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