maturity tertinggi terjadi pada tahun 2010 triwulan I sebesar 16,3. Secara rata-rata yield to maturity perusahaan pada tahun 2010 triwulan I sebesar 11,82, tahun 2010
triwulan II sebesar 11,53, tahun 2010 triwulan III sebesar 10,69, sedangkan pada tahun 2010 triwulan IV sebesar 9,92. Pada tahun 2011 triwulan I sebesar 10,44, tahun
2011 triwulan II sebesar 10,44, tahun 2011 triwulan III sebesar 10,49, tahun 2011 triwulan IV sebesar 10,61. Sedangkan standar deviasi pada tahun 2010 triwulan I
sebesar 1,43, tahun 2010 triwulan II sebesar 1,40, tahun 2010 triwulan III sebesar 1,63, tahun 2010 triwulan IV sebesar 1,48, tahun 2011 triwulan I sebesar 1,47, tahun
2011 triwulan II sebesar 1,62, tahun 2011 triwulan III sebesar 1,42, tahun 2011 triwulan IV sebesar 1,41.
4.2. Uji Stasioneritas
Uji stasioneritas perlu dilakukan untuk mengetahui apakah data yang digunakan dalam penelitian telah stasioner. Hasil pengujian stasioneritas data dapat
dilihat pada tabel berikut ini.
Tabel 4.2 Augmented Dickey Fuller
A. Variabel Rating Method
t-Statistic Prob.
Augmented Dickey-Fuller test statistic -13,13272
0,0000 Test critical values:
1 level -3,992411
5 level -3,426557
10 level -3,136516
Sumber: Eviews setelah diolah pada Lampiran 8
Universitas Sumatera Utara
B. Variabel Likuiditas Method
t-Statistic Prob.
Augmented Dickey-Fuller test statistic -5,707591
0,0000 Test critical values:
1 level -3,992670
5 level -3,426682
10 level -3,136590
Sumber: Eviews setelah diolah pada Lampiran 8
C. Variabel Maturitas Method
t-Statistic Prob.
Augmented Dickey-Fuller test statistic -8,100382
0,0000 Test critical values:
1 level -3,993066
5 level -3,426874
10 level -3,136704
Sumber: Eviews setelah diolah pada Lampiran 8
D. Variabel Yield to maturity Method
t-Statistic Prob.
Augmented Dickey-Fuller test statistic -13,05498
0,0000 Test critical values:
1 level -3,992283
5 level -3,426494
10 level -3,136480
Sumber: Eviews setelah diolah pada Lampiran 8
Dari hasil Uji Akar Unit yang dilakukan, output menunjukkan bahwa nilai probabilitas lebih kecil dari 0,05 sehingga menunjukkan data telah stasioner pada
tingkat Level. Dengan demikian dapat disimpulkan bahwa data yang digunakan dalam penelitian ini adalah stasioner.
4.3. Pengujian Asumsi Klasik
Pengujian asumsi klasik digunakan sebagai syarat agar model regresi layak untuk digunakan. Asumsi yang digunakan antara lain multikolinieritas,
heterokedastisitas, dan autokorelasi.
Universitas Sumatera Utara
4.3.1. Uji Asumsi 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.
Tabel 4.3
Hasil Pengujian Multikolinieritas RATING
LIKUIDITAS MATURITAS
RATING 1.000000
0.065930 0.075704
LIKUIDITAS 0.065930
1.000000 -0.067567
MATURITAS 0.075704
-0.067567 1.000000
Sumber:Eviews setelah diolah pada Lampiran 5
Tabel diatas merupakan hasil pengujian non multikolinieritas dengan menggunakan Korelasi Pearson. Nilai korelasi antar variable Rating Obligasi,
Universitas Sumatera Utara
Likuiditas, Maturitas yang lebih kecil dari 0,90, maka hipotesis H ditolak yaitu tidak
terdapat hubungan linier variable antar variabel bebas atau dapat dikatakan bahwa asumsi multikolinieritas telah terpenuhi.
4.3.3. Uji Asumsi Heterokedastisitas
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, 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.
Tabel 4.4. Hasil Uji Heterokedastisitas
F hitung Signifikansi F
Keterangan
1,052 0,370
Bebas hetero
Sumber: Sumber:Eviews setelah diolah pada Lampiran 5
Berdasarkan Tabel di atas didapatkan nilai signifikansi untuk model regresi sebesar 0,370. Hal ini menunjukkan bahwa nilai signifikansi untuk model lebih besar
dari 0,050, sehingga tidak ada permasalahan heterokedastisitas dan dengan demikian asumsi tersebut diterima.
Universitas Sumatera Utara
4.3.3 Asumsi Autokorelasi
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.
Tabel 4.5. Hasil Pengujian Autokorelasi
Durbin Watson Daerah Bebas Autokorelasi
Keterangan
Model 1,854
1,831 DW 2,169 Terdapat autokorelasi
Ket : dL = 1,771; dU = 1,831 Sumber: Sumber:Eviews setelah diolah pada Lampiran 7
Hasil pengujian asumsi auto korelasi dengan metode Durbin Watson pada tabel di atas menunjukkan bahwa model memenuhi asumsi autokorelasi karena nilai
Durbin Watson 1,854 tidak berada pada daerah kurang dari dL 1,771.
4.4. Uji Hausman
Uji Hausman merupakan pengujian dilakukan untuk menentukan model mana yang paling bagus dilakukan dalam model estimasi. Hasil uji Hausman dapat dilihat
dalam tabel dibawah ini:
Tabel 4.6
Universitas Sumatera Utara
Uji Hausman
Correlated Random Effect Test Summary
Chi-Sq. Statistic
Chi-Sq. d.f. Prob.
Cross-section random 1,895084
1 0,1686
Sumber: Sumber:Eviews setelah diolah pada Lampiran 6
Berdasarkan hasil uji Hausman yang dilakukan,diperoleh nilai chi square Correlated random effects adalah sebesar 1,86 dengan probabilitas signifikansi 0,17.
Nilai signifikansi 0,186 yang lebih besar dari 0,05 menunjukkan bahwa model yang digunakan adalah Random Effect Model REM. Dengan demikian dapat ditarik
kesimpulan bahwa model yang sesuai untuk estimasi persamaan dalam penelitian ini adalah Random effect model.
4.5. Hasil Model Estimasi
