33
BAB III METODOLOGI
A. Ruang Lingkup Penelitian
Dalam penelitian ini, peneliti menggunakan data kuantitatif. Dimana data kuantitatif adalah data yang bersifat numerik atau angka Lukman, 2007:4.
Penelitian ini menggunakan variabel yang terdiri sebagai berikut : 1. Variabel dependen, yaitu : inflasi
2. Variabel independen, yaitu : suku bunga dan kurs
B. Metode Pengumpulan Data
Dalam penelitian ini data dihimpun menggunakan data sekunder. Dimana data sekunder adalah data yang didapat dari hasil pengolahan pihak kedua atas
penelitiannya di lapangan baik berupa data kualitiatif maupun kuantitatif Teguh, 2000:121.
Jenis data yang digunakan adalah time series yang berupa data tahunan dari tahun 1990-2009. Sumber data diperoleh dari publikasi Bank Indonesia
yaitu: Laporan Perekonomian Indonesia.
C. Metode Analisis
Penelitian ini menggunakan model regresi berganda multiple regression yang akan diestimasi dengan metode Ordinary Least Square OLS dengan
rumusan model penelitian sebagai berikut : INF
=
+
1
IR +
2
ER +
34 Dimana :
INF = inflasi IR
= suku bunga Interest Rate ER
= kurs Exchange Rate
= konstanta
1
= koefisien dari variabel IR
2
= koefisien dari variabel ER
= eror term Metode pangkat kuadrat terkecil biasa OLS diperkenalkan pertama kali
oleh seorang ahli matematika dari Jerman, yaitu Carl Friedrich Gauss. Metode OLS adalah metode untuk mengestimasi suatu garis regresi dengan jalan
meminimalkan jumlah kuadrat kesalahan dari setiap observasi terhadap garis tersebut Kuncoro, 2003:216.
Garis regresi yang baik terjadi bila nilai prediksinya sedekat mungkin dengan data aktualnya. Dengan kata lain kita akan mencari nilai
β
dan
β
1
yang menyebabkan residual sekecil mungkin Widarjono, 2007:20. Menurut Widarjono, 2007:23-25; metode OLS adalah metode mencari
nilai residual sekecil mungkin dengan menjumlahkan kuadrat residual. Metode kuadrat terkecil akan menghasilkan estimator yang mempunyai sifat tidak bias,
linier dan mempunyai varian yang minimum atau BLUE, yaitu: a. Best adalah yang terbaik.
35 b. Linier adalah kombinasi linier dari data sampel. Jika ukuran sampel
ditambah maka hasil nilai estimasi akan mendekati parameter populasi yang sebenarnya.
c. Unbiased adalah rata-rata atau nilai harapan atau estimasi sesuai dengan nilai yang sebenarnya.
d. Efficient estimator adalah memiliki varians yang minimum diantara pemerkira lain yang tidak bias.
Untuk memenuhi analisis regresi tersebut perlu uji asumsi klasik dan inferensi hasil regresi sehingga hasil estimasi tersebut dapat terhindar dari
masalah regresi lancung.
1. Uji Asumsi Klasik
Untuk melakukan uji asumsi klasik atas data sekunder ini, maka peneliti melakukan uji multikolinieritas, uji autokorelasi, uji heteroskedasitsitas, dan
uji normalitas. a. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah residual variabel dependen dan independen berdistribusi normal atau tidak.
Pengujian normalitas ini menggunakan normality histogram Insukindro, 2003:61.
Uji normalitas melalui uji Jarque-Bera J-B. Metode ini menggunakan perhitungan skewness dan kurtosis. Nilai statistik JB
didasarkan pada distribusi Chi Squares dengan derajat kebebasan df 2. Jika nilai probabilitas statistik JB
lebih kecil dari α = 5 persen maka
36 terjadi permasalahan normalitas atau residual tidak didistribusikan secara
normal dan sebaliknya Widarjono, 2007:54.
b. Uji Multikolinieritas Multikolinieritas adalah hubungan antara variabel independen dan
dependennya. Pengujian multikolinieritas dilakukan dengan melihat Correlation Matrix, jika nilai korelasi yang dihasilkan sangat tinggi
umumnya 0,8 maka model regresi dikatakan memiliki permasalahan multikolinieritas Lukman, 2007:13.
