupakan keadaan dimana satu atau lebih variabel independen dinyatakan sebagai kondisi linier dengan variabel
lainnya. Artinya bahwa jika diantara peubah-peubah bebas yang digunakan sama sekali tidak berkorelasi satu dengan yang lain maka
bias dikatakan bahwa tidak terjadi multikolinieritas. Untuk menguji asumsi multikolinieritas dapat digunakan VIF Variance
Inflation Factor, dimana Gujarati 2003 mengatakan bila nilai VIF
lebih dari 10 berarti terdapat kolinieritas sangat tinggi dan sebaiknya apabila nilai VIF lebih kecil dari 10 maka tidak terjadi multikolinieritas.
c Uji Autokorelasi Istilah autokorelasi Autocorrelation menurut Maurice G. Kendall and
William R. Bukland, A Dictionary of Statistical Term: “Correlation between members of series of observation ordered in time as in time-
series data or space as in cross sectional data”. Jadi autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut
142 urutan waktu seperti data time series atau menurut urutan tempat
seperti data cross sectional atau korelasi pada dirinya sendiri. 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 dapat dilihat melalui nilai Durbin Watson DW. Menurut Singgih Santoso 2000: 216 ada beberapa cara mendeteksi
adanya autokorelasi diantaranya: 1 Angka Durbin Watson DW di bawah -2 berarti ada autokorelasi
positif 2 Angka Dubin Watson DW diantara -2 sampai +2, berarti tidak ada
autokorelasi 3 Angka Durbin Watson DW di atas +2 berarti ada autokorelasi
negatif d Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan dimana varian dari kesalahan pengganggu tidak konstan untuk semua nilai variabel bebas J.
Supranto, 1983. 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 ke pengamatan yang lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model
143 yang baik adalah homoskedastisitas atau tidak terjadi
heteroskedastisitas. Menurut Singgih Santoso 2000: 208 ada beberapa cara untuk
mendeteksi ada atau tidaknya heteroskedastisitas dengan melihat ada atau tidaknya pola tertentu pada grafik, dimana sumbu X adalah Y yang
telah diprediksi, dan sumbu X adalah residual Y prediksi – Y sesungguhnya yang telah di studentized, rinciannya antara lain adalah:
1 Jika ada pola tertentu, seperti titik yang ada membentuk suatu pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka telah terjadi heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
6. Pengujian Statistik a Uji Koefisien Determinasi R
2
Uji koefisien determinasi ditujukan untuk melihat seberapa besar kemampuan variabel independen menjelaskan variabel dependen yang
dilihat melalui adjusted R Square karena variabel independennya lebih dari 2.
144 b Uji F Uji secara simultan
Uji F dilakukan untuk melihat kemaknaan dari hasil model regresi tersebut. Bila nilai F
hitung
lebih besar dari 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 signifikan terhadap variabel dependen secara
simultan. c Uji T Uji secara parsial
Uji t digunakan untuk menganalisis pengaruh variabel independen terhadap variabel dependen secara parsial. Bila T
hitung
lebih besar dari T
tabel
atau nilai signifikan T α : 5 0.05 maka H
o
ditolak dan H
a
diterima yang berarti bahwa terdapat pengaruh signifikan secara parsial variabel independen terhadap variabel dependen.
d Pengujian Regresi Untuk mengetahui pengaruh variabel independen terhadap variabel
dependen digunakan model regresi berganda dengan persamaan sebagai berikut:
Y = a + b
1
IHSG + b
2
SBI + b
3
INF + b
4
NTR + ε
i
Dimana: Y
: Kinerja Reksa Dana a
: Intercept b
1,
b
2,
b
3,
b
4
: Koefisien regresi variabel IHSG
: Indeks Harga Saham Gabungan
145 SBI
: Suku Bunga Bebas Risiko Bank Indonesia INF
: Inflasi NTR
: Nilai Tukar Rupiah
E. Operasional Variabel
