Maturity Y
yang akan diperoleh investor pada obligasi
jika disimpan hingga jatuh tempo.
YTM = x 100
3.7. Teknik Analisis Data
Penelitian ini menggunakan metode regresi linier berganda dengan data panel untuk menganalisis besarnya pengaruh variabel-variabel independen terhadap
dependen. Variabel tersebut ditransformasikan ke dalam bentuk fungsi dan selanjutnya dibuat dalam bentuk persamaan regresi yang paling tepat digunakan
antara lain: 1. Ordinary Least Square OLS
Data cross section dan time series digabungkan dalam bentuk pool data. Kemudian data tersebut diregresikan dengan metode OLS. Penggunaan
estimasi dengan metode ini tidak realistis. 2. Fixed Effect Model FEM
Model ini memiliki intercept persamaan yang tidak konstan atau perbedaan pada setiap individu data cross section. Sementara itu, slope koefisien dari
regresi tidak berbeda pada setiap individu dan waktu. Keunggulan metode ini dapat membedakan efek individual dan efek waktu dan FEM tidak perlu
mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas.
Universitas Sumatera Utara
3. Random Effect Model REM Pada model ini, perbedaan antar individu terdapat error term dari persamaan.
Model ini memperhitungkan bahwa error term mungkin berkolerasi sepanjang time series dan cross section. Keunggulan dari metode ini mempunyai
parameter yang lebih sedikit,sehingga model yang dibentuk akan memiliki derajat kebebasan degree of freedom yang lebih banyak dibandingkan
dengan model FEM. Dengan demikian model Random Effect merupakan model yang dipilih dalam
penelitian ini, alasannya karena keunggulan dari model ini adalah model ini mampu menghilangkan masalah heterokedasitas tidak homogennya data dalam penelitian.
3.8. Uji Stasioneritas
Uji stasioneritas adalah pengujian yang dilakukan untuk menguji suatu data apakah memiliki rata-rata dan varian dari data runtun waktu tersebut mengalami
perubahan sepanjang waktu. Apabila terjadi perubahan terhadap nilai rata-rata dan varian dari data runtun waktu tersebut maka data tidak stasioner atau disebut random
walk. Untuk mendeteksi data stasioner dapat ditulis dengan model sebagai berikut: ∆Y
t
= δY
t-1
+ µ
t
Dimana δ = ρ-1 dan tanda ∆ menunjukkan simbola perbedaan pertama.
Kemudian melakukan pengujian hipotesis: H
: δ = 0
H
1 :
δ ≠ 0
Universitas Sumatera Utara
Jika H ditolak,berarti data yang dianalisis memiliki akar unit. Hal ini dapat
disimpulkan data tidak stasioner. Pengujian dengan menggunakan metode Dickey dan Fuller digunakan uji-t
terhadap hipotesisnya yang mengikuti statistik τ tau. Kemudian dikembangkan lebih
lanjut oleh McKinnon. Jika hasil out put yang diperoleh ADF statistik lebih kecil dari nilai kritisnya pada tingkat signifikansi tertentu,maka data tidak stasioner.
3.9. Uji Hausman