Multikolinieritas juga dapat diuji dengan metode deteksi Klien, yaitu dengan membandingkan koefisien determinasi auxiliary dengan
koefisien determinasi model regresi aslinya. Jika koefisien determinasi auxiliary lebih besar dari koefisien determinasi model regresi aslinya,
maka terjadi permasalahan multikolinieritas antara variabel independen yang digunakan dalam model penelitian Widarjono, 2007:117.
c. Uji Heteroskedastisitas Heteroskedastisitas adalah variansi data yang digunakan untuk
membuat model menjadi tidak konstan. Pengujian terhadap ada tidaknya masalah heteroskedastisitas dalam suatu model empiris yang sedang
diamati juga merupakan langkah penting sehingga dapat terhindar dari masalah regresi lancung. Metode untuk dapat mendeteksi ada tidaknya
masalah heteroskedastisitas dalam model empiris dengan menggunakan
37 uji White Hetedoskedasticity, jika X
2
Obs R-Squared X
2
tabel atau nilai probability ObsR-Sqauared
0,05 atau α=5 persen Insukindro, 2003:62.
d. Uji Autokorelasi Autokorelasi adalah terjadinya korelasi antara variabel itu sendiri
pada pengamatan yang berbeda. Pengujian autokorelasi dilakukan dengan uji Breusch-Godfrey Serial Correlation Lagrange Multiplier Test
uji-LM. Uji ini sangat berguna untuk mengidentifikasi masalah autokorelasi tidak hanya pada derajat pertama tetapi bisa juga digunakan
pada tingkat derajat. Dikatakan terjadi autokorelasi jika nilai X
2
ObsR- Squared hitung X
2
tabel atau nilai probability 0,05 atau α=5 persen
Insukindro, 2003:60.
2. Uji Statistik
a. Uji Signifikansi Simultan Uji F-Statistik Uji F-statistik menunjukkan apakah semua variabel independen
dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependennya. Untuk melakukan uji-F dengan cara Quick Look,
yaitu: melihat nilai probability dan derajat kepercayaan yang ditentukan dalam penelitian atau melihat nilai F-tabel dengan F-hitungnya. Jika
nilai probability 0,05 atau α=5 persen dan jika nilai F-hitung lebih
tinggi dari t-tabel yang berarti menolak Ho dan menerima Ha dan
38 sebaliknya. Hal ini menunjukkan bahwa variabel independen secara
bersama-sama mempengaruhi variabel dependennya dan sebaliknya Kuncoro, 2003:219.
b. Koefisien Determinasi R
2
Koefisien detrminasi mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependennya. Nilai koefisien
determinasi adalah antara nol dan satu, nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi
variabel dependen sangat terbatas dan nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependennya Kuncoro, 2003:220.
c. Uji Signifikansi Individual Uji t-Statistik Uji t-statistik menunjukkan seberapa jauh pengaruh satu variabel
independen secara individual dalam menjelaskan variasi variabel dependen. Untuk melakukan uji-t dengan cara Quick Look, yaitu: melihat
nilai probability dan derajat kepercayaan yang ditentukan dalam penelitian atau melihat nilai t-tabel dengan t-hitungnya. Jika nilai
probability 0,05 atau α=5 persen dan jika nilai t-hitung lebih tinggi dari
t-tabel yang berarti menolak Ho dan menerima Ha dan sebaliknya. Hal ini menunjukkan bahwa variabel independen secara individual
39 mempengaruhi variabel dependennya dan sebaliknya Kuncoro,
2003:219.
D. Operasional Variabel Penelitian
Kategori