Pengujian Asumsi Klasik Hasil Penelitian

diharapkan terus berkembang di masa yang akan datang. Rata-rata nilai minyak adalah sebesar Rp 72,6033 dengan standart Deviasi Rp 20,08914 hal ini menunjukkan bahwa kondisi harga minyak berfluktuasi karena selisih antara nilai minyak maximum dengan nilai minyak minimum cukup besar, nilai standart deviasi minyak lebih besar dari nilai rata-rata minyak. Hal ini mengindikasikan bahwa variabel harga minyak tidak berdistribusi normal. Dari hasil pengolahan data pada Tabel 5.1 diketahui bahwa nilai kurs minimum sebesar Rp 8.775,00 yang menunjukkan bahwa harga kurs dari tahun 2005 – 2010 memiliki harga terendah. Sedangkan nilai kurs maximum sebesar Rp 12.151,00 menunjukkan harga yang terdaftar telah tumbuh dan berkembang pesat diharapkan terus berkembang di masa yang akan datang. Rata-rata nilai kurs adalah sebesar Rp 9.541,6806 dengan standart Deviasi Rp 724,37506 hal ini menunjukkan bahwa kondisi kurs berfluktuasi karena selisih antara nilai kurs maximum dengan nilai kurs minimum cukup besar, nilai standart deviasi kurs lebih besar dari nilai rata- rata kurs. Hal ini mengindikasikan bahwa variabel harga kurs tidak berdistribusi normal.

5.1.2. Pengujian Asumsi Klasik

Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terjadi penyimpangan dalam pengujian asumsi klasik perlu dilakukan perbaikan terlebih dahulu. Universitas Sumatera Utara 5.1.2.1. Uji normalitas Uji normalitas berguna untuk mengetahui apakah variabel dependen dan varibel independen yang digunakan dalam penelitian mempunyai distribusi normal atau tidak. Model regresi yang baik dan layak digunakan dalam penelitian adalah model yang memiliki distribusi normal atau mendekati normal. Hasil uji normalitas data dengan normal Probability Plot dalam penelitian ini dapat ditunjukan pada Gambar 5.1 berikut ini: Sumber: Hasil Penelitian, 2011 Data Diolah Gambar 5.1. Uji Normalitas Sebelum Dilakukan Transformasi Dari Gambar 5.1 terlihat bahwa titik-titik tidak sepenuhnya barada dan mengikuti di titik diagonal, maka model regresi tidak memenuhi asumsi normalitas. Selain itu uji normalitas data dapat dilakukan dengan menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S, pengujian ini adalah pengujian paling valid Universitas Sumatera Utara atas asumsi normalitas. Untuk mengetahui hasil uji normalitas dari masing-masing variabel dengan uji Kolmogorov-Smirnov dapat dilihat pada Tabel 5.2 berikut: Tabel 5.2. Uji Kolmogorov-Smirnov Sebelum Transformasi One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 72 Normal Parameters a,,b Mean .0000000 Std. Deviation 1.26151097E2 Most Extreme Differences Absolute .063 Positive .038 Negative -.063 Kolmogorov-Smirnov Z .538 Asymp. Sig. 2-tailed .934 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Penelitian, 2011 Data Diolah Dari hasil uji normalitas pada Tabel 5.2 dapat dilihat bahwa variabel harga saham Nikkei, Hangseng, Kospi, Harga Emas Dunia, Harga Minyak Dunia Kurs Rupiah dan Indeks Harga Saham Gabungan memiliki data yang tidak berdistribusi normal karena nilai signifikansi dari masing-masing variabel sebesar 0,934 0,05. Untuk mengubah nilai residual agar berdistribusi normal, peneliti melakukan transformasi data dengan Logaritma natural Ln dengan menggunakan SPSS. Caranya adalah dengan melakukan logaritma natural terhadap semua variabel yang tidak berdistribusi normal. Setelah itu, data diuji ulang berdasarkan asumsi normalitas. Hasil uji normalitas setelah melakukan transformasi data tidak normal tersebut dapat dilihat dari gambar normalitas Probability Plot pada Gambar 5.3 berikut ini: Universitas Sumatera Utara Gambar 5.2. Uji Normalitas Setelah Dilakukan Transformasi Dari grafik normal Probability Plot pada Gambar 5.2 terlihat bahwa setelah dilakukan transformasi data menggunakan logaritma natural, grafik P-P Plot memperlihatkan titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal yang menunjukkan pola distribusi normal. Untuk meyakinkan bahwa data penelitian ini benar-benar normal, makan akan dilakukan uji statistik non parametrik dengan menggunakan Kolmogorov-Smirnov seperti yang terdapat dalam Tabel 5.3 berikut: Universitas Sumatera Utara Tabel 5.3. Uji Kolmogorov-Smirnov SetelahTransformasi One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 72 Normal Parameters a,,b Mean .0000000 Std. Deviation .05312183 Most Extreme Differences Absolute .084 Positive .063 Negative -.084 Kolmogorov-Smirnov Z .716 Asymp. Sig. 2-tailed .684 a. Test distribution is Normal. b. Calculated from data. Sumber : Hasil Penelitian, 2011 Data Diolah Dari hasil Kolmogorov-Smirnov pada Tabel 5.3 dapat dilihat bahwa setelah dilakukan transformasi data dengan logaritma natural, maka semua data variabel yang diuji menjadi normal dengan nilai signifikansi dari masing-masing variabel lebih besar dengan 0,05 dengan demikian dapat disimpulkan bahwa data telah berdistribusi normal. 5.1.2.2. Uji heteroskedastisitas Uji heteroskedastisitas dalam penelitian ini dilakukan dengan melihat grafik Scatter-Plot antara nilai prediksi variabel terkait ZPRED dengan residualnya SRESID. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas dan jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heteroskedastisitas. Di mana Y adalah nilai residual dan X adalah Universitas Sumatera Utara nilai yang telah diprediksi. Hasil uji heteroskedastisitas dapat dilihat pada grafik Scater-Plot berikut ini: Sumber: Hasil Penelitian, 2011 Data Diolah Gambar 5.3. Uji Heteroskedastisitas Dari grafik Scatter-Plot pada Gambar 5.3 dapat dilihat bahwa tidak ada pola yang jelas serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y. Hal ini menyimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai. 5.1.2.3. Uji autokorelasi Uji autokorelasi digunakan utnuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu periode sebelumnya. Model regresi yang baik adalah regresi Universitas Sumatera Utara yang bebas dari autokorelasi. Uji autokorelasi dapat dilakukan dengan pengujian Durbin-Watson DW. Hasil uji autokorelasi dapat dilihat pada Tabel 5.4 berikut: Tabel 5.4. Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .980 a .960 .957 .07788 1.512 a. Predictors: Constant, Ln_Minyak, Ln_nikkei, Ln_Kospi, Ln_Hangseng, Ln_Emas b. Dependent Variable: Ln_IHSG Sumber: Hasil Penelitian, 2011 Data Diolah Nilai D-W tersebut berada di antara 1,5 sampai 2,5 berarti tidak terjadi autokorelasi pada model regresi yang digunakan. a. Jika nilai D-W berada dibawah 0 sampai 1,5 berarti ada autokorelasi positif. b. Jika nilai D-W berada diantara 1,5 sampai 2,5 berarti tidak terjadi autokorelasi. c. Jika nilai D-W berada di atas 0 sampai 1,5 berarti ada autokorelasi positif. Dari Tabel 5.4 dapat dilihat bahwa nilai Durbin-Watson dalam penelitian ini sebesar 1,512 dapat disimpulkan bahwa tidak terjadi autokorelasi pada model yang digunakan dalam penelitian ini. 5.1.2.4. Uji multikolinieritas Uji Multikolinieritas digunakan untuk menguji apakah dalam model regresi ditemukan korelasi antar variabel bebas independen, model regresi yang baik seharusnya tidak terjadi korelasi antar variabel bebas. Untuk mendeteksi ada tidaknya multikolinieritas yaitu dengan melihat Tolerance Value dan Variance Inflation Factor VIF. Multikolinieritas terjadi jika nilai tolerance 0,10 dan VIF 10 atau jika antar Universitas Sumatera Utara variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,9. Hasil uji multikolinieritas dapat dilihat pada Tabel 5.5 berikut: Tabel 5.5. Hasil uji multikolinieritas Coefficients a Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 7.639 1.637 Ln_nikkei -.348 .062 -.233 .180 5.548 Ln_Hangseng .765 .090 .441 .115 8.733 Ln_Kospi .474 .118 .262 .473 3.648 Ln_Emas .377 .059 .341 .110 9.112 Ln_Minyak -.128 .038 -.089 .435 2.297 Ln_Kurs -1.066 .132 -.202 .489 2.045 a. Dependent Variable : Ln_IHSG Sumber: Hasil Penelitian, 2011 Data Diolah Berdasarkan hasil pengujian multikolinieritas pada Tabel 5.5 dapat dilihat bahwa nilai Tolerance pada variabel LnNikkei, LnHangseng, LnKospi, LnEmas, LnMinyak, dan LnKurs 0,10 dan VIF 10. Hal ini menunjukkan bahwa tidak terjadi korelasi antar variabel independen artinya tidak terjadi multikolinieritas.

5.2. Hasil Analisis Data